基于實體關系抽取的軍事裝備圖譜構建

摘 "要： 由于信息技術的不斷進步，許多軍事裝備數據庫結構松散，難以有效利用，導致效率低下、管理混亂等問題。針對上述問題，提出一種基于CRF和句法分析樹的實體關系提取方法。通過海量數據訓練，優化軍事知識圖譜構建方法，將單算法提取方法改進為三元數據提取方法，完成軍事裝備圖譜構建。實驗結果表明，該方法準確率可達72%，且加入置信模型后，準確率提高了12.6%，綜合評價準確率可達78.11%。這一結果對軍事裝備領域知識圖譜的構建具有重要的實用價值。

關鍵詞： 軍事裝備； 關系抽取； 知識圖譜； 數據庫結構； 置信模型； 三元數據提取

中圖分類號： TN919?34； TP399 " " " " " " " " " "文獻標識碼： A " " " " " " " " " " 文章編號： 1004?373X（2024）15?0163?06

Military equipment knowledge graph construction based on entity relationship extraction

WANG Yike， WU Zhenqian

（Jiangsu Automation Research Institute， Lianyungang 222000， China）

Abstract： Because of the continuous advancement of information technology， it is difficult to utilize many military equipment databases effectively due to their incompact structures， which results in low efficiency and chaotic management. In view of the above， an entity relationship extraction method based on CRF （conditional random field） and syntax analysis tree is proposed. The construction method of military knowledge graph is optimized by the training of massive data， and the single algorithm extraction method is changed into a three element extraction method， so as to complete the construction of military equipment graph. The experimental results show that the accuracy of the method can reach 72%. After adding the confidence model， its accuracy is increased by 12.6%， and its comprehensive evaluation accuracy can reach 78.11%. This result has important practical value for the construction of knowledge graphs in the field of military equipment.

Keywords： military equipment; relationship extraction; knowledge graph; database structure; confidence model; three element data extraction

0 "引 "言

隨著信息化的不斷發展，各行業產生的數據也大幅增加。然而，對于這些大量產生的數據，并沒有進行深入研究和利用。同時，在軍事裝備領域，裝備類型、型號、參數等數據對新型軍事裝備的研究和開發至關重要[1]。文獻[2]提出了一種基于移動網絡的算法，該算法可以通過多種數據方法實時監控坦克運動。文獻[3]提出了一種基于武器數據來監控裝備質量的方法。

然而，這些數據的使用和算法研究都只是聚焦在特定領域，對于軍事裝備相關數據的研究具有一定局限性。有研究表明，由于軍事領域相關數據相對稀少，數據形態較為單一，目前業界沒有一個較為完善的軍事裝備圖譜系統。因此，軍事裝備領域對于相關的數據利用程度也不高，研究不夠深入[4]。

網絡上許多條目是通過人工編輯的，存在大量離散、高質量、半結構化的知識數據，包含了標準化的信息，如文章標題、信息框架和分類標簽。這些數據往往比較可靠，可以用于構建知識圖譜。雖然互聯網上的數據很多，但它們通常分散在不同的地方。因此，如何快速準確地獲取所需數據，需要遵循特定的規則，這是一個值得思考的問題。

知識圖譜是借助計算機信息技術，根據特定規則從互聯網海量知識系統中提取信息的一種方式，可以快速顯示信息并清晰掌握信息結構[5]。文獻[6]提出了知識圖譜的概念，并將其應用于Google的搜索功能，以提高檢索質量[7]。維基百科也使用這種技術來構建多語言知識圖譜[6]。Microsoft還構建了大規模、高質量的中文概念圖，提高數據使用率。上海交通大學還構建了第一個中文通用領域的知識圖譜[8]。構建知識圖譜的大部分數據來自維基百科和百度百科。

