面向指揮導調的領域知識圖譜構建方法及應用

中圖分類號：E242 文獻標志碼：A DOI：10.3969/j.issn.1673-3819.2025.04.002

引用格式：.面向指揮導調的領域知識圖譜構建方法及應用[J].指揮控制與仿真，2025，47（4）：7-13.GONGBW.Construc-tionmethodandapplicationofdomainknowledgegrahforommandandgudanceJ].CommandControlamp;Simulation，O25，47（4）：7-13.

Construction method and application of domain knowledge graph for command and guidance

GONG Bowen

（Unit92941ofPLA，Huludao 125000，China）

Abstract：In futureequipmenttesting，real-timedatacolection，processing，and storage present characteristicssuchas largedatavolume，redundancy，andpoor intuitiveness，which pose challnges to testcommandandguidance.Thearticle summarizes thedomainknowledgesystem for experimentalcommandand guidancerequirements，and proposesadomain knowledgegraph constructionmethodbasedoncommandandguidancedata.Usingtheexperienceandknowledgeof experts， aknowledgesystemforequipment testingcommandandadjustmentwasconstructedastheinitialontologyof theknowledge graph inthis field.The keytechnologies involvedinknowledge graph construction，including knowledge extractionand fusion，wereexplainedindetail，andthespecificapplicationofthisdomainknowledgegraph inasisting commandandadjustmentdecision-making was demonstrated.The domain knowledge graph oriented towardscommandand guidance can provide support for situation analysisand system situation generation，therebymore efectively serving equipment testing command and guidance work.

Key words：commandandcontrol；knowledge graph；knowledge extraction；knowledge fusion；situationanalysis；system situation generation

隨著裝備大規模實驗活動逐步向實際需求場景靠攏，面向大規模范圍的指揮導調能力需要同步提升。目前，在常規指揮與導調上，我們依賴于多種形式的數據進行支持，這包含但不限于記錄文檔、測量記錄、數據處理結果及環境信息等。這類數據表現出大容量（Volume）、多樣性（Variety）、快速流動（Velocity）以及高價值（Value）的四個標志性屬性[2]。不僅如此，指揮與導調過程中還涉及部隊、裝備間指揮命令、行動方案等多種目標實體的行為規則數據，常規的關系數據庫系統難以針對此類概括性、多變性與不固定性較突出的行為規則數據進行描述、儲存和應用。當前一項挑戰是，如何在對眾多實驗數據實時信息提取的同時避免信息過載，進而將數據轉換成知識，以協助指揮員在指揮與導調中做出更好的決策。

采取知識圖譜這類知識工程技術是應對上述問題的有效途徑之一[3-6]。知識圖譜以其在語義表達的明晰性、對機器的可理解性、信息關系的清晰性、檢索的高速和數據結構的靈活性等方面的顯著優勢，能夠將分散的實驗數據匯總，從而挖掘深層次的語義知識，并在查詢精確性及擴展性問題的處理上顯示出強大力量[7-10]。構建針對指揮導調領域的專業知識圖譜，有助于標準化描述與組織不同類別的實體活動數據，促進各種不同格式的數據在語義級別上進行聯接和交換，以及促進信息的集成；它能針對實體的行為規則知識和模型知識進行簡易查詢與相關查詢。借助知識圖譜特有的推理機制，在語義層次上，進一步探究其內在的因果關系，從而摸清指揮導調在戰場上的運作機制。

本文提出了一種面向指揮導調的領域知識圖譜構建方法。首先，根據軍事行業專家的經驗知識，構建了一整套為指揮與導調活動量身定做的專業知識架構，以此作為創建專業針對性強的領域知識圖譜的理論基礎。繼之，基于此知識架構，從涉及指揮導調的導調程序、目標部署、歷史知識、作戰條令、環境信息等各種數據源中，抽取相應的個體、關系以及屬性值，形成一個初步的面向指揮導調的領域知識圖譜體系架構。其次，借助知識融合技術綜合整合知識元素，克服了圖譜構建中存在的一詞多義、關系缺失、屬性值沖突等挑戰，構建出一個能夠動態更新、用于指揮與導調領域的知識圖譜。最后，介紹了該領域知識圖譜在后續指揮決策系統建設中能夠輔助進行態勢估計與威脅估計，從而促進體系態勢的生成，有效地支持指揮員做出合理正確的決策[11-12]

