电力行业法规标准知识图谱构建技术研究

电力行业法规标准知识图谱构建技术研究

Summary：本文以电力行业安全生产管理标准规范化建设需求为基础，选取核心电力法律法规、标准规范，基于知识图谱技术，构建电力行业法规标准知识库，为电力企业安全生产工作提供依法合规的管理依据，有效提升企业管理水平和管控效能。Keys：电力行业；法律法规；标准规范；知识图谱前言：电力行业作为关系民生的基础行业，拥有较为完备的法律法规和标准化管理体系，近年来，随着现代信息技术的快速发展，电力行业信息化管理水平不断提高，对于建立电力行业法规标准知识库的需求也日益增加。知识图谱是大数据时代知识组织和表达的重要方式，是实现智能认知的关键技术，在语义搜索、智能问答、个性化推荐、数据分析等领域发挥重要作用[1]。基于知识图谱构建技术对电力行业各类法规标准进行语义拆解、加工、处理和存储，可在海量法规标准数据信息中为电力企业安全生产管理工作提供真实性和一致性保障[2]。知识图谱的基本概念知识图谱以“节点”和“边”作为基本存储单元来描述客观世界中的概念、属性及其相互关系，是一种结构化、语义化的知识库。最初的知识图谱主要用于强化搜索引擎功能的知识库，究其本质是揭示客观世界实体及其关系的语义网络。现代知识图谱技术已被广泛应用于各行业内部知识库的大规模开发，如电力行业部分学者已经构建了电力设备知识图谱、电力系统知识图谱、电力事故案例知识图谱等。知识图谱构建技术以知识抽取、知识表示、知识融合和知识推理四个部分展开。知识抽取技术可以从半结构化、非结构化的数据源中提取出实体、关系、属性等构成知识图谱的基本元素；知识表示是将抽取的知识类型以三元组形式进行表达存储；知识融合对已抽取的知识要素进行一致性检验，消除知识歧义以形成高质量的数据库；知识推理则是在已构建的知识库基础上通过外部连接推理机制实现进一步、深层次的知识挖掘。电力行业知识图谱应用概述我国电力行业经过多年的探索，逐步形成了多维度、多层次的标准化管理体系，电力企业管理工作的规范化程度不断加强。目前，电力行业法律法规、标准规范基本涵盖了各类生产经营管理活动的全过程，在满足发展需要和管理需求的同时，也对精细高效化管理提出了新的要求。2.1电力行业知识图谱的概念知识图谱按照应用领域可以划分为通用知识图谱和领域知识图谱两大类。通用知识图谱的典型应用场景为智能搜索引擎，这类图谱的知识具有覆盖面较广，专业性不强等特点；领域知识图谱的典型应用对象为特定行业领域，如电力、建筑、化工、机械等，这类图谱的数据来源较多，知识联系较为紧密，且一般为专业知识。电力知识图谱是以电力业务对象有关的行业标准规范、事故报告、书籍教材、业务数据等数据源为基础，运用知识图谱技术构建的图数据库，属于领域知识图谱。2.2电力行业知识图谱应用优势知识图谱数据库通常采用关系数据库、图数据库、文件数据库与人工智能相结合的方式将数据存储在服务器中，其中图数据库是知识图谱重要的展现形式，相较于传统单一的关系数据库，图数据库使用图的方式来表达客观现实世界的关系，更加直接、自然，且易于建模，同时可以高效插入大量节点和关系数据，实现海量数据存储。另一方面，非结构数据源知识节点存在分散性和冗余性，即某一个知识节点可以不同形式存在于多个语句中，在知识抽取阶段会出现对单一知识的多种描述方式，这也大大增加了节点和二维关系的数量，造成知识歧义，而图数据库具有极强的知识关联性，可以对分散的知识、隐藏的联系通过语义检索、图计算、规则推理、可视化等技术进行数据融合和知识关联，实现高效查询和检索。如今电力行业所涉及的法律法规、标准规范数目庞大、种类繁多，条文之间关系模糊，难以从中直接提取并加以利用。结合图数据库的特点构建电力行业法规标准知识图谱有利于将松散的条文文本以及实体关系结构化、可视化，实现快速定位并了解条文、规范之间的级别关系与联系，使得信息精准清晰，大幅提升使用人员的决策效率。同时，知识库还能为电力企业标准化达标评级、应急能力建设评估规范配置查评依据，在咨询评价工作中实现有法可依、有据可查，提高业务的合法、规范和专业性。电力行业知识图谱构建技术研究3.1知识抽取知识抽取是在知识建模的基础上，依据概念定义和约束条件对数据源进行识别和抽取，获得各种类型的实体和关系，再将抽取结果进行分类整理归纳到不同概念中。对于有一定语义规律的实体，如章节目录实体、规范条文实体等可以通过模块编程实现分词分句进行智能抽取；对于语义规律复杂的实体，如规范主体实体、知识元实体则通过人工抽取获取。结合法规标准知识结构和关系设计规则将抽取的实体与关系构成三元组进行存储。3.2知识融合知识融合是指将抽取的知识进行一致性检验形成统一的知识表达，避免因知识歧义带来的数据混乱，主要包括实体融合、关系融合和属性融合等。实体融合包含不同概念相同实体名称的融合和对同一事物相同描述的具有相似语义结构的融合。关系融合主要是将具有相似语义表达的关系合并，譬如“制定”、“构建”、“建立”等，属性融合则是确保同一概念类型下的实体描述一致，而相似度计算和聚类分析是目前采用比较普遍的融合方法。3.3知识存储知识存储是指将二维表达形式的三元组进行图数据库的存储，数据展示形式由表格转化成图形。电力安全标准知识图谱构建完毕后，原有的法律知识转换成节点、关系数据储存在图数据库中，运用编程技术对Keys进行抽取和查询，在图数据库中实现数据遍历并查询到对应的数据节点位置、数据节点属性、数据路径等查询内容。另一方面也可以对图数据库进行二次开发实现知识的广泛应用从而提高知识利用效率，现有的纵向应用研究主要有全文检索、智能问答检索、知识数据比对、智能诊断等。3.4知识管理知识管理是指对构建好的数据库进行后期维护管理，主要包括知识拓扑、知识更新等过程。电力行业法律法规体系庞大，单靠几部法律法规无法囊括所有的安全管理知识，也无法穷尽标准规范之间的联系。在条文规范中经常会出现引用其他法律法规条文的案例，这就需要进一步研究行业内部法律法规的内容联系并不断对已有的知识图谱数据库进行知识拓扑和完善。另一方面，法律法规具有时效性，无论是上位法还是下位法都会定期进行修订，旧版的法律法规就不再具有法律效应，知识图谱数据库必须依据最新规范版本对修订部分的条文目录进行节点、关系的增加、修改、删除。结语本文以电力行业法规标准知识库建设实际需求为背景，选取核心法规标准作为切入点，基于自然语言处理的非结构化文本关系信息提取方法以及人工抽取关键知识元的方法，构建出电力行业法规标准知识图谱，为电力企业安全管理工作提供扎实的知识数据基础，有效推动管理水平的提升。本文重点阐述了基于行业法规标准数据构建融合知识图谱的过程，由此引申出的智能决策、问答系统等基于图数据库的挖掘分析也是后续进一步研究的重点方