不同于其他領域，軍事裝備領域因為其性質的特殊性，相關領域數據大都涉密，獲取門檻高，可利用的數據集較少。因此，對軍事裝備領域知識圖譜的研究很少。研究知識圖譜在軍事情報分析、作戰指揮、情報研究與判斷、目標分析等專業任務中起著至關重要的作用。情報之間的相關性是各類情報之間綜合分析的橋梁和手段，是情報相關性分析的重要工具。本文專注于實體關系抽取任務，旨在構建一個完整的知識圖譜。其中，提出兩種方法用于處理不同類型的實體關系抽取任務：有限實體關系抽取和無限制實體關系抽取。同時，還研究了知識圖譜的存儲技術。通過構建一個軍事裝備知識圖譜，為軍事裝備工作者提供一個全面且準確的知識體系，以幫助他們快速準確地獲取所需知識。

1 "方法研究

本節主要介紹知識圖譜的理論框架和構建過程，包括整個知識圖譜數據的預訓練和知識抽取的過程。針對知識抽取的任務，實驗比較分析了三種不同的實體關系抽取方法。

1.1 "理論框架

通常，知識圖譜構建的方法可以分為三種類型：專家構建、眾包構建和自動構建。專家構建方法是知識圖譜早期研究階段的標準，由于硬件和技術的限制，大部分資源描述框架（RDF）三元組都是由專家學者通過人工編譯構建的，其中代表性的知識庫包括WordNet和同義詞Cilin[9]。專家構建方法的優勢在于其知識的高度準確性，然而，也必須認識到其明顯的不足之處。專家手工編制知識的數量相對有限，并受到規模和速度方面的限制。因此，需要尋找其他方法來解決這個問題，以降低重復率并提高知識圖譜的建設效率。眾包建設依靠各地志愿者的合作，以結構化的形式表達相關知識，從而組織出大規模的常識圖譜[10]。眾包構建方法具有低成本構建大規模知識圖譜的優勢。然而，由于知識是通過人工編輯獲得的，因此其質量和效率難以保證。相比之下，自動構造方法主要使用基于規則的技術來獲取RDF三元組。研究人員通過定義相應的規則和使用啟發式方法來提取實體、屬性和關系，從維基百科和WordNet等網頁中提取本體知識庫。目前發布的一些知識圖譜項目可以分為常識圖譜和領域知識圖譜，兩者有不同的特點。常識圖譜涵蓋了自然界中的所有事物，重點關注知識的廣度，通過獲取實體及其關系來構建知識圖譜；而領域知識圖譜則是專門為特定領域而構建的，旨在描述該領域的專業知識，注重對知識的深入探索，并具有高度的專業性。為降低重復率和提高知識圖譜的質量，需要結合眾包和自動構造方法進行知識圖譜的構建。

實體關系抽取是構建知識圖譜過程中的核心任務。它的目標是解析文本中的豐富語義關系，并以三元組的形式將這些關系提取出來。實體關系抽取包括分類關系抽取和非分類關系抽取。在技術方面，目前分類關系抽取并沒有太多障礙，主要困難在于非分類關系的提取。非分類關系抽取可以分為兩個問題：首先是發現概念之間的關系，其次是根據語義對這些關系進行標記。對于非分類關系的抽取，需要綜合使用自然語言處理技術、機器學習算法等方法來解決問題。通過持續不斷的研究和改進，可以提高實體關系抽取的準確性和效率，從而更好地構建知識圖譜。對于實體關系提取算法，文獻[11]研究了5個最權威的評估語料庫中的基于特征的核方法、擴展路徑圖核法和多核學習法，結果表明，融合核心法在5個語料庫中的性能優于2個單獨的單核方法。文獻[12]在實體關系提取任務中使用深度神經網絡（DNN），優于傳統關系提取方法；通過比較實體關系提取任務下注意力長短期記憶（ALSTM）模型和雙向LSTM模型的性能，添加主動學習的方法更有效[13]。上述結果表明，實體關系提取的研究主要集中在深度學習相關算法上。

深度學習算法通常需要許多數據進行訓練。然而，目前知識圖譜的構建不太受關注。因此，在軍事裝備領域可用于研究使用的數據較少。由于其保密性，軍事數據難以獲取，實體之間的關系復雜[11?12]，從非結構化數據中提取知識的準確性有限，因此，構建軍事裝備知識圖譜面臨一系列困難。本文利用自然機器學習的研究方法，包括最新的基于CRF和句法分析算法，對其進行了分析并與最大熵算法進行了比較，通過引入置信模型，合理調整參數以確保模型的最佳性能。