1指揮導調領域知識圖譜的構建

1.1指揮導調領域知識圖譜構建難點

針對指揮導調領域這類特定領域開展知識圖譜的構建，主要是基于實驗全流程的數據采集，包括聲音、圖像、視頻和文檔等要素，以服務實驗前期、實驗過程中以及實驗事后全流程工作，包含實驗方案籌劃、實驗兵力調配、實驗裝備部署、實驗指揮以及實驗結果處理等關鍵環節，與通用型知識圖譜涉及的數據類型、內容要求、用戶對象存在較大差異。

構建面向指揮導調的領域知識圖譜旨在整合多樣數據源涌現的非結構化流媒體資料、半結構化文本資料以及結構化的關系型數據庫資料。利用各類技術手段進行信息搜集工作，并篩選出具有價值的指揮導調相關信息，最終通過某種方式實現可視化展現，以協助指揮員做出決策[13]。與傳統領域知識圖譜建設相比，專門針對指揮導調的知識圖譜要求明顯有別，它需要特定地展現武器裝備性能、過程安排及實施環節以及背景等多方面信息，并且這些信息涵蓋了文本、語音和圖像等多種復雜不同的異構數據[14]。隨著參與實體類別的增加，干擾手段變得更加復雜，環境條件愈加嚴酷，加之信息采集技術持續革新，所需實時處理的信息量也將持續上升。即便已通過信息提取技術成功地從原始數據中提煉出實體、關聯關系及實體屬性等信息，所得成果仍存在錯誤及冗余的信息[15]。故而，在打造針對指揮與導調的專業知識架構時，遭遇兩大挑戰：一是指揮與導調領域的知識體系要求更細致的顆粒化處理，所包含的信息需以多種數據形式呈現，各個步驟及試驗環節對這一體系的詳細程度有更高的要求，每種數據類型所包含的信息量和屬性不同，在構建知識架構的模式層時需人工為不同的數據種類制定相應的知識框架，模式層的構建需要依托指揮導調領域專家的經驗知識進行構建，這是指揮導調領域知識圖譜構建不同于一般難點問題的非共性問題，不同的領域帶來的領域知識體系有較大差別，模式層的構建也因知識體系不同而產生較大變化；二是由于知識提取過程中可能帶來信息過剩及關系模糊等問題，必須對這一領域的知識體系進行綜合整合處理，確保所得知識的精確性。

基于上述問題，本文圍繞以下兩方面內容開展研究：

（1）在構建模型的層面，根據領域專家的經驗知識，打造專注于指揮導調的知識體系架構。利用指揮導調的專業知識及其相互關聯，組織構成指揮導調范疇的知識本體結構。隨后利用本體庫指導數據層的規范化表述，以此增強知識圖譜的層級配置，減緩知識的過剩現象。

（2）基于面向指揮導調的領域知識本體，從實時測量數據、指揮協同程序、武器裝備歷史參數數據與歷史航跡等原始數據中，進行抽取工作，建立初始的面向指揮導調的領域知識圖譜；通過知識的融合與提煉，消除實體的歧義及明確方向性的差異，解決了初始知識圖譜里存在的數據冗余、不一致及誤差等問題，進而構建了一張精確無誤、專門服務于指揮導調需求的知識圖譜。

1.2 指揮導調領域知識體系

將面向指揮導調的領域知識體系作為該領域知識圖譜的初始本體，主要從導調程序、歷史知識、目標部署、作戰條令、環境信息等多個維度，提取面向指揮導調的領域知識概念、實體、屬性以及關系，具體詳見圖1。

