海战场情报态势知识超图组织与运用∗

苏 琦 史红权 王义涛 孙东普 李 瑞

（海军大连舰艇学院作战软件与仿真研究所 大连 116018）

1 引言

海战场情报态势，是指由海空作战环境中各种兵力分布及战场事件等要素组成的战场整体状态。随着海战场信息化程度不断提升，能否准确、清晰地理解态势，快速判断战场趋势和轨迹，对作战指挥决策至关重要，且越来越成为海战场制胜的关键。

复杂的海战场环境中，指挥员需要利用作战知识和经验对情报信息进行分析，判断战场态势运行状态和轨迹，对可能出现的战场事件和潜在的威胁进行准确的预估。因此，领域知识和作战经验的组织与运用，是海战场情报态势分析判断能力提升的关键。当前，海上作战情报分析存在作战知识和经验无法组织、缺少运用手段的问题。通过分层结构对海战场事件、战术概念属性和情报信息实例等不同类型的知识进行组织，对情报态势知识超图的知识挖掘与运用模式展开研究。

2 理论基础与文献综述

2.1 知识图谱与知识超图

在计算机技术的发展推动下，人工智能领域的研究重心从感知智能逐步转向认知决策智能，其中的核心问题就是知识的组织与运用［1］。知识图谱使用图结构对知识进行建模、挖掘和应用，将复杂语义抽象成实体和关系，通过（头实体，关系，尾实体）三元组的方式进行知识表达和组织，是一种行之有效的知识挖掘和应用框架。为了增强多元关系表达，将超图概念引入知识图谱［1］，使用超边连接多个节点，形成描述多元知识的超关系，称为知识超图，如图1所示。

图1 知识超图示例

超关系事实可以包含多个实体，不同的超关系事实之间可以有公共节点。这种多元知识表达框架增强了复杂知识的描述和解释能力，但客观上也增加了计算的复杂性。

近年来，不少学者采用分层网络的组织模式进行领域知识工程相关研究。席运江［2］提出组织知识系统的知识超网络模型，将知识、人、存储载体等三类要素分层组织。方哲［3］提出专家知识协作“领域－专家－知识”三层加权超网络模型，对专家知识协作的领域社区特性和知识协作机理展开研究。田儒雅［4］研究了网络舆论传播的机理，通过建立社交子网、环境子网、心理子网和观点子网，构筑舆论超网络描绘网络舆论特征。胡晓峰［5］从物理域、信息域与认知域，根据超边、作战环研究了跨网、跨域的作战过程。韩菁［6］分两层构建了知识-合作网络，分析了不同类型知识对合作链路生成的影响，提升了跨领域合作链路生成的预测精度。

2.2 知识表示框架

知识表示是对知识的形式化描述方法或框架。通过知识表示，各种抽象知识都可以转化为计算机可以识别并处理的结构化数据。

当前，基于图神经网络的方法成为主流。其主要利用GCN［7］、GAT［8］等结构提取图谱的拓扑结构特征，形成实体和关系的嵌入表示，并利用链接预测等下游任务更新实体、关系表示，提升知识表示的精度。Saiping Guan［9］提出将n 元关系建模rolevalue 对，通过卷积、拼接构造关联矩阵，解决超边大小不定的问题。文献［10］提出超图中的超关系通常存在主从结构，计算时分别计算主三元组的有效性和辅助信息的兼容性，最终加权求和计算多元关系的有效性。Zhang R等［11］将节点嵌入分为静态和动态，静态嵌入使用非线性变化计算表示向量，动态嵌入部分将超边表示为全连通图，采用GAT获取向量表示。知识表示学习是知识图谱与深度学习相结合的重要方向。

3 海战场情报态势知识组织机理

3.1 知识组织框架

海战场情报态势知识体系庞大、内涵丰富、类型多样、关系复杂。不同的决策场景，对情报态势知识的组织运用需求有所差异。海上编队进行战场态势分析判断时，决策的核心业务是基于战术常理和历史经验对海量的战场情报信息进行分析梳理，厘清战场各类型事件之间的关联与行动脉络，并对战场发展趋势和未来可能出现的情况进行判断和预测。基于上述需求，研究认为战场情报态势知识体系应包含战术概念、装备性能、战术逻辑和情报实例信息等类型。因此，面向编队态势分析判断的知识运用需求，针对知识体系中的战术事理事件、装备概念属性和实例情报三种类型知识展开研究。

将三种类型知识分层组织，通过跨层次的映射建立关联，组织构建面向编队指挥决策需求的海战场情报态势知识体系，如图2所示。

图2 战场情报态势知识层次框架

知识体系中，实例情报知识是对真实具体的海上情报信息的表达描述；事理事件知识则是抽象的战术概念之间的关联；概念属性知识，是一种从具体到抽象的过渡性知识，其包含的原子概念能够对应关联到具体情报数据，用以抽象描述情报数据的性质、属性、类别等信息，也能映射到事理事件，反映事件包含的概念元素集合。