1.2 "軍事裝備知識圖譜的構建過程

由于軍事數據的保密性和軍事裝備的特殊性，導致結構化數據很少，數據收集具有挑戰性。非結構化數據的特點在于其可靠性和準確性存在一定挑戰，特別是在抽取和標準化過程中。這可能導致難以滿足軍事使用的嚴格標準。由于非結構化數據的來源多樣，并且可能存在錯誤、不完整或模糊的信息，因此在進行實體關系抽取和知識圖譜構建時需要面對這些挑戰。為了提高數據的質量和準確性，可以采用多種方法，如數據清洗、語義標注、實體鏈接等技術來處理非結構化數據。此外，還可以通過引入領域專家的知識和使用自動化算法進行驗證和校正，以確保軍事使用的嚴格標準得到滿足。因此，采用自上而下的循環方法構建軍事裝備知識圖譜，這種方法可以保證知識圖譜的準確性和結構層次的正確性，其構建過程如圖1所示。首先，定義特定的規則以確保數據結構層次結構的正確性；然后，對不同的數據采用不同的知識提取方法，經過知識的融合和系統規則的評估，最終得到精度更高的三元組，實現數據的可視化。整個過程循環迭代來不斷擴充更新知識圖譜的數據。

1.3 "軍事裝備知識圖譜訓練語料預處理

提取知識時，需要根據計算機識別的語言對數據進行分類。開源Java工具包的中文分類系統HanLP可以根據特定的規則（詞性、函數、實體）分離不同的文本。此方法由一系列模型和算法組成，可以支持詞性標記、命名實體識別、依賴項語法分析和關鍵字提取等功能。具有高性能、結構清晰等特點。該方法使用雙數組Ttie樹和DAWG等數據顯示方法，效率更高，可以通過其工具實現自定義函數。

1.4 "基于最大熵模型的實體關系提取方法

基于最大熵模型的實體關系提取方法是一種基于關系樹的關系結構，依靠最大熵模型預測原始數據或文本之間的關系，識別句子中的關鍵詞，完成提取任務。這種方法最突出的特點是可以根據句子特征進行分類。這一特征可以充分挖掘句子和短語之間的關系，從而產生更好的分類關系。因此，提取的結果是理想的。該方法采用特殊算法對訓練語料庫進行預處理，綜合分析詞性、語法特征和[n]元語法特征后，從句子中提取特征；然后，根據最大熵模型對關系進行分類。最大熵的原理是：基于一定數量的數據結構，通過數據的組合可以得到一個典型的模型；然后根據最新數據對后續事件進行預測并盡可能均勻的分布。軍事裝備需要分類，由于涉及的參數較多，宜采用最大熵法作為分類模型。首先，在不需要獨立性的情況下估計條件概率。根據原理，對于句子文本[x]和相應的標簽[y]，給出[x]得到的條件概率，可以定義為公式（1）：

[Pyx=1Z（X）exp i=1kλifix，y] " （1）

式中：[fix，y]表示[f]特征對應的特征模型；[λi]表示特征模型[fix，y]計算的權重；[k]表示特征總數；[Z（X）]表示歸一化因子。要確保概率之和為1，需要特征模型[fix，y]通過將句子文本[x]和相應標簽[y]進行定義而得到。根據特定條件，如果[x]和[y]滿足這些條件，則它們的值為1，否則為0。通過對句子文本之間的關系進行分類后，可以使用式（2）來定義特征方程。

[fix，y=1， " "（y=relation）∧（x=feature）0， " "otherwise] " （2）

式中定義了一個特征（[x]=feature），它與句子文本[x]具有特定關系。最大熵模型通常使用最大似然法估計這個特征的相關性，常用的兩種算法是GIS和I2S，GIS算法用于計算參數。

