天網大數據學訓考評平臺設計

皮振鵬 楊曉冬 梁斯東

1. 航天系統部 北京 100049；2. 北京道達天際科技有限公司 北京 100049

引言

天網大數據學訓考評平臺是采用“微服務+人工智能”技術，結合航空航天影像解譯情報人才培養實戰經驗，組織領域知識建模、構建人才用戶畫像，針對用戶畫像特征應用特定算法模型，智能推薦輔助學習的知識學習、訓練、考核、能力評估全流程智能學訓軟件平臺產品。平臺采用知識圖譜技術（KG）+語義分析技術（NLP）+支持向量機智能推理技術（SVM），對復雜知識數據組織管理，對培訓人才進行個性化分析建模，結合學訓實戰流程環節，通過研究深度學習知識追蹤模型和學訓知識推薦算法模型，實現各領域知識自由組織管理的能力，智能化程度高，知識關聯查詢檢索效率高，擴展性強，可維護性好等特點，廣泛適用于軍事、學校、科研等領域專業知識人才技能培訓[1]。

1 平臺設計

1.1 總體框架設計

天網大數據學訓考評平臺技術框架采用分層架構設計，包括：設施層、數據層、支撐層、服務層和應用層。如圖1所示：

圖1 平臺總體框架設計圖

1.1.1 設施層。提供系統正常運行基本網絡及軟硬件環境與安全保障設施；

1.1.2 數據層。包括知識庫、考題庫、考評庫、行為庫、支撐庫、編目文件與日志文件，支持結構化、非結構化及圖形化數據的存儲管理；

1.1.3 支撐層。通過整合Graph Database、MySQL、FastDFS、Nginx、Redis、Spring Cloud 、Alibaba Nacos等各領域技術，提供系統核心功能支撐；

1.1.4 服務層。包括知識服務、訓練服務、考試服務、評估服務、日志服務、業務網關、認證服務、交流服務、文件服務等，提供系統服務支撐；

1.1.5 應用層?；诜諏哟罱ㄖR學習子系統、實操訓練子系統、比武考核子系統、能力評估子系統、維護管理子系統五個子系統。

2.2 平臺能力構成

2.2.1 知識學習能力。以設施、裝備兩類目標為知識學習對象，完成了解譯知識和背景知識兩個方向的知識數據入庫、組織、管理和應用。通過智能推薦、學習計劃和知識列表的形式為用戶提供多樣化學習入口，確保學習過程和內容與用戶自身能力情況緊密貼合[2]。同時，利用知識論壇、知識評論、在線答疑、知識筆記等功能，為用戶提供在線交流的平臺和窗口。

2.2.2 實操訓練能力。實操訓練提供看圖答題、連線答題、報告編寫三種通用訓練題型。因產品建設期間的切入點為影像判讀解譯領域，增加在線地圖標繪、制圖整飾和影像處理訓練題型。

2.2.3 比武考核能力。支持上機考試和現場搶答兩類比武考核活動，提供比武活動的組織、創建考核試卷，現場答卷、監考、判卷等功能。實現對理論考試的判斷、單選、多選和填空題進行自動判卷，對簡答和論述題通過關鍵字匹配的方式自動判卷，評審組老師對理論試卷的判卷結果進行確認和修改，對考核和實測考核進行判卷。

2.2.4 能力評估能力。利用學員自測和考核的結果，按知識列表多層級不斷細化的形式進行匯總，通過答題正確比例作為評價要素給出能力定性。通過綜合個人的能力評價，給出團體的能力評價，通過發現能力不足，指導后續的培養方向。

2.2.5 維護管理能力。維護管理主要包括數據管理(目標影像、考核信息、試卷試題等)、模型管理、用戶管理、部門管理、安全管理(角色、權限等)、日志管理等相關功能。

2.3 平臺工作流程

天網大數據學訓考評平臺工作流程如下圖2所示。

圖2 平臺工作流程圖

天網大數據學訓考評平臺功能相對獨立運行，用戶可通過各自入口進入，開展學習、訓練、考核和評估的各項內容，同時考慮知識與訓練的鉸鏈關系，支持從知識學習子系統快速進入相應知識點的訓練內容，展開針對性的知識訓練。在底層上，子系統之間有著支撐與應用關系，包括知識學習子系統調用知識管理子系統知識圖譜服務，為用戶提供智能推薦、智能檢索能力支撐；能力評估子系統調用知識訓練子系統和知識考核子系統的結果數據，調用維護管理子系統生成的能力結構模型，綜合作為子系統中能力評估算法的輸入，支撐人員或團隊的能力評估工作。

