天网大数据学训考评平台设计

皮振鹏 杨晓冬 梁斯东

1. 航天系统部 北京 100049；2. 北京道达天际科技有限公司 北京 100049

引言

天网大数据学训考评平台是采用“微服务+人工智能”技术，结合航空航天影像解译情报人才培养实战经验，组织领域知识建模、构建人才用户画像，针对用户画像特征应用特定算法模型，智能推荐辅助学习的知识学习、训练、考核、能力评估全流程智能学训软件平台产品。平台采用知识图谱技术（KG）+语义分析技术（NLP）+支持向量机智能推理技术（SVM），对复杂知识数据组织管理，对培训人才进行个性化分析建模，结合学训实战流程环节，通过研究深度学习知识追踪模型和学训知识推荐算法模型，实现各领域知识自由组织管理的能力，智能化程度高，知识关联查询检索效率高，扩展性强，可维护性好等特点，广泛适用于军事、学校、科研等领域专业知识人才技能培训[1]。

1 平台设计

1.1 总体框架设计

天网大数据学训考评平台技术框架采用分层架构设计，包括：设施层、数据层、支撑层、服务层和应用层。如图1所示：

图1 平台总体框架设计图

1.1.1 设施层。提供系统正常运行基本网络及软硬件环境与安全保障设施；

1.1.2 数据层。包括知识库、考题库、考评库、行为库、支撑库、编目文件与日志文件，支持结构化、非结构化及图形化数据的存储管理；

1.1.3 支撑层。通过整合Graph Database、MySQL、FastDFS、Nginx、Redis、Spring Cloud 、Alibaba Nacos等各领域技术，提供系统核心功能支撑；

1.1.4 服务层。包括知识服务、训练服务、考试服务、评估服务、日志服务、业务网关、认证服务、交流服务、文件服务等，提供系统服务支撑；

1.1.5 应用层。基于服务层搭建知识学习子系统、实操训练子系统、比武考核子系统、能力评估子系统、维护管理子系统五个子系统。

2.2 平台能力构成

2.2.1 知识学习能力。以设施、装备两类目标为知识学习对象，完成了解译知识和背景知识两个方向的知识数据入库、组织、管理和应用。通过智能推荐、学习计划和知识列表的形式为用户提供多样化学习入口，确保学习过程和内容与用户自身能力情况紧密贴合[2]。同时，利用知识论坛、知识评论、在线答疑、知识笔记等功能，为用户提供在线交流的平台和窗口。

2.2.2 实操训练能力。实操训练提供看图答题、连线答题、报告编写三种通用训练题型。因产品建设期间的切入点为影像判读解译领域，增加在线地图标绘、制图整饰和影像处理训练题型。

2.2.3 比武考核能力。支持上机考试和现场抢答两类比武考核活动，提供比武活动的组织、创建考核试卷，现场答卷、监考、判卷等功能。实现对理论考试的判断、单选、多选和填空题进行自动判卷，对简答和论述题通过关键字匹配的方式自动判卷，评审组老师对理论试卷的判卷结果进行确认和修改，对考核和实测考核进行判卷。

2.2.4 能力评估能力。利用学员自测和考核的结果，按知识列表多层级不断细化的形式进行汇总，通过答题正确比例作为评价要素给出能力定性。通过综合个人的能力评价，给出团体的能力评价，通过发现能力不足，指导后续的培养方向。

2.2.5 维护管理能力。维护管理主要包括数据管理(目标影像、考核信息、试卷试题等)、模型管理、用户管理、部门管理、安全管理(角色、权限等)、日志管理等相关功能。

2.3 平台工作流程

天网大数据学训考评平台工作流程如下图2所示。

图2 平台工作流程图

天网大数据学训考评平台功能相对独立运行，用户可通过各自入口进入，开展学习、训练、考核和评估的各项内容，同时考虑知识与训练的铰链关系，支持从知识学习子系统快速进入相应知识点的训练内容，展开针对性的知识训练。在底层上，子系统之间有着支撑与应用关系，包括知识学习子系统调用知识管理子系统知识图谱服务，为用户提供智能推荐、智能检索能力支撑；能力评估子系统调用知识训练子系统和知识考核子系统的结果数据，调用维护管理子系统生成的能力结构模型，综合作为子系统中能力评估算法的输入，支撑人员或团队的能力评估工作。