在本次實驗中，測試數據來自從互聯網搜索引擎上的文本中選取的500句文本，以表達軍事裝備名稱、裝備分類和裝備屬性之間的關系。

1.5 "CRF和句法分析樹的實體關系提取方法

結合CRF和語法分析樹的實體關系提取方法，是一種根據不同的注釋和語法分析規則對原始數據進行分類的方法，具體步驟如下。

1） 所有特征數據詞根據四個不同級別（句子特征、詞性特征、實體類別和詞邊界特征）和CRF序列模型的順序進行打亂和注釋。

2） 將特定的手動標注方法結合起來，形成特定的訓練集。

3） 將這些集合放入CRF序列模型中進行多級驗證，得到大量具有關系特征的子集。

4） 以句法分析樹的結構形式分析每個詞匯在句子中的作用，以識別三元實體與關系特征詞的最可能組合。

此外，提取實體關系的任務也已完成。其中，改進后的算法是將所有數據集放入置信模型中，以評估其三元組合結果的質量。最后，通過設置適當的閾值去除質量系數較低的三元關系組合，以保證詞匯表中實體關系提取的質量。

基于基礎訓練語料預處理數據，利用能夠自動提取句子中實體和特征的關系詞匯表，進一步形成實體關系?實體三元結構組合，目的是解決注釋序列的問題。具體步驟如下。

1） 將提取任務分解為相應的關系特征詞進行標注。關系特征詞注釋可以看作是一個被建模為序列的注釋模型，通過對數據的持續訓練，生成基于CRF的序列標記模型。

2） 數據三元提取的組合主要是在實體關系抽取的階段中可以利用句法分析樹來識別關系特征詞，以區分數據中最有可能形成三元組的實體對，這可以用于進一步完成實體關系抽取的任務。通過分析句法結構，可以確定句子中哪些詞語是與實體之間的關系密切相關的。這些關系特征詞可以作為指引，幫助識別出可能的實體對和相應的關系。通過提取這些特征詞，能夠更準確地抽取實體關系，提高抽取結果的準確性。因此，在實體關系抽取任務中，使用關系特征詞是一種有效的方法，可以幫助從非結構化數據中提取出有用的知識。

1.6 "基于句法分析樹的三元提取算法

句法分析在關系三元提取過程中與傳統方法有所不同。它主要依賴于實體對和句子中關系特征詞之間的相對位置關系來進行實體關系抽取。這種方法與傳統方法相比具有一定的區別，并且可以有效提高關系三元的提取質量。具體步驟如下。

1） 進行句子的句法分析，將分析結果呈現在句法分析樹的結構中，這樣可以清晰地展示每個詞匯和短語在句子結構中扮演的角色。通過理解句子組成部分之間的關系，可以更好地定位實體和關系特征詞的位置。

2） 在句法分析樹的基礎上，通過觀察實體對與句子中的關系特征詞之間的相對位置關系進行實體關系抽取。例如，當關系特征詞位于實體對之間時，可以認為這個特征詞可能與實體之間存在某種關系。通過分析這些相對位置關系，可以提取出實體之間的關系，并以三元組的形式表示。

3） 找出最有可能與關系詞形成三元關系的實體對，使用StanfordParser用于完成句子的依賴結構分析任務，并生成分析樹。分析樹的結果如圖2所示。

圖2顯示了每兩個單詞之間的最佳連接路徑。根據語法提取的規則，通常可以獲得距離最短的連接路徑。確定數據詞匯表和特征關系的最佳三元組合的步驟如下。

1） 根據規則計算特征關系和實體詞匯，計算它們之間的最短連接距離總和。

2） 根據實體關系的最小特征距離，形成最優三元關系組合。經過計算發現，實體對“現在?我國”和關系詞“我國”之間的最短距離之和是最小的。基于這一結果，成功抽取出了關系對應于三元組“lt;現在?我國?驅逐艦gt;”的關系。通過對CRF標記的句子執行類似的操作，可以提取出句子中包含的其他關系三元組。這種方法利用了實體對和關系特征詞之間的相對位置關系，從而有效地完成實體關系抽取任務。根據這些抽取的關系三元組，可以進一步構建知識圖譜或進行其他相關的應用。

