基于軍事知識圖譜的作戰(zhàn)預案語義匹配方法研究

人工智能技術與咨詢 前天

本文來自《指揮與控制學報》?，作者梁汝鵬等

摘 要?提出了一種智能化的預案語義匹配方法,基于軍事知識圖譜,建立知識圖譜與作戰(zhàn)預案特征映射,構建預案語義特征標注,實現(xiàn)作戰(zhàn)預案隱藏知識的顯式定義;設計了作戰(zhàn)預案語義特征抽取與相似性計算算法,解決基于索引或關鍵字等語用層次特征匹配效率和準確度較低的問題,實現(xiàn)基于語義特征的作戰(zhàn)預案智能語義匹配,滿足預案快速、精準化匹配需求.

關鍵詞?知識圖譜,作戰(zhàn)預案,語義特征,語義相似度,特征向量,語義匹配

隨著戰(zhàn)爭節(jié)奏逐漸加快,平時籌劃、戰(zhàn)時匹配調整成為重要作戰(zhàn)模式,預案匹配方法對于提高作戰(zhàn)快速反應,并根據(jù)作戰(zhàn)態(tài)勢適度調整至關重要.作戰(zhàn)預案匹配本質上是搜索問題,即如何根據(jù)當前情況,快速匹配與預案庫中相似場景對應方案,并擇優(yōu)推薦預案,其核心是預案智能匹配方法.

目前,基于關鍵字或限定規(guī)則等語用層次的硬匹配方法,難以解決作戰(zhàn)場景描述的模糊性問題,針對預案優(yōu)選難以實現(xiàn)定量化評估[1?2],需要大量人工參與,難以滿足戰(zhàn)時快速匹配需求[3].針對預案庫的匹配問題通常采用組合關鍵字的方式,這種方法更適用于完全形式化、確定性目標匹配,要求作戰(zhàn)預案實現(xiàn)高度格式化、定量化描述,目前作戰(zhàn)預案存在諸多定性描述,同時預案多以文本方式存在,傳統(tǒng)的關鍵字匹配方法難以滿足作戰(zhàn)預案快速準確匹配需求,在面對作戰(zhàn)方案精確化匹配時存在諸多不足.

同時,目前主流的基于“深度神經(jīng)網(wǎng)絡”人工智能推薦算法[4?5],需要大量數(shù)據(jù)樣本進行深度學習與訓練,但目前與作戰(zhàn)預案匹配相關的數(shù)據(jù)樣本較少,且皆是各國機密,對人工智能深度學習有較大制約.知識圖譜可在一定程度上實現(xiàn)知識的形式化描述,滿足智能自動化推理需要,針對典型的小樣本問題,通過構建軍事知識圖譜,提供了作戰(zhàn)知識的形式化描述,為精細化的作戰(zhàn)預案匹配查詢提供了新思路.

為解決預案快速匹配優(yōu)選難題,本文提出了一種基于語義特征的預案智能匹配方法,通過軍事知識圖譜描述作戰(zhàn)場景的語義特征,并定義各匹配目標方案對應的特征向量,基于語義特征的相似性測度,模擬指揮員選擇預案的過程,滿足預案定量化快速匹配優(yōu)選要求,實現(xiàn)語義層次的作戰(zhàn)方案智能匹配.

目前,基于特征的匹配與推薦方法研究較多,其中的難點問題在于特征的定義和描述[6?7],對于軍事問題等小樣本特征提取難題,基于知識圖譜的語義特征描述提供了較好的解決方案,一方面可以解決基于關鍵字等硬匹配方法的固有缺陷,另一方面提供了基于軍事知識庫的特征表達,構建基于知識圖譜的預案匹配方法,為解決作戰(zhàn)預案的快速智能化預案匹配提供了新的技術解決方案,可在一定程度上提高作戰(zhàn)效率.

1 軍事知識圖譜

知識圖譜是以結構化的形式描述客觀世界中的概念、實體及其關系,將信息表達成接近人類認知世界的形式,并提供一種更好的組織、管理和理解海量信息的能力[8].知識圖譜為海量信息的語義搜索帶來了活力,同時也在智能問答中顯示出強大的威力,已經(jīng)成為知識驅動的智能應用基礎設施.知識圖譜與大數(shù)據(jù)和深度學習一起成為推動互聯(lián)網(wǎng)核人工智能發(fā)展的核心驅動力之一.