2.4 用户角色设计

平台采用多角色方式，为用户授权，出厂时标配角色为[3]：

①专家角色：对知识和试题内容的正确性负责，具备知识构建、知识学习模板的构建和挂接、知识导入、审核学员添加或修改的知识、编制试题、问题解答等功能。②教员角色：组织并管理考核活动全过程，具备创建活动、编制试卷、启动活动、关闭活动功能。③学员角色：自主学习、训练、参加考试，并能够编辑知识。④系统管理员角色：通过运维管理子系统对产品中的菜单、用户、权限、字典数据、消息进行维护，监控系统日志和数据运行情况。⑤监考和阅卷角色：针对考核活动创建的临时角色。监考人员能够通过考核活动的监考页面，对已授权活动考试情况进行监考，阅卷人员能够为已授权活动中所有试卷进行判卷。

3 平台特色特点

3.1 采用知识图谱技术提供知识关系高效运算

采用知识图谱技术，建立知识数据的深度关联关系，支持大量历史数据快速入库，形成学习、训练和考核内容，提高现有数据成果转换利用率，拓宽知识学习和训练的辐射面。

基于邻近节点遍历的查询算法设计，提供更优化的关系遍历执行效率；基于图数据结构的自然伸展特性，对关系复杂、结构变化较快的知识数据，具有很大的伸缩性和灵活性，提供知识关系高效运算和复杂知识数据关系管理，是开展智能化学习、训练的关键技术与保障条件。

3.2 知识搜索准确定位

采用语义分析技术和支持向量机的智能推理技术，准确的捕捉到知识搜索的真正意图，使搜索反馈结果与人员搜索意图快速、精确对应，提高人员知识学习效能。

3.3 智能化个性化自主学习模式

采用层次分析法（AHP），并基于历史学习、自测、考核的痕迹数据，经大数据分析，形成人物画像，建立深度学习知识追踪模型和学训知识推荐算法模型，对学习、训练、考试结果以定性与定量相结合方式进行分析，精确评估学员能力水平，准确扫描知识漏洞，精准定位薄弱知识点，智能推荐个性化学习方案，引导学员后续自主学习、训练的方向与内容，建立智能、个性化的自主教学模式。

4 技术分析

4.1 基于知识图谱技术的知识学习

鉴于知识数据体量大、领域多、关联强等形态特点，应用传统关系型数据库进行结构化管理，需要建立大量数据关系存储模型，不便于知识结构的维护与扩展，增加平台研发难度，同时也会降低数据检索效率。评估考量知识图谱技术对知识数据的管理能力，提出使用知识图谱技术作为知识数据组织方式。

使用知识图谱组织建立各类数据的深度关联关系，通过模型建立多实体关联，构建知识体系。相比传统关系型数据组织方式而言，使用知识图谱的组织方式降低了数据多表关联查询带来的数据库效率瓶颈，能够在亿万节点数据量下以毫秒级速度响应查询。知识图谱中图数据库对原生图的存储和处理数据方式，提供最优化的关系遍历执行效率，同时使用属性图模型，支持丰富的数据羽翼描述。提升良好的用户体验，并降低使用传统数据库数据组织造成的服务器压力。

4.2 智能学习辅助技术研究

知识具有体系化、关联性强的特点，各知识点间具有或强或弱的关系存在。用户要很好地完成业务分析工作，要求其具备较大广度的知识面，能够理清知识之间的复杂关系，但是这些知识在现实中存放散乱，阻碍了学员全面、系统掌握这些知识。

为解决该问题，平台在采用知识图谱技术，完成各类知识信息的图谱化构建，实现知识之间的双向多层级关联组织的基础上，引入智能化应用技术，提供智能化知识推荐和基于语义推理的知识检索的辅助能力。其中智能化知识推荐技术利用学员历史学习、自测、考核的痕迹数据形成人物画像，并与人员能力结构要求相匹配，运用数据挖掘分析技术提取与该学员紧密结合的知识点数据作为推荐，牵引辅助学员的后续学习方向与内容；基于语义推理的知识检索技术应用于学员自主实施知识搜索场景当中，针对学员的输入，利用语义分析技术、向量机的智能推理技术和KGCN知识图谱推理算法，快速准确定位知识搜索标的数据，使搜索反馈结果与人员搜索意图精确对应，提高搜索命中率，提高人员知识学习效能。

5 结束语

本文提出的天网大数据学训考评平台的技术架构及能力体系，融合卫星遥感数据和互联网数据，采用大数据、知识图谱、人工智能等前沿技术，建设人机交互生动、训练考核高效、维护升级简单的学习、训练和考核平台。通过多维度能力评估，为后续学训方向提供指导，建立智能、高效的专业化新型学训考评模式，为各领域专业水平的快速提升提供保障。