知識圖譜在智能化情報分析中的應用研究

【摘要】隨著大數據、人工智能等新型技術的快速發展和在軍事領域的探索運用，知識圖譜作為認知智能實現的基礎，為智能化提供了豐富的知識，幫助機器更好地理解和處理自然語言的結構和語義，在未來智能化戰爭中發揮重要作用。本文對知識圖譜的關鍵技術及應用特征進行初步分析，并針對知識圖譜在智能化情報分析中的6個應用場景進行研究展望，以期為后續應用及研究工作的開展提供理論支撐，提升決策優勢，瞄準打贏未來戰場。

【關鍵詞】知識圖譜|情報分析|智能化

隨著大數據、人工智能等新型技術的快速發展和在軍事領域的探索運用，加快了信息化戰爭向智能化戰爭演進進程，智能化戰爭逐步走上歷史舞臺，只有搶占智能化戰爭的理論高地，才能真正制勝未來認知域戰場。知識圖譜作為認知智能實現的基礎，為智能化提供了豐富的知識，幫助機器更好地理解和處理自然語言的結構和語義，以圖形化的形式存儲和表示知識，有效整合和分析海量數據。

在這樣智能化變革的浪潮下，大數據、自然語言處理、知識圖譜等技術的融合運用，為戰時情報工作的開展奠定了良好的智能化基礎。在情報偵察方面，可以利用知識圖譜能夠將孤立的數據源進行知識融合，依托數據挖掘和關聯分析，最大程度地從海量、零散的數據中挖掘有價值的信息，利用信息間的關聯關系，實現碎片信息的深度挖掘，打破數據孤島難題，挖掘出數據背后更多有價值的信息，并從中獲取高質量的情報，快速研判戰場態勢，便于掌握戰場主動權，提升戰場決策優勢。

一、知識圖譜在軍事領域的研究現狀

近年來，隨著國內學者對知識圖譜的研究加深，構建軍事領域知識圖譜也逐漸引起了研究者們的關注。田佳來[1]、馬江微[2]、胡偉濤[3]等的研究均圍繞武器裝備知識圖譜的建設開展，通過有效組織并存儲軍事裝備數據，分析武器裝備之間的關聯關系，以實現對軍隊戰斗力的評估。楊帆等[4]利用知識圖譜構建作戰編隊語義模型，以滿足軍事戰爭中的大規模關系存儲及高效查詢的需求。劉奕明[5]、王震南[6]、竇小強[7]等依托知識圖譜構建軍事問答系統，旨在提高軍事知識的應用以及軍事資源的利用效率，提高軍隊人員的軍事素養，賦能情報及指揮工作。賴榮煊[8]和解曉威[9]等提出將知識圖譜應用在軍隊人力資源管理方面，輔助構建人物畫像、崗位模型等，使我軍的現代人力資源管理體系更加科學、高效。目前的研究多聚焦于技術層面知識圖譜的構建、應用層面在裝備、人力資源、體能訓練等垂直領域的探究以及基于知識圖譜進行的可視化分析，研究力量較為分散，對知識圖譜在情報工作的研究較少。

二、知識圖譜的關鍵技術及應用特征

按照知識獲取過程，可以將知識圖譜的構建過程分為信息抽取、知識融合以及知識加工3個主要關鍵過程[10]，如圖1所示。

（一）知識抽取，解構知識單元奠定數據基礎

知識圖譜的構建離不開知識抽取這一關鍵技術，知識圖譜是把大量不同種類的信息連接在一起所得到的關系網絡，為人們提供了從“關系”角度去分析問題的能力。而知識提取則是為了形成高質量的事實表達，為構建知識圖譜奠定數據基礎，從非結構化或半結構化的數據中抽取可用知識單元的過程，包括實體提取、關系提取、屬性提取等主要環節[11]，在此基礎上形成本體化的知識表達。

（二）知識融合，整合數據結構確保知識質量

知識融合是指將多源異構的關于同一個實體或概念的描述信息加工融合起來，組成更全面細化知識庫的過程，也就是不斷延伸知識網絡的過程。同時，在這個環節還包括對知識的清理和整合，例如對概念進行消歧、剔除冗余等，以確保圖譜中的知識質量。在智能化戰場上知識圖譜將多源數據匯總加工形成知識網，例如把衛星圖像、無人機偵察圖像、開源情報產品以及地面偵察報告等多來源的信息進行融合，使情報人員掌握更詳細、全面的戰場環境信息和敵我力量分布情況，形成綜合研判報告，輔助指揮員掌握戰場態勢、形成作戰計劃，靈活應對突發情況。