（1）導調程序：用于存儲活動的實施計劃、協同程序、導調情節等，涉及偵察情報、目標測量、目標軌跡融合處理、兵力配置與控制、火力打擊行動及電子干擾等規則。

（2）歷史知識：源于紅、藍裝備在實裝測試、常規實驗、仿真實驗訓練等過程中累積的歷史數據，涵蓋裝備自身參數、裝備使用次數、裝備歷史航跡信息、裝備歷史狀態參數信息以及裝備性能指標等。

（3）目標部署：指紅藍雙方重要軍事目標部署信息，如導彈發射基地、機場、港口、指揮所及交通樞紐等重要軍事目標，涵蓋目標部署位置、目標價值、目標組成及目標半徑等。

（4）作戰條令：指軍隊作戰的軍事法規和規章。

（5）環境信息：與裝備實驗及作戰效果密切相關的環境數據，包括陸地、海洋、空間及氣象等自然環境與電磁環境數據。

1.3指揮導調領域知識圖譜構建流程

面向指揮導調領域的知識圖譜構建技術主要包含領域知識本體構建、領域知識表示、領域知識抽取、領域知識融合以及領域知識圖譜存儲[15-16]，具體流程詳見圖2。

（1）領域知識本體構建

指揮導調領域是一個典型的特定領域，具有明確的概念層次，部分專業知識存儲于領域專家的大腦中，無法從數據層面進行歸納與抽取，考慮演練數據的保密性與裝備的特殊性，許多文件和信息對知識圖譜的建立表現出絕對的阻力，導致數據結構化程度較低，數據收集困難。因此，指揮導調領域的知識圖譜在構建之初，更適合采用自上而下的方式，待其基本結構建立后，隨著該領域歷史數據搶救、數據自動采集、數據治理鏈路打通規范化后，可以采取自下而上的方法來擴展圖譜的實例與屬性。

目前存在五種較具影響力的本體搭建技術，分別是框架法、TOVE技術、IDEF5技術、Methontology技術和七階段技術[17]。在這些方法中，七階段技術更為完善。于是本文采取七階段技術進行本體構建，涵蓋了以下七個階段：

A.確定專業領域和范圍;

B.檢查重復使用現有本體的可能性；

C.列出領域中的重要術語;

D.定義類和類的層次結構；

E.定義類的屬性；

F.定義屬性面；

G.創建實例。

例如，在進行指揮導調領域知識本體構建中，需要先依據指揮導調領域知識體系，根據專家經驗知識列出領域中的重要術語，如“目標航跡”“裝備參數”“裝備狀態”等，定義類和類的層次結構，如“裝備狀態”下有“跟蹤狀態”“跟蹤角度”等，而后進行類的屬性定義，如“跟蹤狀態”分為“鎖定”與“丟失”，繼而創造實例，如“XXX雷達裝備狀態中跟蹤狀態為鎖定或丟失”。

（2）領域知識表示

資源描述框架（RDF）作為領域內普遍采用的知識表達模式，它以 lt; 主體，屬性，值 gt; 三元組的結構展現信息內容，除此之外，RDF模式提供了對類、屬性的描述元語，包括類、父類、定義域、值域等。在指揮導調領域，RDF的構建一般采用自頂而下的方式進行，在該領域專家的參與下，系統梳理出人員、武器、平臺等一類實體，在此基礎上，根據二級、三級實體分類，實體間關系以及實體屬性，構建整個領域的RDF模型，同時該模型在后續實踐中會動態擴充，本文采取資源描述框架來進行描述。

（3）領域知識抽取

領域知識抽取是針對指揮導調領域，從各種相關資料中借助自動化技術提取有價值的知識元素的過程，其核心內容涉及實體、關系和屬性這三個基本組成部分。

實體抽取也稱為命名實體識別，指從原始數據中自動識別出命名實體。當前實體抽取方法主要歸納為以下三種方法[18]：基于規則與詞典的方法、基于統計機器學習的方法以及面向開放域的抽取方法。針對指揮導調這一單獨領域，考慮軍事用語規律性、格式化較強的特點，本文采用統計機器學習與規則相結合的實體抽取方法來進行指揮導調領域知識的實體抽取。

