Page 69 - 2021年第52卷第8期

峰等 ［13］ 构建了煤矿巷道支护领域知识图谱，为巷道的智能化管理提供支撑；车金立等 ［14］ 则将知识图
［1］
谱技术引入到军事装备领域，支撑实现该领域的知识问答；沈柳等 、奥德玛等 ［15］ 以及孙郑煜等 ［16］ 在
医药领域进行了知识图谱技术应用的尝试；昝红英等 ［17］ 通过构建中文医学知识图谱研究了机器标注
准确率较低的问题。这些研究进一步显示出知识图谱在支撑行业智能化管理方面的优越性，推动了
知识图谱在各个行业的快速发展。
水利知识涵盖范围广，涉及河流、湖泊、水库等多种管理对象，同时包括水旱灾害防御、水资
源管理、水土保持等多种业务，知识的来源既有结构化数据如水利业务数据，也有半结构化、非结
构化数据如水利学科知识文本、互联网数据等。基于这些多源数据，众多学者 ［18-20］ 从不同专业角度开
发了信息服务平台，进行水利数据的组织管理和信息服务。2019 年 12 月水利部发布了最新版的全国
水利一张图 ［21］ ，力图实现水利信息资源的业内整合共享、水利业务协同和智能应用。学者们也对知
识图谱在水利领域的应用进行了探索，并将其引入专业文献的计量学分析，如陈思源等 ［22］ 、金菊良
［7］
等 ［23］ 研究了我国水资源专业知识的知识图谱分析；毛文山等 分析了水生态水环境专业知识的图谱构
［9］
建；李致庆等 则利用知识图谱技术研究了我国节水灌溉技术的发展；刘晓君等 ［24］ 对再生水问题的发
展态势与研究热点进行了分析。同时，学者们也在尝试使用知识图谱技术整合水利信息资源 ［2,25］ ，以
期实现智能数据检索，构建智能问答系统；王新龙等 ［26］ 则通过研究知识图谱的智能关联技术，准确
锁定排污企业，完成水污染的精确溯源。
上述水利领域的知识应用研究，针对部分数据源、在部分领域已得到较好的应用，但还难以实
现对整个水利行业知识的有效组织。水利领域的知识既包括科学研究中形成的认知类知识（如水循环
理论、方法等），同时还包括行业建设管理中的事实类知识（如客观存在的河流、湖泊、工程等），单
纯对认知类知识进行提炼和总结，或仅对结构化业务数据进行分析，难以形成对水利综合知识的认
知。此外，多源异构水利数据间的融合仍存在技术瓶颈，客观上也制约着水利知识的整合。为实现
水利知识的有效组织，提供全面、高效的水利知识服务，本文在前人研究的基础上，分析整合各类
水利业务数据与学科知识数据，通过多源异构水利数据的融合，实现不同类型水利知识的关联，构
建面向水利综合的知识图谱，为支撑水资源智能化管理和提供水利知识服务奠定基础。

2 水利知识体系描述

2.1 水利知识组成 知识是人类从各个途径中获得的经过提升总结与凝练的对世界的系统认识。世
界 经 合 组 织（OECD）在《以 知 识 为 基 础 的 经 济》（1996）报 告 中 将 知 识 分 为 4 大 类 ：（a）知 道 是 什 么
（Know - what），主要是叙述事实方面的知识；（b）知道为什么（Know - why），主要是自然原理和规律
方面的知识；（c）知道怎么做（Know - how），主要是指对某些事物的技能和能力；（d）知道是何人
（Know - who），涉及谁知道和谁知道如何做某些事的知识。按照知识描述的内容是否是客观存在的
实体对象，可以将知识归为两类：事实类知识和认知类知识，事实类知识回答是什么、是谁，认知
类知识回答为什么、怎么做。
水利综合知识体系应包括事实类知识和认知类知识（表 1）。水利事实类知识包括各类涉水对象及
其属性与关系，具有实体性、显性和动态性等特征，其描述的对象可分为自然对象、工程对象和社
会对象三类。其中，自然对象包括水利研究的河流、湖泊、流域等天然实体；工程对象包括人类建
造的各类水利水电工程，如大坝、水库、水电站等；社会对象包括水利管理机构、研究机构、取用
排水的机构及相关自然人等。水利认知类知识包括水利领域的概念、原理、规律、方法等，也可称
之为水利学科知识，具有抽象性、普适性、被认同等特征，通常以各类文献为载体，用文字和符号
来表达。认知类知识主要以水利领域主题词表及其不同分类领域为基础，通过水利各学科领域具有
上下位关系的主题词来形成对水利综合知识的描述框架。
2.2 水利知识关系描述 基于上述水利知识分类，我们对不同水利对象进行细化描述，定义水利知
识关系的描述体系（见图 1），主要包括基于事实类知识构建的水网图谱和以水利学科知识为基础的学

— 949 —