煤礦領(lǐng)域知識圖譜構(gòu)建

潘理虎 張佳宇* 張英俊 謝建林

1(太原科技大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院 山西 太原 030024)2(太原科技大學(xué)環(huán)境與安全學(xué)院 山西 太原 030024)

0 引 言

煤礦的安全生產(chǎn)和管理一直是該領(lǐng)域研究的熱點，雖然近幾年國家采取一系列政策使得煤礦安全形勢有所好轉(zhuǎn)[1]，但事故發(fā)生率及事故總量仍高于世界其他主要煤炭生產(chǎn)國，面臨的安全隱患不容小覷。且因信息化智能應(yīng)用的增多，當(dāng)前行業(yè)數(shù)據(jù)產(chǎn)生速率加快，累計了大量的數(shù)據(jù)。這些數(shù)據(jù)形式多樣，數(shù)量龐大，傳統(tǒng)的數(shù)據(jù)管理方式已無法滿足行業(yè)數(shù)據(jù)管理需求[2]。

本體通過對領(lǐng)域知識的組織和管理，不僅能夠有效地對礦井情景進(jìn)行形式化描述，而且通過Jena推理機(jī)和自定義規(guī)則對知識的推理，還能充分挖掘其中的隱含信息。知識圖譜是一種結(jié)構(gòu)化的語義知識庫，可以將網(wǎng)絡(luò)信息、數(shù)據(jù)資源關(guān)聯(lián)為語義知識，以備后續(xù)研究利用，是目前大數(shù)據(jù)時代知識的表示方式[3]。因此，將本體與知識圖譜相結(jié)合，能夠更加有效地對煤礦領(lǐng)域知識之間的聯(lián)系進(jìn)行分析，特別是在煤礦安全監(jiān)測監(jiān)控方面。目前存在的煤礦安全監(jiān)測監(jiān)控系統(tǒng)大多側(cè)重于對人員及設(shè)備信息的監(jiān)測監(jiān)控，忽略了人員、設(shè)備、操作及環(huán)境等信息之間的內(nèi)在聯(lián)系，知識圖譜能夠?qū)⒕略O(shè)備、環(huán)境狀態(tài)、操作狀態(tài)等信息進(jìn)行關(guān)聯(lián)，使得相關(guān)工作人員快速高效全方位地掌握礦井信息，在事故防治以及安全管理方面均有一定意義。

知識圖譜的構(gòu)建方式有兩種[4]，一種是自頂向下的構(gòu)建方式，一種是自底向上的構(gòu)建方式。前者指的是預(yù)先為知識庫定義好本體或數(shù)據(jù)模式，然后再將實體加入到知識庫中，即利用一些現(xiàn)有結(jié)構(gòu)化知識庫作為基礎(chǔ)知識庫，F(xiàn)reebase項目就是采用此方式[5]。后者指的是先利用相關(guān)技術(shù)把開放鏈接數(shù)據(jù)和在線百科數(shù)據(jù)中有用實體提取出來，從中選擇置信度較高的添加到知識庫中，從而構(gòu)建出頂層本體模式[6]。

本文采用的是自頂向下的知識圖譜構(gòu)建方式。在分析比較常用的幾個本體建模方法后，結(jié)合煤礦數(shù)據(jù)特點，采用七步法與METHONTOLOGY法相結(jié)合的本體構(gòu)建方法對煤礦領(lǐng)域本體進(jìn)行建模。并基于該本體構(gòu)建煤礦領(lǐng)域核心知識圖譜，具體可分為三步：(1) 對本體與圖數(shù)據(jù)庫的映射匹配機(jī)制進(jìn)行分析，并制定映射規(guī)則；(2) 根據(jù)具體規(guī)則將本體數(shù)據(jù)進(jìn)行存儲，并補(bǔ)充實體內(nèi)容，實現(xiàn)初始知識圖譜構(gòu)建；(3) 在前兩步的基礎(chǔ)上，設(shè)計并開發(fā)煤礦安全監(jiān)測監(jiān)控原型系統(tǒng)，使得相關(guān)工作人員能夠及時對礦井信息進(jìn)行全面了解，以此減少事故發(fā)生量，保障人員和設(shè)備安全性。