關系抽取旨在分析特定知識領域內，通過語義辨識實體間的相互聯系。目前，這一過程大致涵蓋了依據人工設計的語義規則與模板方法和基于機器學習算法的提取模型。在此技術領域，雖然對開放式領域的數據抽取方法有顯著的提升，尤其是在關系抽取模式方面，然而在挖掘實體潛在聯系的性能方面仍顯不足[19]。基于指揮導調領域知識特點，實體關系信息主要由作戰文書、情報資料、目標數據以及性能指標等內容抽取，該類數據結構性較強，為進一步提升關系抽取的準確率與召回率，采用先將數據進行人工數據標注的形式進行初步處理，即人工提前定義實體間的關系類型，而后基于機器學習的方法進行領域關系抽取。

屬性抽取是針對實體本身而言，通過屬性來進一步描述實體。實體屬性與實體本身之間可以看作實體與屬性值之間的一種名稱性關系，由此可將實體屬性抽取問題轉化為關系抽取問題。在指揮導調領域知識內，屬性通常均是以結構化或半結構化數據的形式存在，采用基于規則與機器學習的方式進行屬性值的抽取。

譬如，在海上目標探測的應用場合，被考慮進去的實體涵蓋了海洋、天空和太空中的早期預警偵察裝置及飛行物體，其特征細節囊括了設備型號、偵察范圍、操作參數等資訊；所牽涉的實體關系則涉及追蹤目標、時間點、地理位置與移動速度等因素。在進行知識抽取階段，數據治理專家依據現有的知識儲備和實踐經驗，輔以指揮導調領域的領域知識體系編寫規則與模板，對部分數據集進行初步的標記工作，接著應用機器學習技術訓練模型，讓模型掌握在海上目標探測情境中各類實體及其相互關系的分布規律，由此推算潛在項是否屬于實體或聯系的概率，從而抽取這些信息，組建起反映真實世界狀況的知識圖譜。

（4）領域知識融合

指揮導調領域內的知識來源廣泛，存在知識良莠不齊、不同數據源的知識重復以及知識間的關聯不夠明確的問題。知識融合的目的是將來自不同知識源的知識在同一框架規范下進行異構數據整合、消歧、加工、推理驗證、更新等步驟，而不是簡單地進行數據剔除，需要達到數據、信息、方法、經驗以及人的思想的融合，形成高質量的知識庫。知識融合主要包括實體對齊、知識加工、知識更新、質量評估、實體填充五部分[20]

① 實體對齊

實體對齊也被稱為實體匹配或者實體解析，其目的在于解決異構數據內部存在的實體不一致、指代模糊等問題。簡而言之，它主要是為了處理多個表示同一實物的不同實體名的統一化，以及區分那些名稱相同但實際上指代不同實物的實體。例如，需要把“福特號”“福特號航空”“首艘福特級航母”三者都正確歸并至“福特號航空母艦”。在處理類似問題時，常用特定步驟來進行操作[21]

A.將待處理數據進行分區檢索；B.利用相似性算法查找匹配實例；C.利用實體對齊算法進行實例融合；D.將步驟2與步驟3循環使用，形成最終對齊結果。

實體對齊算法主要分為成對實體對齊、局部集體實體對齊與全局集體實體對齊三類。在成對實體對齊領域，主要有基于傳統概率模型的實體對齊方法與基于機器學習的實體對齊方法。本文采用基于監督學習的基于聚類的實體對齊方法，將相似的實體盡量聚集到一起，再實現實體對齊。

② 知識加工

經歷過實體對齊后，可以得到一系列基本的事實表達，其并非知識，只能是知識的基本單位。而要形成知識，則需要進一步的加工，從層次上形成一定規模的知識體系，用于構建知識圖譜的本體，而面向指揮導調的領域知識圖譜的構建是自頂而下的，經過知識加工后，在指揮導調領域現有知識圖譜本體基礎上，利用自動構建技術進行逐步擴展，數據驅動下的本體構建過程主要分為以下階段：