2.4 用戶角色設計

平臺采用多角色方式，為用戶授權，出廠時標配角色為[3]：

①專家角色：對知識和試題內容的正確性負責，具備知識構建、知識學習模板的構建和掛接、知識導入、審核學員添加或修改的知識、編制試題、問題解答等功能。②教員角色：組織并管理考核活動全過程，具備創建活動、編制試卷、啟動活動、關閉活動功能。③學員角色：自主學習、訓練、參加考試，并能夠編輯知識。④系統管理員角色：通過運維管理子系統對產品中的菜單、用戶、權限、字典數據、消息進行維護，監控系統日志和數據運行情況。⑤監考和閱卷角色：針對考核活動創建的臨時角色。監考人員能夠通過考核活動的監考頁面，對已授權活動考試情況進行監考，閱卷人員能夠為已授權活動中所有試卷進行判卷。

3 平臺特色特點

3.1 采用知識圖譜技術提供知識關系高效運算

采用知識圖譜技術，建立知識數據的深度關聯關系，支持大量歷史數據快速入庫，形成學習、訓練和考核內容，提高現有數據成果轉換利用率，拓寬知識學習和訓練的輻射面。

基于鄰近節點遍歷的查詢算法設計，提供更優化的關系遍歷執行效率；基于圖數據結構的自然伸展特性，對關系復雜、結構變化較快的知識數據，具有很大的伸縮性和靈活性，提供知識關系高效運算和復雜知識數據關系管理，是開展智能化學習、訓練的關鍵技術與保障條件。

3.2 知識搜索準確定位

采用語義分析技術和支持向量機的智能推理技術，準確的捕捉到知識搜索的真正意圖，使搜索反饋結果與人員搜索意圖快速、精確對應，提高人員知識學習效能。

3.3 智能化個性化自主學習模式

采用層次分析法（AHP），并基于歷史學習、自測、考核的痕跡數據，經大數據分析，形成人物畫像，建立深度學習知識追蹤模型和學訓知識推薦算法模型，對學習、訓練、考試結果以定性與定量相結合方式進行分析，精確評估學員能力水平，準確掃描知識漏洞，精準定位薄弱知識點，智能推薦個性化學習方案，引導學員后續自主學習、訓練的方向與內容，建立智能、個性化的自主教學模式。

4 技術分析

4.1 基于知識圖譜技術的知識學習

鑒于知識數據體量大、領域多、關聯強等形態特點，應用傳統關系型數據庫進行結構化管理，需要建立大量數據關系存儲模型，不便于知識結構的維護與擴展，增加平臺研發難度，同時也會降低數據檢索效率。評估考量知識圖譜技術對知識數據的管理能力，提出使用知識圖譜技術作為知識數據組織方式。

使用知識圖譜組織建立各類數據的深度關聯關系，通過模型建立多實體關聯，構建知識體系。相比傳統關系型數據組織方式而言，使用知識圖譜的組織方式降低了數據多表關聯查詢帶來的數據庫效率瓶頸，能夠在億萬節點數據量下以毫秒級速度響應查詢。知識圖譜中圖數據庫對原生圖的存儲和處理數據方式，提供最優化的關系遍歷執行效率，同時使用屬性圖模型，支持豐富的數據羽翼描述。提升良好的用戶體驗，并降低使用傳統數據庫數據組織造成的服務器壓力。

4.2 智能學習輔助技術研究

知識具有體系化、關聯性強的特點，各知識點間具有或強或弱的關系存在。用戶要很好地完成業務分析工作，要求其具備較大廣度的知識面，能夠理清知識之間的復雜關系，但是這些知識在現實中存放散亂，阻礙了學員全面、系統掌握這些知識。

為解決該問題，平臺在采用知識圖譜技術，完成各類知識信息的圖譜化構建，實現知識之間的雙向多層級關聯組織的基礎上，引入智能化應用技術，提供智能化知識推薦和基于語義推理的知識檢索的輔助能力。其中智能化知識推薦技術利用學員歷史學習、自測、考核的痕跡數據形成人物畫像，并與人員能力結構要求相匹配，運用數據挖掘分析技術提取與該學員緊密結合的知識點數據作為推薦，牽引輔助學員的后續學習方向與內容；基于語義推理的知識檢索技術應用于學員自主實施知識搜索場景當中，針對學員的輸入，利用語義分析技術、向量機的智能推理技術和KGCN知識圖譜推理算法，快速準確定位知識搜索標的數據，使搜索反饋結果與人員搜索意圖精確對應，提高搜索命中率，提高人員知識學習效能。

5 結束語

本文提出的天網大數據學訓考評平臺的技術架構及能力體系，融合衛星遙感數據和互聯網數據，采用大數據、知識圖譜、人工智能等前沿技術，建設人機交互生動、訓練考核高效、維護升級簡單的學習、訓練和考核平臺。通過多維度能力評估，為后續學訓方向提供指導，建立智能、高效的專業化新型學訓考評模式，為各領域專業水平的快速提升提供保障。