1 煤礦領(lǐng)域本體建模

本體的構(gòu)建方法各異，最常見的有七步法[7]、骨架法、METHONTOLOGY法[8]、TOVE法[9]、IDEF5法、SENSUS法和KACTUS法。其中，七步法、骨架法、TOVE法及METHONTOLOGY法的生命周期較為完整，但溯本追源，七步法、骨架法和TOVE法均未有真正的生命周期。從其配套的相關(guān)技術(shù)角度看，七步法和METHONTOLOGY法有其相關(guān)配套技術(shù)，只是METHONTOLOGY法相對不全，而其余方法配套的相關(guān)技術(shù)皆不確定。就方法說明的詳細(xì)程度而論，七步法、METHONTOLOGY法及IDEF5法較多，而其余方法相對較少。除此之外，每種方法的構(gòu)建形式不一，除七步法采用半自動方式構(gòu)建，其余大多數(shù)為人工方式構(gòu)建。由此可知，七步法和METHONTOLOGY法較為成熟。

煤礦領(lǐng)域數(shù)據(jù)是指煤炭生產(chǎn)和管理過程中所產(chǎn)出的數(shù)據(jù)，具有數(shù)據(jù)量大、種類多、價值密度低及數(shù)據(jù)產(chǎn)生變化快的特點[10]。在煤炭生產(chǎn)過程中會有瓦斯監(jiān)測數(shù)據(jù)、設(shè)備運轉(zhuǎn)數(shù)據(jù)、事故發(fā)生因素及工作人員個人信息等不同種類數(shù)據(jù)產(chǎn)生。且礦井員工在工作過程中會使用多種監(jiān)測設(shè)備與傳感器，以實現(xiàn)對員工的實時監(jiān)控，在這過程中會有海量數(shù)據(jù)產(chǎn)生，但真正有用的數(shù)據(jù)卻很少，因而數(shù)據(jù)價值密度并不高。與此同時，該領(lǐng)域中信息化應(yīng)用逐漸增多，伴隨著數(shù)據(jù)的產(chǎn)生量與速度也在急速增長。利用本體能夠有效地組織和管理煤礦領(lǐng)域數(shù)據(jù)，但由于七步法在構(gòu)建本體的過程中往往會忽略內(nèi)容的更新，而煤礦領(lǐng)域數(shù)據(jù)更新速度快，倘若在構(gòu)建途中有新知識出現(xiàn)，或知識發(fā)生變化，該方法則不再適用。METHONTOLOGY法在每一步操作完成后都能對其進(jìn)行修改，恰好彌補(bǔ)以上不足。因此，本文提出了一種將兩者相結(jié)合的本體構(gòu)建方法，具體開發(fā)流程如圖1所示。

圖1 本體開發(fā)流程

1) 明確構(gòu)建本體領(lǐng)域及范圍 本文從煤礦安全的角度出發(fā)，通過書籍、文獻(xiàn)、電子資料等途徑獲取信息，抽象出煤礦安全監(jiān)測的相關(guān)對象，了解設(shè)備、環(huán)境、操作、工種、災(zāi)害(事故)之間的關(guān)聯(lián)關(guān)系，確定了構(gòu)建本體的領(lǐng)域范圍包括：采煤工作面、掘進(jìn)工作面、井下通風(fēng)、井下運輸及安全監(jiān)測監(jiān)控。

2) 分析復(fù)用該領(lǐng)域已有本體可能性 通過查閱、調(diào)研已有本體模型，對郭華的瓦斯監(jiān)控系統(tǒng)本體[11]、藥慧婷的煤礦掘進(jìn)工作面本體[12]、劉婷的采煤工作面本體[13]、李婉婉的通風(fēng)系統(tǒng)本體及運輸系統(tǒng)本體[14]進(jìn)行分析復(fù)用。