A.縱向概念間的并列關系計算

B.實體上下位關系抽取

C.本體生成

③ 知識更新

隨著大規模實驗的組織形式、參試兵力、被試裝備性能不斷變化、逐年增多，指揮員的認知能力與指揮能力逐步提升，領域知識圖譜的內容也需要與時俱進，需要不斷迭代更新。

知識更新主要針對結構層面和數據層面。結構層面的刷新涉及本體框架內部分的變動，涵蓋了對概念的補充、調整和移除，對概念特性的變動以及概念間的等級關系的變動等方面。在此過程中，概念特性的變動會對全部相關聯的部分產生直接的影響。直接或間接屬性的子概念和實體消耗資源較小，但多需要人工干預，進行規則制定與沖突處理數據底層的刷新，涉及各個數據實體的變動，涵蓋了數據實體的添加、調整和去除，包括這些實體的主要數據和屬性的變更。此類更新一般影響面較小，因此通常以自動的方式完成。

例如通訊裝備中，以前程控電話已大部分被IP電話替代，在此類知識結構層面在裝備屬性部分需增加IP地址屬性，通常以自動方式進行更新獲取。

④ 質量評估

在進行知識更新之后，有必要就知識庫的品質進行審核。該過程主要關注知識圖譜內的數據，并且發現及校正知識圖譜內存在的數據失誤。同時，該流程也涉及對知識的置信度進行評估，保留置信度高的信息，淘汰置信度低的信息，以此來確保所持數據的精確度、完整性、統一性和有效性。數據質量評估是知識圖譜構建和應用的重要環節，是保證知識圖譜質量的重要保證。

（5）領域知識圖譜存儲

領域知識存儲旨在為面向指揮導調的領域知識圖譜提供可靠的存儲環境，因此選用了Ne04j這款基于Java開發的開源NoSQL圖數據庫。憑借其伸縮性強、兼容性好、搭建方便以及支持高可用性分布式部署的特性，Ne04j能夠承載大型的知識圖譜并管理大量數據。此數據庫提供了快速有效的圖查詢語言，集成了搜索引擎、圖形化查詢界面及API等多種工具。基于以上優點，本研究決定采用Ne04j系統用以存儲著重于指揮調度領域的知識圖譜。

2 領域知識圖譜應用

面向指揮導調的領域知識圖譜應用主要包括指揮導調中的態勢分析與體系態勢生成。下文以指揮導調中態勢一張圖生成中的態勢分析與體系態勢生成為例，介紹領域知識圖譜的應用。態勢分析是指根據實時數據與相關信息，對戰場整體狀態和形勢進行全面、深入的分析與評估。體系態勢生成是一個復雜的過程，是指通過收集、整合、分析來自多個信源的信息，生成關于某一特定體系（如戰場、信息系統等）的整體態勢的過程，能夠反映一定范圍內或同類事物整體發展的形勢及狀態[22]

2. 1 態勢分析

態勢分析主要包括態勢估計和威脅估計[21-23]。態勢估計和威脅估計任務是要從復雜而集中的情報資料中提取出對指揮員而言至關重要的戰場動向和特定事件，并進行判讀、解析與未來發展趨勢的預測。態勢估計基于多種情報數據的融合，定量或定性地總結紅方、藍方及白方在試驗中的行為表現以及戰場狀況，并推測未來可能發生的動態和事件。威脅估計則聚焦于評估藍方的行動潛能及其對紅方可能構成的危害，此評估是建立在態勢分析基礎之上，結合雙方的兵力分配、武備能力、藍方的作戰意圖和我方的防衛焦點，以及雙方的軍事戰略，通過量化方法對藍方潛在引發的危機進行評估與分析。面向指揮導調的領域知識圖譜可為態勢估計與威脅估計提供知識支撐，詳見圖3。

