Page 67 - 2024年第55卷第9期

全领域 ＫＧ并在此基础上对问答系统的开发进行了探索；周逸凡等 ［８］ 基于期刊文献构建了水文模型 ＫＧ
并提供模型检索与推荐的知识服务；许强等 ［９］ 以工程地质领域的滑坡为主要研究对象，构建了滑坡知
识体系并形成 ＫＧ，使该领域的概念知识及理论体系得到完善和拓展；Ｂｅｒｔｒａｍ等 ［１０］ 研究如何从开放的
音乐流媒体平台导出数据源并建立 ＫＧ，在此基础上建立了 ＥＡＲＳ系统以提高音乐推荐质量；Ｌｉ等 ［１１］
构建了网络安全 领域 ＫＧ以 描述错 综复 杂 的网络安全 状况，同时 对 ＫＧ质 量 评 估 模 型 进 行 了 研 究；
Ｍｉａｏ等 ［１２］ 基于 ＫＧ设计了一种语义表示框架，使自主室内服务机器人在语义框架的指导下能更准确、
高效地完成任务；Ｚｈｕ等 ［１３］ 提出了一种基于 ＫＧ的多任务情感分析模型，能更全面地为人们提供句子
的情感信息；Ｘｉａ等 ［１４］ 构建了面向复杂工业设备维护的 ＫＧ并基于此进行了有关故障预测与方案推荐
的研究。
在水利工程领域中，目前也有一些针对 ＫＧ展开的研究，段浩等 ［１５］ 综合大量水利知识构建了能实
现跨域查询与检索的水利领域 ＫＧ；刘雪梅等 ［１６］ 构建了水利工程应急方案 ＫＧ并在此基础上提出了一
种应急方案智能生成方法；张军珲等 ［１７］ 对面向数字孪生工程的水利 ＫＧ构建方法进行了探索并开发
了知识检索、预案自动生成等应用。当前这些研究，大多侧重于领域内的综合概念，知识内容全局
性较强。但是水利工程领域知识体系复杂，知识内容广泛而且存在众多分支，对于知识内容聚焦性
较强的分支领域研究较少。针对该问题，结合土石坝在大坝险情防治中的主体地位，本文选取水利
工程众多分支领域中的土石坝险情领域作为研究对象，运用本体思想和自然语言处理（ ＮａｔｕｒａｌＬａｎ
ｇｕａｇｅＰｒｏｃｅｓｓ，ＮＬＰ）技术对该领域 ＫＧ的构建展开研究，以土石坝险情为核心，围绕险情类型、险
情原因和险情措施从多源异构数据中抽取知识，以利决策，为土石坝安全、长效运行提供坚实的理
论基础。

２ 土石坝险情知识图谱构建流程

２．１ 土石坝险情知识图谱构建方法 ＫＧ通常由模式层和数据层组成，其中模式层为抽象概念，数据
层为具体实例，两者通过相互关系形成语义表达丰富的网状知识结构。在本研究的 ＫＧ结构设计中，
模式层以土石坝险情为中心概念，以险情类型、险情原因、险情措施三类模式进行拓展，形成 ＫＧ的
“骨架”；数据层为与土石坝险情相关的知识内容，比如具体的险情原因、险情措施等，填充 ＫＧ的
“血肉”。
ＫＧ的构建方法通常有三种：自顶向下、自底向上以及两者相结合 ［１８］ 。自顶向下的方法蕴含本体
的思想，首先确定领域顶层概念，进而对其进行逐级划分，细化不同概念包含的子类以及子类具有的
属性和关系；自底向上的方法首先从语料库中抽取实体，总结为底层概念，进而逐级向上归纳。其
中，自顶向下法概念严谨，层次结构明显，但十分依赖人工劳动且更新困难；自底向上法更新快捷且
面对大量数据更有优势，但在逻辑架构上规范性较差，容易出现遗漏。因此本文采用结合二者优点的
混合法来构建土石坝险情 ＫＧ。对于模式层，采用自顶向下法构建土石坝险情领域相关本体库，形成
ＫＧ的概念框架并为知识抽取提供语义信息；对于数据层，采用 ＮＬＰ技术从语料库中提取知识实体并
映射到模式层相关概念中，丰富 ＫＧ的具体内容。
２．２ 土石坝险情知识图谱构建基本流程 土石坝险情 ＫＧ的构建流程主要分为模式层、数据层的构建
与存储，在此基础上实现 ＫＧ的可视化表达与检索。模式层的主要任务为构建土石坝险情相关本体库，
如结构本体、过程本体、环境本体与材料本体等。构建数据层的具体步骤分为数据预处理、知识抽
取、语义对齐以及数据存储。首先将多源异构数据划分为半结构数据和非结构数据，对于前者采用基
于规则的方法进行提取，对于后者则先按一定格式处理为结构数据，再建立规则进行提取。其次，将
提取的数据映射到相关概念中，建立模式层与数据层之间的联系以形成层级知识结构。最后，所有提
取到的知识内容以三元组（实体，关系?属性，实体）形式存储，利用开源的图数据库 Ｎｅｏ４ｊ实现直观表
达并通过查询语言进行检索。土石坝险情 ＫＧ的构建流程如图 １所示。

７
— １ ０ ２ —