3) 獲取領(lǐng)域知識 通過實地調(diào)研及對領(lǐng)域?qū)＜业脑L談，以國家安監(jiān)局制定的規(guī)程為主要知識源，《中國分類主題詞表》中的礦山詞表、CNKI文獻(xiàn)以及《煤礦機(jī)電設(shè)備操作技術(shù)工人》、《通風(fēng)安全技術(shù)工人》等書籍為輔，并結(jié)合領(lǐng)域術(shù)語標(biāo)準(zhǔn)，完成對煤礦領(lǐng)域知識的獲取。

4) 確定領(lǐng)域核心概念 對獲取數(shù)據(jù)進(jìn)行分類、分析、歸并整理，提取出核心概念，如表1所示。

表1 煤礦領(lǐng)域數(shù)據(jù)術(shù)語(部分)

由于上述概念存在語義重復(fù)、表達(dá)不規(guī)范等問題，因此，以上術(shù)語并不是最終本體中的概念，接下來本文將對其進(jìn)一步整合，使其具有唯一性。

5) 建立領(lǐng)域核心概念層次 通過分層的形式可對領(lǐng)域中概念有一個明確的認(rèn)識，例如:高層的類代表最高抽象層次的概念，而低層的類是高層類的子類，其繼承了高層類所有的屬性，實體概念更加具體。且在Protégé中，最頂層的類是Thing，本文中定義的五大類：設(shè)備、災(zāi)害、環(huán)境、操作以及工種均為該類的子類，例如操作(Operation)類，詳情見圖2。

圖2 煤礦領(lǐng)域本體中操作類

6) 定義概念間屬性及約束 只定義煤礦領(lǐng)域知識中的類和類的層次結(jié)構(gòu)還無法完整地表達(dá)煤礦領(lǐng)域知識，還需通過屬性及屬性約束來詳細(xì)描述類的結(jié)構(gòu)及特征。屬性包括兩類：對象屬性、數(shù)據(jù)屬性。其中，對象屬性是指對類之間的關(guān)系進(jìn)行描述，如圖3所示，hasApparatus可以表示在某個工作地點有一個儀器。而數(shù)據(jù)屬性是指對類本身所具有的特質(zhì)進(jìn)行描述，如4所示，hasGasConcentrationValue指氣體的濃度值。

圖3 煤礦領(lǐng)域本體中部分對象屬性

圖4 煤礦領(lǐng)域本體中部分?jǐn)?shù)據(jù)屬性

7) 本體實例化 為了能夠?qū)?gòu)建的本體模型應(yīng)用到實際問題中，需要給本體中的類添加相應(yīng)的實例和屬性，以擴(kuò)充本體內(nèi)容。例如在圖5中，為鉆眼工(DrillingWorker)添加了屬性和實例。

圖5 鉆井工人的屬性及實例

鉆眼工是工種的一個子類，具備使用設(shè)備(isUsing some Apparatus)、工作環(huán)境(isWorkingOn some Environment)、工作范圍(isWorkingOn some WorkingPlace)屬性，而HuRui、Lily等為鉆眼工的實例(Members)，能夠繼承上述屬性。如圖6所示，Lily是一名鉆眼工，在Place1工作，同時在這里工作的還有HuRui、LiuHuan等。