圖3基于領域知識圖譜的態勢分析 Fig.3Situation analysis based on domainknowledge graph

態勢分析流程涵蓋了諸多環節，包含態勢要素提取、態勢評估推理和態勢預測，具體步驟如下：（1）利用指揮導調領域知識圖譜中的目標資料信息，進行行動預測和走勢剖析；（2）基于指揮導調領域知識圖譜中的行為規則庫與目標作戰能力數據，依據目標的活動模式和風險預警條則來對目標實行風險評價；（3）立足于對目標多源信息的綜合對比驗證，并參照目標的歷史作戰能力數據，運用多個目標風險評價模型，協助判讀目標的潛在威脅范圍與強度；（4）基于指揮導調領域知識圖譜中的戰術戰法庫，參考雙方紅藍對抗的力量配置、戰爭部署及戰略意向等因素，進行占優勢勢頭的戰場判決；（5）最終編撰出一份戰場形勢的翔實分析報告。

2.2 體系態勢生成

體系態勢不僅涵蓋了常規的目標態勢以及其他基礎戰斗態勢數據，還涉及系統關鍵點的信息、圍繞特定領域/行動任務/焦點事件定制的主題性態勢數據等內容，也包含為各類用戶定制的態勢信息整合與分離功能[24]。此外，基于面向指揮導調的領域知識圖譜構建，將關注的態勢實體作為焦點，整合涉及陸地、海洋、空中、太空、網絡及電子戰等各戰場維度的態勢，并綜合紅方、藍方、白方和戰場環境的感知數據，按需對各種融合要素進行相關聯和有機組合，從而構建體系態勢，詳見圖4。

圖4基于領域知識圖譜的體系態勢生成

Fig.4System situation generation based on domain knowledge graph

通過對態勢因素數據的相關性、驗證性、集合性及決策性分析，打造出上層體系與多級戰場感知能力建構的圖解。體系態勢分析是在態勢目標分群處理和威脅估計基礎上，對戰場態勢開展體系化分析，具體包括以下3個方面內容：

（1）體系樞紐分析：基于指揮導調領域知識圖譜中的武器裝備性能數據與目標作戰能力數據，通過評估單一或多個目標的任務性質，并對其行動區域、活動規律以及所屬目標的偵察及攻擊能力進行深入分析，從而構建起目標個體或集體間的互動紐帶（如通訊、指揮、遮蔽與警戒等），評估它們的重要性以及潛在危險級別，并在系統中標出關鍵的樞紐點。

（2）任務主題分析：以關鍵領域、突出事件以及軍事行動等為基準進行分類匯總，形成定制化主題態勢（通常由力量部署、關鍵趨勢、現階段行動的主要對象或目標群體以及活動模式等要素組成），并劃分主題的重要等級和所屬方向等屬性。

（3）體系態勢展現：依照既定規范，為不同級別的使用者定制相應級別的態勢數據集成以及全局態勢的信息呈現。對于戰役層面，默認揭示高風險對象或目標集團、關鍵位置、焦點事件以及個性化主題的匯總態勢資訊（用戶可通過體系解聚，進一步查詢并獲取態勢信息、情報來源和融合過程等）。在戰術層面，系統則自動展現所轄區域的總體態勢詳情和特定主題的相關態勢資訊。

3 結束語

本篇文章構建了一種服務于指揮導調的知識圖譜，闡述了根據指揮導調信息生成專門知識圖譜的方法論。通過巧妙運用專業人士的經驗知識，創建了一個專為指揮導調服務的知識體系結構，并詳細描述了在領域知識表示、領域知識抽取、領域知識融合以及領域知識圖譜存儲等方面的核心技術。同時，本文還解釋了該領域知識圖譜如何在指揮輔助決策系統中發揮其至關重要的作用，能夠輔助進行態勢估計與威脅估計，從而促進體系態勢的生成，有效地支持指揮員做出合理正確的決策。

參考文獻：

[1］郭齊勝，姚志軍，閆耀東，等.武器裝備體系試驗工程研究[J].裝甲兵工程學院學報，2013（2）：1-5.GUOQS，YAO ZJ，YANYD，etal.Study on weapon

equipment system test engineering[J].Journal ofAcademy of Armored Force Engineering，2013（2）：1-5.