隨著戰(zhàn)場信息的爆炸式增長,傳統(tǒng)的搜索方式已經(jīng)無法滿足戰(zhàn)場信息以及大量軍事知識的捕獲和理解需要,而知識圖譜技術在解決知識查詢的精度以及可擴展性方面展現(xiàn)出了巨大的優(yōu)勢,成為當前研究的熱點問題[9].

現(xiàn)有的知識圖譜多為通用的知識圖譜,針對性較強的領域知識,尤其是軍事領域的知識圖譜并沒有較好的構建以及表示方法.因此,建立軍事知識圖譜意義重大.軍事知識涵蓋范圍廣泛,本文定義的軍事知識圖譜主要面向作戰(zhàn)籌劃領域.

在軍事知識圖譜構建過程中需要涉及數(shù)據(jù)采集、知識抽取、知識消歧、知識推理等技術[10],總體流程如圖1所示.

基于知識圖譜,可實現(xiàn)作戰(zhàn)預案概念語義的形式化定義,由此獲取預案語義特征的描述,基于語義特征實現(xiàn)智能預案匹配.

2 作戰(zhàn)預案語義特征標注

2.1 語義特征定義

特征即給定屬性集,其中某些屬性可能很關鍵、很有用,另一些屬性沒什么用,實體屬性即為特征,對于匹配任務密切相關的屬性稱為“相關特征”、對當前任務無用的屬性稱為“無關特征”.語義特征即通過知識圖譜描述實體特征,實現(xiàn)實體的語義標注[11].

為獲取關于預案描述的語義信息,需要創(chuàng)建預案特征的語義描述.通過與知識圖譜的映射,定義預案特征結構化元數(shù)據(jù).基于語義推理工具,語義標注支持預案語義匹配與發(fā)現(xiàn),例如針對目標定義屬性如圖2所示.

2.2 預案語義特征標注

當前,自動語義標注算法無法產(chǎn)生完整、精確的特征標注,可構建半自動的特征語義標注算法,實現(xiàn)知識圖譜中概念實體與概念關系排序.通過人工干預,構建預案特征半自動語義標注流程,實現(xiàn)語義特征映射.

語義標注算法通過分析用戶輸入的作戰(zhàn)預案查詢關鍵字,提供了預案語義特征相關的概念實體或關系,并映射到知識圖譜對應節(jié)點,經(jīng)過人工干預,利用圖形化人機交互界面,輔助實現(xiàn)特征語義標注[12].

針對作戰(zhàn)預案采用手工標注工作量大,容易出現(xiàn)錯誤,目前全自動預案語義特征標注算法尚不成熟.為提高語義特征標注的自動化程度,可在軍事知識圖譜概念術語匹配基礎算法基礎上,考慮知識圖譜的圖形化特征,可采用顧及軍事知識圖譜概念圖結構的算法優(yōu)化方案,融合PageRank 算法實現(xiàn)更為高效的語義特征概念匹配與特征標注[12],提高語義標注的可靠性,具體過程如圖3所示.

3 基于語義特征的作戰(zhàn)預案匹配

3.1 基于語義特征的預案匹配機制

圖1 軍事知識圖譜構建流程

圖2 語義特征

相對于傳統(tǒng)的基于數(shù)據(jù)庫索引和關鍵字匹配的預案匹配方法,知識圖譜關聯(lián)的特征語義標注支持智能邏輯推理,在預案查詢過程中,語義推理引擎可以精確匹配查詢與服務的語義標注信息,基于預案語義特征相似度計算,建立面向特定作戰(zhàn)場景的作戰(zhàn)預案匹配方法,實現(xiàn)語義級的服務匹配與發(fā)現(xiàn),確保更為精確的查詢結果,作戰(zhàn)預案語義特征匹配機制如圖4所示.

實現(xiàn)作戰(zhàn)預案語義匹配核心是構建預案匹配規(guī)則與語義特征相似性度量算法.首先,基于作戰(zhàn)要求,構建限制性匹配規(guī)則與優(yōu)化類匹配規(guī)則,實現(xiàn)作戰(zhàn)初步篩選;以篩選后預案為匹配目標集,基于各預案語義特征標注,抽取語義特征向量,通過建立融合預案語義特征相似性度量和包含性推理規(guī)則的混合模式預案匹配機制,實現(xiàn)作戰(zhàn)預案語義匹配,提高預案匹配效率和準確度.