1.7 "實 "驗

本實驗側重于不同類型的實體關系提取任務，即基于最大熵模型的實體關系提取和結合CRF和語法分析樹的實體關系提取。

基于最大熵模型的實體關系引入了[n]元匹配特征提取方法，并通過實驗設計了三種比較方案。在關系提取實驗的基礎上，選擇一定數量的數據來表示三種類型的關系。

最后，確定了實驗結果的最佳性能提取模型。通過結合CRF和句法分析樹的方法，可以在軍事裝備句子中提取各種類型的關系文本，為了評估提取結果，采用實驗評價指標設計實驗方案。在實驗中，使用遠程監督方法獲取的語料庫作為訓練數據。針對這兩種實體關系提取方法進行特征提取和標注操作，以適應訓練數據。隨后，使用依存模型對這兩種方法進行了訓練，根據不同的實驗方案，選擇不同的數據集，并引入了各自的實驗環節，對這兩種方法進行了實驗比較。通過對實驗結果的分析，可以評估這兩種方法在軍事裝備句子中進行關系抽取的效果。這樣的實驗設計有助于驗證提出方法的有效性和可行性，并為進一步改進和優化提供參考。

1.8 "實驗指標

在提取關系的性能評價指標中，選取準確率、召回率、[F]值。其中，精度的計算公式如式（3）所示：

[AccuracyP=T1T2×100%] （3）

召回率計算如式（4）所示：

[Recall RateR=T1T3×100%] （4）

[F]值的計算方法如式（5）所示：

[F ValueF=2×P×RP+R×100%] " （5）

式中：[T1]表示正確預測的關系結果數；[T2]表示總共預測的關系結果數；[T3]表示語料庫中包含的關系總數。

2 "實驗結果

2.1 "基于最大熵模型的性能對照實驗

不同特征模式下關系抽取準確性、召回率、[F]值如圖3～圖5所示。圖3顯示，在[n]元語法和[n]元匹配特征選擇模式下，地址關系提取結果的精度幾乎相同。在提取“建立時間與組織性質”的關系時，所提出的[n]元匹配特征選擇模式比[n]元語法模式具有更好的提取性能。比較了不同[n]值下的提取精度。通過將特征選擇模式的準確率作為二元匹配模式特征進行提取的訓練模型，在[n]值為3時可以達到超過72%的準確率。這表明對現有的實體關系提取算法進行了特定的優化，并取得了顯著的效果。通過引入準確率作為特征選擇模式的衡量標準，能夠選擇最有效的特征，從而提高算法的性能和準確性。這樣的優化措施對于實體關系提取任務具有重要意義。

為了比較不同特征模式下關系提取結果的召回率，對應數據被計算出來，結果如圖4所示。在三元關系提取中，[n]元匹配特征選擇模式優于[n]元語法模式，表明所提出的特征選擇模式更容易區分文本的特征。[F]值是召回率和準確率的綜合度量，可以更全面地評估不同功能選擇模式的性能。根據圖5的結果可以明顯看出，所提出的[n]元匹配特征選擇模式在實體關系提取方面的表現優于[n]元語法模式。考慮到軍工裝備領域關系提取任務的特點，與[n]元語法相比，[n]元匹配特征選擇模式能夠有效地解決稀疏特征的問題，并在提取性能上取得較好的表現。這是因為[n]元匹配特征選擇模式能夠更準確地捕捉關系三元組之間的關聯特征，從而提高關系抽取的準確率和召回率。因此，[n]元匹配是用于本文中進行特征提取的方法。

2.2 "CRF和句法分析樹的性能比較實驗

篩選模型用于將提取的結果與優化的結果進行比較，結果如表1所示。分析表1結果可知，選擇置信模型后，基于CRF和句法分析樹融合的實體關系提取方法的準確性將得到顯著提高。可以通過過濾一些低質量的關系三元來降低召回率，但綜合評價指標的[F]值基本保持不變。結果表明，本文方法對大型軍事裝備領域的知識提取具有實用性，應更加注重知識的準確性來提升提取器的精度。

對于置信模型的閾值設置進行了幾組比較檢驗，具體性能對比結果如表2所示。對表2中結果進行分析可知，通過增加閾值，可以觀察到提取結果的準確性會提高，但召回率會下降。這導致綜合評價指標[F]值增加。然而，當置信度超過0.34時，準確率的提高速度會減緩，召回率會減少，從而導致[F]值下降。因此，可以選擇0.34作為最佳閾值來平衡準確性和召回率，并獲得較高的[F]值，這樣的選擇能夠在實體關系提取任務中取得更好的綜合結果。需要注意的是，最佳閾值的選擇可能因不同的數據集和任務而有所差異，因此在具體應用時需要進行針對性地調整和優化。