圖6 鉆井工人Lily的屬性描述

8) 邏輯推理及檢測 邏輯推理是指根據(jù)現(xiàn)有材料按邏輯思維的規(guī)律、規(guī)則形成概念、從而作出判斷，達(dá)到推理的目的。Protégé自帶推理機(jī)制，可以對實例進(jìn)行一致性檢測，消除語義差異，即其可以保持本體邏輯關(guān)系的一致性，避免本體出現(xiàn)語義矛盾，能夠為后續(xù)本體推理提供保障。例如，為工作地點添加一個實例Place2，且滿足hasGasConcentrationValue some float[>=0.05]，hasO2ConcentrationValue some float[<=0.2]，hasTemperatureConcentrationValue some integer[>=650]三個屬性中任意一個，那么，就代表Place2不安全，需要相關(guān)工作人員采取對應(yīng)措施處理。如圖7、圖8所示，給工作地點添加實例Place1和實例Place3，并將其數(shù)據(jù)屬性hasGasConcentrationValue分別設(shè)定為0.08f和0.02f，經(jīng)一致性推理后可知，Place1是一個危險工作地，而Place3安全。

圖7 添加實例Place1、Place2、Place3

圖8 一致性檢測后

9) 本體更新 本體更新的數(shù)據(jù)來源主要有兩個：一是經(jīng)過邏輯推理和一致性檢測后所得數(shù)據(jù)；二是煤礦領(lǐng)域出現(xiàn)的新數(shù)據(jù)。本文從CNKI數(shù)據(jù)庫檢索到1999年-2017年間有關(guān)煤礦領(lǐng)域文獻(xiàn)2 564篇，對其進(jìn)行數(shù)據(jù)抽取，并按煤礦領(lǐng)域本體的概念分類對本體內(nèi)容進(jìn)行補(bǔ)充，實現(xiàn)本體更新，更新后本體如圖9所示。

圖9 煤礦領(lǐng)域本體模型

10) 文檔化 通過以上步驟，本文煤礦領(lǐng)域本體模型基本構(gòu)建完成。本體描述語言O(shè)WL能夠?qū)崿F(xiàn)本體模型的形式化表示，為后續(xù)數(shù)據(jù)實例化、本體推理等提供標(biāo)準(zhǔn)、統(tǒng)一的語言規(guī)范。煤礦領(lǐng)域本體OWL文件部分內(nèi)容如下：

(1) 類的存儲:

(2) 對象屬性的存儲:

(3) 數(shù)據(jù)屬性的存儲:

對于特色農(nóng)產(chǎn)品而言，要想實現(xiàn)其標(biāo)準(zhǔn)化翻譯，不僅要提高企業(yè)的重視程度，更要政府加強(qiáng)對農(nóng)產(chǎn)品英文翻譯的規(guī)范。同時，也要對特色農(nóng)產(chǎn)品的名稱以及中英文簡介進(jìn)行明確規(guī)范。在實際中，不同的農(nóng)產(chǎn)品企業(yè)對于同一種農(nóng)產(chǎn)品的簡介并不相同，這樣既不利于外國友人對中國特色農(nóng)產(chǎn)品進(jìn)行了解，也不利于特色農(nóng)產(chǎn)品向國際化方向發(fā)展。由此可見，要提高政府對農(nóng)產(chǎn)品英文翻譯的重視程度，嚴(yán)格規(guī)范英漢名稱與簡介信息，培養(yǎng)專業(yè)的農(nóng)產(chǎn)品英文翻譯團(tuán)隊，增加專業(yè)的農(nóng)產(chǎn)品翻譯人員，鼓勵相關(guān)人員進(jìn)行市場調(diào)研，推動市場經(jīng)濟(jì)快速發(fā)展。

rdf:about="#hasCO2ConcentrationValue"/>

(4) 一般公理的存儲:

rdf:about="#ThreeChainScraperConveYorMachine"/>

2 本體與圖數(shù)據(jù)庫的映射匹配分析

本體通常使用OWL語言描述，其保存格式為RDF三元組。而RDF圖[15-16]由多個三元組構(gòu)成，三元組=<主語，謂語，賓語>。圖數(shù)據(jù)庫中的節(jié)點可由主語和賓語轉(zhuǎn)化，節(jié)點之間的邊可由謂語轉(zhuǎn)化，表示主語和賓語之間的關(guān)系。因此，本體文件能夠映射到圖數(shù)據(jù)庫實現(xiàn)知識的存儲。