3.2 事理事件知识

事理事件知识是指具有抽象语义的战术事件及事件之间的关联关系。事理事件知识是由抽象的战场事件和事件之间的关联关系组织起来的，反映不同事件之间逻辑关联的知识网络。

根据知识来源和知识本身的性质，将事理事件知识分为以下两种类型：1）理论先验知识：通过领域专家大量的归纳总结得出的知识。这类知识来源于经典的作战理论，由邻域专家缜密推断，知识完备性程度高，逻辑关系完善，事件之间存在清晰明确的显式的逻辑关联。2）战例实践知识：经过专家分析后复盘后的战场实践知识。战例实践知识存在隐性的“事件共现”关系。“共现”实质是对战场事件关联的统计记录，当“共现”频次超过一定阈值，即可建立事件之间的潜在关联。

以事理事件知识某片段为例：“预警机在XX区域进行警戒搜索，发现并锁定目标后为突击兵力提供目标指示，突击兵力接收预警信息后迅速接敌机动，当目标进入突击兵力武器射程后，突击兵力在预警机引导下实施齐射攻击目标”。该知识片段的事件逻辑关系如图3所示。

图3 事理事件知识网络示例

上述片段通过条件、顺承、因果等显式的逻辑关联，将典型的战场事件关联起来，形成事理事件知识图谱。

3.3 概念属性知识

概念属性知识主要包含描述各种复杂的战场事件要素的原子概念，以及武器装备、性能参数等知识。概念属性知识由两种类型：第一类是事件包含的实体和要素的抽象表示或描述，是高层语义拆解出的粒度较小的原子概念。第二类是装备实体具有的属性、属性值等。

例如下述两段知识：1）“发现目标”事件通常包括发现主体、主体坐标、目标客体、目标坐标、发现时间、发现距离等事件原子概念。2）“XX型预警机巡航速度为600km/h，装备XX 雷达和XX 型数据链，XX 雷达有效探测距离为300km，XX 数据链通信距离为200km。”以上述两个知识片段进行实体和关系的组织，如图4所示。

图4 概念属性知识网络示例

概念属性知识是战场情报态势知识体系的中间层，通过与事理事件或实例情况进行关联，可以描述事件或情况包含的原子概念集合。

3.4 实例情报知识

实例情报知识是指海战场真实发生的战场情况，对应海上真实个体、个体动作、动作参数、环境要素等，是战场各类型事件的真实实例。

实例情报知识主要包含两类，第一类是历史实例知识，包含历史情报信息、演习数据等，是曾经发生过的战场情况。第二类是实时实例知识，描述海上交战过程中实时的战场情况信息，是指挥所经上级、友邻通报或自身发现的战场情报态势数据。实时数据是知识体系运用的数据输入，也是交战过程中需要计算的数据对象。

例如某段历史实例知识：“X日X时X分，XX舰在北纬XX°，东经XXX°，侦测到方位XXX°不明机载通信信号。”上述知识片段可通过多元关系进行描述，如图5。

图5 历史实例知识网络示例

实例情报知识是战场情报态势知识的基础，真实反映了战场曾经发生的情况事件的具体细节。历史实例知识作为标签化数据，是知识图谱生成的重要数据来源。实时实例知识来源于战场交战状态下的各种情况信息，是指挥决策人员基于知识进行分析决策应用的具体对象。

4 层次化知识超图模式构建

4.1 模型框架

引入分层的知识图谱结构，将海战场情报态势知识划分为三个层次，分别对应事理事件知识、概念属性知识、实例情报知识，基本表示框架：

式中：GH表示海战场情报态势知识超图，HE，HC，HI分别表示事理知识图谱、概念知识超图、实例知识超图；R表示跨层次的映射关系。

式中：V表示各知识图谱层内的实体集合，E表示层内的关系类型集合，F表示层内的关系事实集合。L为定义在层内关系事实上的标签信息集合，具体含义视不同的知识图层而异。

R表示跨层次的映射关系，Ric表示实例层向概念层映射，Rce表示概念层向事理层映射；Rec表示由事理层向概念层映射，Rci表示由概念层向实例层映射。

4.2 事理知识图谱

事理知识图谱定义为由领域事件实体及关联关系组成的有向赋权知识图谱，表示为

式中：关系事实通过三元组fe=(h，r，t)描述，事件概念h，t∊Ve，关联关系r∊Ee。Le表示对应事理关系事实fe的标签集合。对关系事实标签进行说明，如表1所示。

表1 战场情况事件关系类型

因果、顺承关系属于一对一的确定性关系知识，都表示事件之间的跟随发生。事件共现关系主要用来描述无显式逻辑关联事件之间的隐性的关联关系。事件共现描述了历史战例实践场景蕴含的隐性的关联，是事理事件知识挖掘和应用的重要内容。