（三）知識加工，融匯多源數據延伸知識網絡

在完成抽取和融合兩步工作后，得到了對事實的最原始、最基本的描述，但事實本身并不等于知識，要想得到結構化的知識，還需要進行知識加工的過程，包括本體構建、知識推理和質量評估三個主要步驟，其中知識推理是指基于已有知識利用規則挖掘對知識圖譜進行補全，通過邏輯推導、歸納演繹等方式形成判斷性結論，簡單而言就是利用知識去輔助做出判斷、形成決策的過程[11]。在智能化戰爭中，指揮效率對推進作戰進程起決定性作用，而作戰數據是指揮員作出決策的重要依據，基于知識圖譜所提供的智能化作戰指導，為指揮員提供行動方案及決策建議，能夠有效縮短指揮員分析研判時間，為決策部署提供更加科學的決策依據和歷史參考，提高指揮效率和部隊戰斗力。

（四）可視化呈現，提高籌劃決策質效

以往存儲數據主要是以數據表的方式，數據可視化能夠增強數據處理和組織效率，但這種方式很難結構化地存儲好知識類型的數據。知識可視化除了傳達事實信息外，還可用來傳輸、重構、記憶和應用知識。在戰時，用圖像的方式表達長文本中的語義關系、網絡結構，幫助指揮員快速厘清戰場數據模式規律，分析情報內容及其內在關聯，提高籌劃決策速度和質量。

三、知識圖譜在智能化情報分析中的應用研究

（一）智能采集，高效應對開源數據

美國第二任中央情報主任霍伊特·范登堡曾說過，有80%的情報是依靠發掘開源數據所獲得的[12]。隨著網絡技術的高速發展，大數據時代信息爆炸式增長，開源情報已然成為當今最主要的獲取情報的手段之一，如何從海量多源的戰場態勢情報中快速獲取有用的戰場情報成為所有情報部門所關心的問題。通過自然語言處理和知識圖譜技術對開源情報進行自動的、全面的、多維度的信息抽取，從非結構化數據中自動抽取實體、關系和事件，融合生成知識圖譜，并以可視化的方式呈現給情報人員，就潛在危機提供早期預警，將情報分析人員從海量情報的辨識、分揀及整編中解放出來，使得情報人員更聚焦在情報分析上，而非繁瑣重復的初級工作，從而產生更多具有實際價值的情報。

（二）智能加工，秒級生成情報快報

“快”是智能化戰爭的制勝關鍵，第一時間響應任務，也成為智能化戰爭中情報支援保障的必然要求。目前，語義分析、信息關聯匹配、數據搜索等方面的技術已相對成熟，通過智能化手段對多源異構的情報數據進行消歧、加工，并以知識圖譜的形式組織并存儲大規模關系數據，能夠極大地縮短態勢融合時間。以知識圖譜的三元組為抓手，結合自然語言處理技術快速生成結構化文本，降低情報人員整編時間，高效形成戰場態勢快報，極大提高了情報生產效率。

（三）智能分析，有效支撐決策研判

利用知識圖譜對海量的情報數據進行智能分析，一方面能夠從中發現隱藏的模式和關聯，分析潛在威脅，通過敵方軍隊的部署情況、指揮結構和作戰計劃等信息，更好地了解敵方的意圖、能力和行動，從而預測敵方可能采取的行動，為軍事決策提供科學依據；另一方面能夠有效改善以往情報分析工作過度依賴經驗的現象，有效避免由于情報人員主觀因素造成的情報失誤，提高軍事決策水平。利用知識圖譜建立外軍指揮控制關系網，協助情報人員理解復雜的外軍組織架構體系，快速判斷該事件中參與的外軍單位和其指揮流程，處理復雜多樣的關聯分析、挖掘更多隱藏知識，并對未來可能的戰爭場景進行推理分析和可能的軍事行動規模和指揮鏈條進行預判，有效決策支撐、提升決策執行能力。

（四）智能預警，賦能網絡輿情監控

知識圖譜還可用于網絡輿情分析中，通過對多源異構的網絡輿情信息進行提取、存儲、分析，基于有監督實體的詞向量特征，提取涉軍、涉政等敏感話題輿情領域語義特征，構建輿情知識圖譜。將其用于網絡輿情分析研判模型、提升智能輿情分析與風險監測能力以實現對網絡輿情動態的實時追蹤，有效捕捉輿情事件的風險傳導路徑、挖掘網絡輿情變化規律，實現對網絡輿情發展走向的預測告警，推進網絡空間治理體系和治理能力現代化。