本文中，對此有如下定義：

定義1將RDF的存儲模型定義為:

r=

(1)

式中：s表示主語，p表示謂語，o表示賓語。

定義2圖數(shù)據(jù)庫中的圖結(jié)構(gòu)形式化為:

G=

(2)

式中：V為圖數(shù)據(jù)庫中節(jié)點集合；E為邊集合；P為屬性鍵值對集合；src、tgt和lbl都表示函數(shù)關(guān)系，分別表示為圖中每條邊都有一個起點，圖中每條邊都有一個終點，圖模型中每一個節(jié)點/邊都可以設(shè)置零個或多個標(biāo)簽來標(biāo)識。

考慮到RDF具有空節(jié)點、數(shù)據(jù)類型不同等問題，制定具體的映射規(guī)則來約束存儲關(guān)系的映射，包括節(jié)點映射規(guī)則、邊映射規(guī)則。

1) 節(jié)點映射規(guī)則：

(1)S為RDF的主語集，O為RDF的賓語集，V為圖數(shù)據(jù)庫的節(jié)點集，S和O都可以映射成V，且V不重復(fù)出現(xiàn)，即主語s、賓語o及節(jié)點v之間存在一個映射函數(shù)，能夠?qū)⒅髡Zs和賓語o映射為圖數(shù)據(jù)庫中的節(jié)點v。

(2)U為RDF中的URI集合，是三元組中的主語或者賓語，則有u∈U∩u∈(S∪O)。在圖數(shù)據(jù)庫中為其設(shè)置一個屬性，構(gòu)成屬性集f(vu)，且以“uri”為標(biāo)簽。

f(vu)={("URI",str(u))}

lbl(vu)="uri"

式中：vu為u在圖數(shù)據(jù)庫中的對應(yīng)節(jié)點，str(u)為代表該URI的字符串。

(3)B為空節(jié)點集合，b在RDF中為空節(jié)點的主語或者賓語，則有b∈B∩b∈(S∪O)。在圖數(shù)據(jù)庫中為其設(shè)置一個屬性，構(gòu)成屬性集f(vb)，且以“bnode”為標(biāo)簽。

f(vb)={("URI",str(b))}

lbl(vu)="bnode"

式中：vb∈V，str(b)表示唯一標(biāo)識該空節(jié)點的字符串。

(4)L為文字節(jié)點集合，l在RDF三元組中為Literal的主語或賓語，則有l(wèi)∈L∩l∈(S∪O)。在圖數(shù)據(jù)庫中為l設(shè)置三個屬性，構(gòu)成屬性集f(vl)，且以“Literal”為標(biāo)簽。

f(vl)={("value",str(l)),("datatype",type(l))("lang",t(l)}

lbl(vl)="literal"

式中：str(l)為文本值，type(l)為文本的數(shù)據(jù)類型，t(l)為文本的語言。

2) 邊映射規(guī)則：

(1) 存在一個從RDF三元組到圖數(shù)據(jù)庫的邊映射函數(shù)，能夠?qū)崿F(xiàn)三元組謂語P到圖數(shù)據(jù)庫邊E的映射。

(2) RDF三元組可表示為，如(1)所述，謂語p能夠映射成圖數(shù)據(jù)庫里的邊e，若將str(p)作為標(biāo)簽，則有：

lbl(e)=str(p)src(e)=vstgt(e)=vo

式中：vs為邊e的開始節(jié)點，vo為邊e的結(jié)束節(jié)點。

(3) 若RDF三元組中的謂語P都為URI，那么，就不需要設(shè)置額外的屬性，設(shè)置標(biāo)簽lbl即可確定。

以圖6中的鉆井工人Lily為例，其相應(yīng)RDF圖表示見圖10。

圖10 工人信息RDF圖

采用以上映射規(guī)則，可以將圖10中各元素表示為：

V={v1,v2,v3}E={e1,e2}

src(e1)=v1tgt(e1)=v2lbl(e1)="rdf:type"