[2]蔣鍇，錢夔，鄭玄.基于知識圖譜的軍事信息搜索技術架構［J]．指揮信息系統與技術，2016，7（1）：47-52.JIANG K，QIAN K， ZHENG X. Military information re-trieval technology architecture based on knowledge graph[J]．Command Information System and Technology，2016，7（1） ： 47-52.

［3］葛斌，譚真，張，等.軍事知識圖譜構建技術[J].指揮與控制學報，2016，2（4）：302-308.GEB，TAN Z，ZHANG C，et al. Military knowledgegraph construction technology［J]. Journal of Commandand Control，2016，2（4）：302-308.

[4］黃偉春，肖剛，楊健，等.基于本體的軍事術語知識圖譜構建方法［J]．指揮控制與仿真，2023，45（5）：10-17.HUANG W C， XIAO G，YANG J，et al. Ontology-basedmilitary terminology knowledge graph construction method[J].Command Control amp; Simulation，2023，45（5）：10-17.

［5］丁君怡，趙青松，夏博遠，等.基于開源數據的武器裝備知識圖譜構建方法研究［J].指揮控制與仿真，2018，40（2） ： 22-26.DING JY， ZHAO Q S， XIA B Y，et al. The methodstudy of armament knowledge graph's establishment basedon open source data[J]. Command Control amp; Simulation，2018，40（2） ： 22-26.

[6]尹亮，何明利，謝文波，等.裝備-標準知識圖譜的過程建模研究［J]．計算機科學，2018，45（S1）：502-505.YIN L，HE M L， XIE W B，et al. Process modeling onknowledge graph of equipment and standard[J]. ComputerScience，2018，45（S1） ： 502-505.

[7］曹倩，趙一鳴.知識圖譜的技術實現流程及相關應用[J].情報理論與實踐，2015，38（12）：127-132.CAO Q， ZHAO Y M. The realization process of knowledgemaptechnologyanditsrelevantapplication［J].Information Studies（Theory amp; Application），2015，38（12）： 127-132.

［8］張天成，田雪，孫相會，等.知識圖譜嵌入技術研究綜述[J]．軟件學報，2023，34（1）：277-311.ZHANG T C， TIAN X，SUN X H， et al. Overview onknowledge graph embedding technology research[J]. Jour-nal of Software，2023，34（1）：277-311.

[9]王傳慶，李陽陽，費超群，等.知識圖譜平臺綜述[J].計算機應用研究，2022，39（11）：3201-3210.WANG CQ，LI Y Y，FEI CQ，et al.Surveyofknowledge graph platform[J].Application Research ofComputers，2022，39（11）： 3 201-3 210.

［10］趙曄輝，柳林，王海龍，等.知識圖譜推薦系統研究綜述[J].計算機科學與探索，2023，17（4）：771-791.ZHAO Y H， LIU L，WANG H L，et al. Survey of knowl-edge graph recommendation system research[J]. JournalofFrontiers of Computer Science and Technology，2023，17（4） ： 771-791.

［11］徐增林，盛泳潘，賀麗榮，等.知識圖譜技術綜述［J].電子科技大學學報，2016，45（4）：589-606.XU ZL，SHENGYP，HEL R，et al.Review on knowl-edge graph techniques[J]. Journal of University of Elec-tronic Science and Technology of China，2016，45（4）：589-606.

[12］張吉祥，張祥森，武長旭，等.知識圖譜構建技術綜述[J].計算機工程，2022，48（3）：23-37.ZHANG JX，ZHANG X S，WU CX，et al. Survey ofknowledge graph construction techniques[J]. ComputerEngineering，2022，48（3）：23-37.