4.3 概念知识超图

概念知识图层包含两种类型的知识，一种是由原子概念组成的知识超图，利用超关系连接多个概念，表示事理事件对应的原子概念集合；第二种是由装备属性、参数组成的树状知识图谱，表示装备的组织体系和主要性能参数。为了统一表达，将概念层知识网络统一定义为概念知识超图，表示为

式中：Vc表示概念层实体集合，主要包含原子概念、装备实体、性能属性和属性值等类型实体；Fc表示概念层事实集合，通过多元关系描述fc=(ei:ν1，…，νj)，超关系类型ei∊Ec，实体ν1，…，νj∊Vc。Lc表示对应概念层关系Fc的标签集。定义概念知识超图的关系类型和标签数据，见表2。

表2 概念知识关系类型

事件包含超关系连接了单个事理事件映射到概念层形成的原子概念集。实例包含超关系连接了实例层情况实例映射到概念层形成的原子概念。关联型号、关联装备联接原子概念和对应作战平台、作战装备，表示当前实例情报信息与装备性能参数体系之间的对应关系。

4.4 实例知识超图

实例知识层的节点主要包含实例情况中描述的实体、时间、位置、动作、效果等实体。定义实例知识层为实例知识超图，表示为

式中：Vi表示实例层实体集合，主要包含实例实体、位置信息、时间信息和动作等实体；Fi表示实例知识层超关系事实集合fi=(ei:ν1，…，νj)，超关系类型ei∊Ei，实体ν1，…，νj；Li定义为实例层情况实例的标签信息，见表3。

表3 实例知识关系类型

实例超关系包含历史和实时两种类型，历史实例是知识库存储的固有知识，是经专家复盘并明确的先验知识；实时实例则是来源于战时交战场景下的战场情况信息，是实时作战分析应用的对象。

4.5 跨层映射与反演

海战场情报态势知识超图不同层次之间，通过跨层映射进行实体或超关系的关联。跨层映射本质上反映了实体或关系事实在另一个知识层次的描述和解释。可定义跨层次映射：

1）实例层向概念层的映射Ric

实例层向概念层的映射有两类，第一类是实例超关系向概念层实例包含超关系的映射，其含义是情况实例数据映射到概念层的原子概念集合。第二类是实例知识单个实体向概念知识单个原子概念的映射，含义是实例中具体要素对应的原子概念。可定义如下的映射关联：

式中：fi，表示实例层超关系和概念层超关系事实；νix，νcy分别为实例层和概念层的节点。

2）概念层向事理层映射Rce

概念层向事理层映射，主要由概念层的超关系向事理层的事件实体节点进行映射，映射的含义是原子概念要素集对应的事理事件节点。概念层的事件包含超关系向事件的映射是确定性的；而实例包含超关系由于信息的不完备，往往缺少原子概念，向事件层的映射也因为信息丢失而不确定，需要通过映射函数匹配事件节点。可定义：

式中：表示概念层事件包含和实例包含两种超关系事实；νe为事理事件层对应的节点。

与自底向上知识映射匹配过程相反，由抽象的事理事件向原子概念和实例的计算、生成过程，称为知识反演计算。知识体系中的反演有以下两种：

1）事理层向概念层的反演Rec

事理事件向概念层的反演主要是搜索事件相关联的原子概念集合，即事件包含超关系。明确事件包含的原子概念后，需要对应的最可能的平台、装备性能知识网络辅助计算。因此，反演可定义为

式中：e1表示概念层的事件包含超关系；νe表示事理层事件节点，表示与νe对应的事件包含超关系；Gw表示概念层中与已知原子概念相关连的装备性能知识子图：

式中：Vw表示与实体相关联的装备、平台实体集（含多跳节点）；Ew表示关系类型集；Fw表示关系事实集。

2）概念层向实例层的反演Rci

概念层向实例层的反演，目的是计算生成与原子概念对应的实例数据节点。基本过程是明确主体、动作和客体，再通过时间、空间、装备性能约束确定辅助信息。因此可定义框架：

式中：νe表示事理事件节点；表示事件包含超关系；Gw表示装备性能知识子图；fi*表示生成的实时实例超关系，有fi*=(e2:ν*1，…，ν*x)；Gi*表示由ν*1，…，ν*x节点及其内部拓扑结构组成的实时实例子图。一般，实例层节点的生成需要领域内各种模型的计算支持。

5 结语

面向海上作战情报态势分析需求，针对作战知识的组织运用问题，提出了分层次的海战场情报态势知识组织框架，构建事理事件层、概念知识层和情报实例层，实现对不同类型知识的组织。采用超关系对多元关系进行解释和描述，增强了知识表达能力。面向事件网络决策需求，并对知识挖掘方法和决策应用模式进行了研究。总体看来，该框架可以为海战场智能辅助决策信息系统提供理论框架，也可为不同领域的知识组织与运用提供借鉴参考。