src(e2)=v1tgt(e2)=v2lbl(e2)="isWorkingOn"

f(v1)={("URI",Lily)}

f(v2)={("URI",DrillingWorker)}

f(v3)={("URI",place1)}

按映射規(guī)則映射后，得到對應(yīng)的圖數(shù)據(jù)存儲圖如圖11所示。

圖11 工人信息RDF圖映射后的圖數(shù)據(jù)存儲

3 煤礦領(lǐng)域知識存儲的實現(xiàn)

3.1 圖數(shù)據(jù)庫Neo4j

Neo4j是一個典型的、高性能NOSQL圖數(shù)據(jù)庫，用Java語言實現(xiàn)，存儲方式不同于一般數(shù)據(jù)庫的表格存儲，以網(wǎng)絡(luò)的方式對結(jié)構(gòu)化數(shù)據(jù)進(jìn)行存儲。與其他非關(guān)系型數(shù)據(jù)庫相比，Neo4j支持ACID事務(wù)，支持海量數(shù)據(jù)存儲，具有成熟數(shù)據(jù)庫的所有特性，能夠很好地解決煤礦領(lǐng)域數(shù)據(jù)價值密度低、數(shù)量大、更新速度快的問題。因此，本文選用Neo4j圖數(shù)據(jù)庫來進(jìn)行研究。

3.2 基于Neo4j的知識存儲

根據(jù)第2節(jié)對本體與圖數(shù)據(jù)庫的映射匹配分析，本文采用知識存儲映射算法將煤礦領(lǐng)域本體內(nèi)容映射到Neo4j圖數(shù)據(jù)庫中，實現(xiàn)本體數(shù)據(jù)到圖數(shù)據(jù)的轉(zhuǎn)換與煤礦領(lǐng)域知識的存儲，即先讀取已存儲的RDF文件，并對每一個三元組進(jìn)行遍歷，最后根據(jù)存儲映射規(guī)則實現(xiàn)知識的存儲。涉及到的知識存儲映射算法[17-18]如下。

輸入：RDF文件，Neo4j圖數(shù)據(jù)庫地址(dbURI)

輸出：Neo4j圖數(shù)據(jù)庫中存儲的本體內(nèi)容

(1) 用Jena API讀取RDF文件進(jìn)行讀，獲取全部三元組R，并將三元組Ri(共n個三元組，i≤n)解析得Triple={s,p,o}。

(2) 經(jīng)RestAPIFacade訪問連接Neo4j圖數(shù)據(jù)庫(dbURI)，使用Transaction開啟事務(wù)，并為節(jié)點和邊建立索引RestNode、RestRelationship。

(3) 從RestNode中獲取Triple.s及Triple.o的對應(yīng)節(jié)點Vs和Vo，判斷Vs和Vo是否已經(jīng)存在于數(shù)據(jù)庫中，若不存在，則創(chuàng)建新節(jié)點并將其添加到RestNode中。

(4) 從RestRelationship中獲取Triple.p的對應(yīng)邊Ep，判斷Ep是否已經(jīng)存在于數(shù)據(jù)庫中，若不存在，則創(chuàng)建一條由Vs指向Vo的有向邊，并將其加入到RestRelationship中。

(5) 判斷三元組Ri是否已全部遍歷，若i≥n，則已全部遍歷，繼續(xù)下一步操作；若i

(6) Neo4j圖數(shù)據(jù)庫中得到已存儲的本體內(nèi)容。

存儲算法流程如圖12所示。

圖12 知識存儲算法流程

知識存儲具體實現(xiàn)過程見圖13。

圖13 本體數(shù)據(jù)到Neo4j圖數(shù)據(jù)庫的存儲實現(xiàn)過程

(1) 采用Jena API對煤礦領(lǐng)域本體文件(cms.rdf)進(jìn)行讀取及解析，并在Neo4j圖數(shù)據(jù)庫中建立一個名為“c”的圖數(shù)據(jù)庫，然后將解析后的所有RDF三元組數(shù)據(jù)存儲于此圖模型中，該過程核心代碼如下：