3.2 作戰(zhàn)預案匹配規(guī)則

3.2.1 限制類約束規(guī)則

對預案庫的預案按限制性規(guī)則進行匹配,排除不滿足條件的預案,縮小匹配預案集.限制性規(guī)則主要包括幾個方面: 目標的類型、我方力量狀態(tài)等,通過0-1 匹配算法,匹配滿足條件的預案集合.

3.2.2 優(yōu)化類匹配規(guī)則

對已篩選的預案集合,利用方案優(yōu)選規(guī)則,考慮目標的重要程度、目標毀傷程度、突防概率等,并利用基于特征向量的相似匹配算法,按優(yōu)先級排序推薦預案,主要包括目標相似度、毀傷匹配度等.同時根據(jù)突防概率,可自動對作戰(zhàn)力量進行排序,支持人工選擇作戰(zhàn)武器[13?15].

圖3 基于知識圖譜的語義特征標注

圖4 基于語義特征的匹配機制

通過專家評價、樣本訓練等方式,確定特征參數(shù),并進行歸一化處理,利用余弦相似度方法[16?18]?進行相似度排序,如表1所示.

3.3 預案匹配流程

采用三級匹配機制(圖5),一是作戰(zhàn)場景定義,根據(jù)情報和上報信息,計算/預估對我方毀傷,遭襲目

圖5 預案匹配流程

表1 作戰(zhàn)預案匹配規(guī)則及輸入輸出表

圖6 語義匹配技術體系

標的類型、目標對我方的重要程度,根據(jù)作戰(zhàn)規(guī)則和作戰(zhàn)意圖,確定目標類型、反擊強度,實現(xiàn)“目標向量”定義;二是預案語義特征相似度計算,基于作戰(zhàn)預案語義特征標注,實現(xiàn)特征向量抽取,獲取各個預案的“語義特征向量”,依據(jù)匹配規(guī)則,基于語義特征向量的相似度計算方法,實現(xiàn)特征向量排序因子計算; 三是基于匹配因子,實現(xiàn)預案匹配,并依據(jù)當前作戰(zhàn)力量狀態(tài)實現(xiàn)作戰(zhàn)預案的二次篩選,最終形成作戰(zhàn)預案匹配集合[19?20].

3.4 預案匹配關鍵技術

預案匹配主要包括3 方面內(nèi)容:匹配規(guī)則設計、匹配因子和特征向量抽取、語義匹配算法設計等方面的技術.

3.4.1 預案匹配規(guī)則

以作戰(zhàn)需求和作戰(zhàn)特點為基礎,開展預案匹配規(guī)則研究,作為預案匹配技術決策的基礎和輸入,滿足預案匹配的科學、快速要求.

3.4.2 語義特征向量抽取

結合作戰(zhàn)預案結構和內(nèi)容,分析預案匹配所需的組成要素,基于作戰(zhàn)預案語義標注,設計形成匹配因子和語義特征向量,以及匹配因子權重系數(shù),研究匹配因子抽取及量化方法.

3.4.3 預案匹配算法

根據(jù)作戰(zhàn)需求,研究設計語義特征相似度計算方法,實現(xiàn)匹配目標向量和預案特征向量相似度計算,計算作戰(zhàn)預案排序因子,進行作戰(zhàn)預案定量化排序.

4 結論

為解決預案快速匹配優(yōu)選難題,本文提出了一種基于語義特征的預案智能匹配方法,通過軍事知識圖譜描述作戰(zhàn)場景的語義特征,并定義各匹配目標方案對應的語義特征,基于語義特征的相似性測度,模擬指揮員選擇預案的過程,滿足預案定量化快速匹配優(yōu)選要求,實現(xiàn)語義級作戰(zhàn)方案智能匹配.

針對作戰(zhàn)預案匹配模型小樣本的訓練問題,尚有眾多問題需要解決,可在作戰(zhàn)演訓過程中不斷積累特征標注數(shù)據(jù)和訓練樣本,逐步對預案匹配模型進行優(yōu)化.

【轉載聲明】轉載目的在于傳遞更多信息。如涉及作品版權和其它問題，請在30日內(nèi)與本號聯(lián)系，我們將在第一時間解決

關注微信公眾號：人工智能技術與咨詢。了解更多咨詢

編輯：fqj