3 "結 "語

本文提出了一種基于知識抽取和融合的方法，并根據該方法構建了一個簡單的軍事裝備圖譜，具有較高的準確性和可行性。三元匹配特征選擇方法可以更好地捕捉實體之間的關系，從而提高實體關系抽取的準確性，為軍事裝備領域的知識圖譜構建提供有效的技術支持，并協助軍事裝備行業的從業人員快速了解到領域前沿的軍事裝備知識。

參考文獻

[1] PEAKE J M， GRAHAM K， SULLIVAN J P. A critical review of consumer wearables， mobile applications and equipment for providing biofeedback， monitoring stress and sleep in physically active populations [J]. Frontiers in physiology， 2018， 9： 743.

[2] CHANG T Y， TSAI J， HUANG W T. A multicast?tree construction algorithm for efficient data collection over mobile networks of military vehicles [J]. Journal of computers， 2018， 29（5）： 1?4.

[3] WANG J， HE C L， WU W， et al. Track quality evaluation method research on tactical data link [C]// 2018 International Conference on Advanced Cloud and Big Data. [S.l.： s.n.]， 2018： 89?92.

[4] HU L Q， HE C F， CAI Z Q， et al. Track circuit fault prediction method based on grey theory and expert system [J]. Journal of visual communication and image representation， 2019， 58： 22?23.

[5] 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.

[6] PUJARA J， MIAO H， GETOOR L， et al. Knowledge graph identification [C]// Proceedings of 12th International Semantic Web Conference. Heidelberg， Germany： Springer， 2013： 542?557.

[7] LIU Q， LI Y， DUAN H， et al. Knowledge graph construction techniques [J]. Journal of computer research and development， 2016， 53（3）： 582?600.

[8] ZHAO Z， HAN S K， SO I M. Architecture of knowledge graph construction techniques [J]. International journal of pure applied mathematics， 2018， 118（19）： 1869?1883.

[9] CHEN Z Y， BAO J S， ZHENG X H， et al. An assembly information model based on knowledge graph [J]. Journal of Shanghai Jiaotong University （Science）， 2020， 25（5）： 578?588.

[10] ZHANG Y， XIAO Q L， DENG X Y， et al. A multi?source information fusion method for ship target recognition based on Bayesian inference and evidence theory [J]. Journal of intelligent amp; fuzzy systems： Applications in engineering and technology， 2022， 42（3）： 2331?2346.

[11] XU D L， PAN J C， WANG B L， et al. Biological entity relationship extraction method based on multiple kernel learning [C]// IEEE International Conference on Bioinformatics amp; Biomedicine. New York： IEEE， 2017： 1669?1672.

[12] SHI M Y， HUANG J Y， LI C F. Entity relationship extraction based on BLSTM model [C]// 2019 IEEE/ACIS 18th International Conference on Computer and Information Science （ICIS）. New York： IEEE， 2019： 266?269.

[13] BRADLEY C N， HEIKKI K. Editorial： Military human performance optimization—Contemporary issues for sustained and improved readiness [J]. European journal of sport science， 2022， 22（1）： 1?3.

[14] 楊玉基，許斌，胡家威，等.一種準確而高效的領域知識圖譜構建方法[J].軟件學報，2018，29（10）：2931?2947.

[15] RAMAMOORTHY U， LOGANATHAN A. Analysis of video steganography in military applications on cloud [J]. International Arab journal of information technology， 2022， 19（6）： 897?903.

[16] SKOPIK F， BONITZ A， GRANTZ V， et al. From scattered data to actionable knowledge： Flexible cyber security reporting in the military domain [J]. International journal of information security， 2022， 21（6）： 1323?1347.

作者簡介：王依科（1993—），男，山東臨沂人，碩士，工程師，研究方向為大數據與知識圖譜。

吳振乾（1992—），男，山東臨沂人，碩士，工程師，研究方向為大數據與知識圖譜。