//對RDF文件進(jìn)行讀取

InputStream in=FileManager.get().open(inputFileName);

//在Jena中創(chuàng)建一個默認(rèn)模型

Model model=ModelFactory.createDefaultModel();

//將文件中讀取所有RDF三元組，并將其存儲于模型

Model.read(in,"","RDF");

//對圖數(shù)據(jù)庫進(jìn)行初始化操作，即建立一個名為“c”的圖

//數(shù)據(jù)庫

GraphDatabaseService cgraph=new GraphDatabaseFactory().newEmbeddedDatabase(NEO_STORE);

//為“c”圖數(shù)據(jù)庫創(chuàng)建對象

NeoGraph graph=new NeoGraph(cgraph);

//為“c”圖數(shù)據(jù)庫的對象創(chuàng)建一個模型

Model cmodel=ModelFactory.createModelForGraph(graph);

//將三元組保存到圖對象模型中

cmodel.add(model);

(2) 圖13中Neo4j存儲結(jié)構(gòu)部分指的是，nodes和relationships除了兩者間映射關(guān)系外，還可以結(jié)合實際情況為其自身添加properties。

(3) 經(jīng)前兩個步驟，Neo4j中會產(chǎn)生相應(yīng)的存儲文件，主要有三部分構(gòu)成：nodes存儲文件、relationships存儲文件以及properties文件。

(4) 通過Neo4j將存儲的煤礦領(lǐng)域知識進(jìn)行可視化展示。

4 煤礦安全監(jiān)測監(jiān)控系統(tǒng)

目前，我國采取的安全管理模式仍以“事后管理”為主，主要是因為領(lǐng)域數(shù)據(jù)分析工具稀缺，無法做到“事前預(yù)防”。且大多數(shù)煤礦安全監(jiān)測監(jiān)控系統(tǒng)只能滿足于對井下數(shù)據(jù)進(jìn)行監(jiān)測監(jiān)控需求，并不能對其搜集的數(shù)據(jù)進(jìn)行分析與推理。基于知識圖譜的煤礦安全監(jiān)測監(jiān)控系統(tǒng)不僅可以清晰地展示數(shù)據(jù)的具體信息，給用戶傳達(dá)更加多維的知識，幫助用戶決策。而且，能夠?qū)χR信息進(jìn)行推理與分析，及時發(fā)現(xiàn)礦井中的隱含信息，有助于事故的提前預(yù)防和治理，對煤礦安全生產(chǎn)和安全管理有著重要意義。

根據(jù)以上需求，本文設(shè)計并開發(fā)了煤礦安全監(jiān)測監(jiān)控原型系統(tǒng)，實現(xiàn)對煤礦資源的合理利用及增加數(shù)據(jù)公開透明性。

4.1 系統(tǒng)設(shè)計

該煤礦安全監(jiān)測監(jiān)控系統(tǒng)平臺的知識圖譜是基于煤礦領(lǐng)域本體構(gòu)建的，具體系統(tǒng)架構(gòu)如圖14所示。

圖14 煤礦安全監(jiān)測監(jiān)控系統(tǒng)架構(gòu)圖

(1) 數(shù)據(jù)層 數(shù)據(jù)層主要是為了給系統(tǒng)提供數(shù)據(jù)與規(guī)則，是系統(tǒng)運行的意義所在。本文數(shù)據(jù)主要來自煤礦領(lǐng)域本體、相關(guān)文獻(xiàn)提取知識等。