[13］王保魁，吳琳，胡曉峰，等.基于知識圖譜的聯合作戰態勢實體描述方法［J].指揮控制與仿真，2020，42（3） ： 8-13.WANG B K，WU L，HU X F，et al. Description methodof joint operation situation entity based on knowledgegraph[J].Command Control amp; Simulation，2020，42（3）：8-13.

[14］韓明磊，張鑫明.美軍武器裝備試驗鑒定體系現狀研究[J].火力與指揮控制，2023，48（9）：1-13.HAN M L， ZHANG X M. Research on the current statusof the U.S. military weapons and equipment test and eval-uation system[J].Fire Control amp; Command Control，2023，48（9）： 1-13.

[15］吳云超，毛少杰，周芳.面向仿真推演的領域知識圖譜構建技術[J].指揮信息系統與技術，2019，10（3）：32-36，82.WU Y C， MAO S J， ZHOU F. Domain knowledge graphconstruction technology for simulation deduction[J]. Com-mand Information System and Technology，2019，10（3） ：32-36，82.

[16］姜芳，燕明亮，霍江濤，等.電子信息裝備情報知識圖譜構建方法研究[J].現代計算機，2023，29（15）：16-22.JIANG F，YAN M L， HUO J T， et al. Research on con-structionmethodofinformationknowledgemapofelectronic information equipment[J]. Modern Computer，2023，29（15）：16-22.

[17］姚萍，李坤偉，張一帆.知識圖譜構建技術綜述［J].信息系統工程，2020（5）：121，123.YAOP，LIKW，ZHANGYF.Summary ofknowledgemapconstruction technology[J].China CIO News，2020（5）：121，123.

［18］孫鎮，王惠臨.命名實體識別研究進展綜述[J].現代圖書情報技術，2010（6）：42-47.SUNZ，WANGHL.Overviewontheadvanceofthere-searchonnamed entityrecognition[J].NewTechnologyofLibrary and Information Service，2010（6）：42-47.

[19］徐緒堪，房道偉，蔣勛，等.知識組織中知識粒度化表示和規范化研究[J].圖書情報知識，2014，31（6）：101-106，90.XUXK，FANGDW，JIANG X，etal.Researchonknowledge granularity representation and standardizationduringknowledgeorganization[J].Documentation，Infor-mationamp;Knowledge，2014，31（6）：101-106，90.

［20］趙曉娟，賈焰，李愛平，等.多源知識融合技術研究綜述[J].云南大學學報（自然科學版），2020，42（3）：459-473.ZHAO XJ，JIA Y，LIAP，etal.A surveyof theresearch on multi-source knowledge fusion technology[J].JournalofYunnanUniversity（NaturalSciencesEdition），2020，42（3）：459-473.

[21］王晟.基于大數據處理的態勢評估與威脅估計算法研究[D].成都：電子科技大學，2019.WANG S.Research on situationassessment and threat as-sessment algorithmbased on big data processing[D].Chengdu：University of Electronic Science and Technologyof China，2019.

[22］汪躍，唐志軍，車德朝，等.戰場態勢一張圖技術綜述[J].指揮信息系統與技術，2020，11（1）：12-17.WANGY，TANGZJ，CHEDC，etal.Overviewofuni-fiedbattlefield situationmap technology[J].Command In-formation System and Technology，2020，11（1）：12-17.

[23］張一博，孫裔申，金紫蘅，等.一種基于知識圖譜的戰場態勢感知方法［P].中國：CN201910805835.7.ZHANGYB，SUNYS，JINZH，etal.Aknowledgegraphbased method for battlefield situational awareness[P].中國：CN201910805835.7.

[24］張翀，何春輝，鮑翊平，等.軍事指揮體系態勢產品分層分類體系模型［J].火力與指揮控制，2021，46（10）：96-102.ZHANGC，HECH，BAOYP，etal.Researchonhier-archical classification system model ofmilitarycommandsystem situation products[J].Fire Control amp; CommandControl，2021，46（10）：96-102.

（責任編輯：許韋韋）