（五）智能搜索，卓效拓寬情報網絡

在搜索領域，知識圖譜可以幫助搜索引擎更好地理解用戶的搜索意圖，增強數據的語義信息、挖掘隱藏的關聯信息，提高搜索結果的相關性和準確性。通過對知識應用場景的深度訓練，模擬戰時場景，構建戰場目標知識圖譜，將數據匯總融合為人、地、物、組織等不同實體，并根據其中的關聯關系，將數據之間的聯系以一張知識網的形式呈現出來，并接入實時數據自動更新，挖掘深層數據價值。當情報人員搜索重要目標人物相關信息時，能夠通過知識圖譜將其近期的活動軌跡、通話記錄、金融交易等多維數據整合，支撐情報部門展開情報研判。

（六）智能問答，提高分析決策效率

智能問答作為知識圖譜的典型應用，將知識圖譜的推理計算和自然語言處理結合，能使機器能夠理解用戶采用自然語言方式描述的問題，充分理解用戶意圖，在知識庫中檢索獲取用戶需要答案，并以問答的形式提供答案[13]，一方面能夠有效減少指揮員對所獲內容的二次提取和推理的時間，高度整合、共享和綜合利用知識積累，更加精準的理解指揮意圖，搭建軍事問答體系，構建基礎分析、高端研判體系；另一方面也用于找出更加準確的信息，做出更全面的總結，為作戰設計提供推薦和輔助決策，提升知識利用效率，顯著提升知識獲取體驗。

四、結語

戰爭未啟、認知先行，知識圖譜作為認知智能的基礎，推進了人工智能技術由感知向認知方向轉型。隨著戰爭形態向智能化的演進，認知域已經成為大國之間必爭之地，牢牢占領認知域高地，強化情報分析的智能感知，拓展戰爭時間、空間優勢，以最小的代價實現戰爭勝利，瞄準打贏未來戰場。中國軍轉民

參考文獻

[1]田佳來.武器裝備知識圖譜構建研究[D].北京：北京信息科技大學，2020.

[2]馬江微.軍事裝備領域知識圖譜構建研究[D].北京：北京信息科技大學，2021.

[3]胡偉濤.裝備知識圖譜構建及分析研究[D].長沙：國防科技大學，2020.

[4]楊帆，王家潤，曹占廣.面向軍事群體的聚合及解聚可視化控制模型[J].計算機測量與控制，2023，31（5）：108-113.

[5]劉奕明，謝振杰，付偉，等.基于檢索和知識圖譜的軍事法規問答系統[J].指揮控制與仿真，2023（6）：1-9.

[6]王震南.基于知識圖譜的軍事裝備知識問答系統研究與實現[D].北京：中國電子科技集團公司電子科學研究院，2021.

[7]竇小強，劉天雅，張志政.基于軍事知識圖譜的問答系統[C]//中國指揮與控制學會.第六屆中國指揮控制大會論文集（上冊）.第六屆中國指揮控制大會論文集（上冊），2018：537-541.

[8]賴榮煊，鄒順，吳文輝，等.知識圖譜在軍事人力資源領域的應用綜述[J].軟件導刊，2021，（20）：243-247.

[9]解曉威，江雪婷.知識圖譜在軍隊干部選用中的應用前景[J].科技傳播，2020，12（5）：153-154.

[10]劉嶠，李楊，段宏，等.知識圖譜構建技術綜述[J].計算機研究與發展，2016，53（3）：582-600.

[11]徐增林，盛泳潘，賀麗榮，等.知識圖譜技術綜述[J].科技大學學報，2016，45（4）：589-606.

[12]楊建英，余至誠.開源情報在中國國家安全情報中的地位和作用分析[J].情報雜志，2019，38（10）：21-26，145.

[13]王瑩，葛國棟，李皓.軍事領域事理圖譜構建與應用研究[A].北京：國防科技大學系統工程學院.第四屆體系工程學術會議論文集[C].2022：274-283.

【基金項目：本文系國家社科基金軍事學項目“面向智能化聯合作戰指揮的認知情報學研究”（2021-SKJJ-C-045）階段性成果】

（作者簡介：文雯，武警海警學院情報偵察系文職專業技術十二級助教）