(2) 技術(shù)層 技術(shù)層引入Jena推理機(jī)制、知識存儲方法等，能夠?qū)?shù)據(jù)進(jìn)行讀取、存儲和查詢等操作，進(jìn)而實現(xiàn)知識推理與知識展示。

(3) 應(yīng)用層 應(yīng)用層主要為用戶提供交互操作，能夠使用戶在自己權(quán)限允許的范圍內(nèi)進(jìn)行操作。例如，普通用戶可以對本體模型及規(guī)則進(jìn)行上傳、補(bǔ)充、修改、查看及推理，也可以在系統(tǒng)內(nèi)對實體、實體關(guān)系進(jìn)行添加、刪除，以及關(guān)系的查詢。

(4) 展示層 展示層主要的目的是通過網(wǎng)頁的形式能夠向用戶直觀地展示系統(tǒng)中所有功能模塊，便于用戶管理與使用。

4.2 系統(tǒng)實現(xiàn)

煤礦安全監(jiān)測監(jiān)控系統(tǒng)能對煤礦井下設(shè)備、人員、環(huán)境狀態(tài)等信息進(jìn)行展示，用戶能夠很直接地了解煤礦井下安全狀況。以環(huán)境狀態(tài)為例，描述一個環(huán)境，需要知道環(huán)境名稱、環(huán)境類型、環(huán)境指標(biāo)及環(huán)境狀態(tài)，而其中的環(huán)境狀態(tài)必須在狀態(tài)實體構(gòu)建好的基礎(chǔ)上才能創(chuàng)建成功。即對環(huán)境狀態(tài)進(jìn)行了約束，構(gòu)成環(huán)境與狀態(tài)之間的依賴關(guān)系，如圖15、圖16所示，只有創(chuàng)建了normal、abnormal狀態(tài)實體，才能在創(chuàng)建CO2環(huán)境實體時選擇對應(yīng)環(huán)境狀態(tài)，否則環(huán)境實體無法順利建立。

圖15 狀態(tài)實體信息展示界面

圖16 環(huán)境實體信息展示界面

該系統(tǒng)還可以對已有數(shù)據(jù)進(jìn)行關(guān)系查詢，在關(guān)系類型中選擇對應(yīng)關(guān)系，即可得到對應(yīng)實體及實體間關(guān)系。例如，選擇被包含的關(guān)系(INCLUDED_IN)后，查詢結(jié)果如圖17所示，對應(yīng)圖譜展示如圖18所示，Apparatus State儀器狀態(tài)包含on運行狀態(tài)、off關(guān)閉狀態(tài)和Disabled無法使用狀態(tài)，而on運行狀態(tài)又包含Abnormal異常狀態(tài)，Abnormal異常狀態(tài)包含Smoking煙霧、Heat熱量、Damp潮濕、Spark火花等狀態(tài)。

圖17 INCLUDED_IN關(guān)系查詢結(jié)果(部分)

圖18 對應(yīng)INCLUDED_IN關(guān)系查詢圖譜(部分)

5 結(jié) 語

本文在分析比較幾種常見的本體構(gòu)建方法后，提出一種基于七步法和METHONTOLOGY法的本體構(gòu)建方法，并用該方法構(gòu)建了煤礦領(lǐng)域本體模型。通過對本體與圖數(shù)據(jù)庫映射匹配機(jī)制的分析研究，將煤礦領(lǐng)域數(shù)據(jù)存儲于Neo4j圖數(shù)據(jù)庫中，實現(xiàn)煤礦領(lǐng)域核心知識圖譜的構(gòu)建。并進(jìn)一步設(shè)計開發(fā)了煤礦安全監(jiān)測監(jiān)控系統(tǒng)，實現(xiàn)了對礦井設(shè)備、人員等隱含信息的推理、部分圖譜展示及關(guān)系查詢功能，有助于煤礦事故防治與應(yīng)急救援，為礦井安全生產(chǎn)與管理提供基本保障。