CN113992288A - 一种面向6g通信网络的超大规模频谱知识图谱构建方法 - Google Patents
一种面向6g通信网络的超大规模频谱知识图谱构建方法 Download PDFInfo
- Publication number
- CN113992288A CN113992288A CN202111268566.9A CN202111268566A CN113992288A CN 113992288 A CN113992288 A CN 113992288A CN 202111268566 A CN202111268566 A CN 202111268566A CN 113992288 A CN113992288 A CN 113992288A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- knowledge
- frequency
- data
- knowledge graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种面向6G通信网络的超大规模频谱知识图谱构建方法,包括频谱知识图谱本体构建;频谱数据获取;对获取的频谱数据进行频谱知识抽取;对抽取的频谱知识进行融合;对融合后的频谱知识进行质量评估;构建频谱知识图谱并保存;频谱知识推理以及频谱知识图谱更新。本发明从无线通信的角度出发,为实现智能频谱资源管控的核心技术提供了框架,为无线通信领域构建领域知识图谱提供了思路;从频段、业务和地区的角度出发构建频谱领域知识图谱,关系明确,实体定义规范,所涵盖频谱关联知识种类丰富,为基于认知智能的频谱资源管控奠定了基础;构建的频谱知识图谱质量高,节点之间的逻辑性强,能够进行高效的频谱知识查询及利用。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种面向6G通信网络的超大规模频谱知识图谱构建方法。
背景技术
随着5G的大规模商用,全球已开启对6G通信网络的研究。6G作为下一代通信网络,其目标是利用全频谱域资源实现全时全地域的宽带连接,在覆盖率和数据传输方面提供更好的服务。相比5G而言,6G具备全域接入、高传输速率、高可靠性、智能化的网络特性,通过综合利用不同频段的频谱资源来满足6G不同应用的需求。
6G在带来新机遇的同时,也使无线频谱资源管控面临新的挑战:无线通信全谱化、频谱空间化、碎片化和网络异构化。频谱智能管控是解决这些挑战和缓解频谱稀缺问题的关键核心技术,已成为发达国家的国家发展战略和重大攻关基础性课题。
现有的频谱资源管控方法包含基于静态的频谱资源管控、基于感知智能的频谱资源管控和基于认知智能的频谱资源管控。早期的无线电频谱资源管控方法使用静态分配频谱资源的方式,授权用户采用独占方式进行使用,严重依赖于人工操作和专家经验,管理效率较低,难以满足复杂性、实时性的频谱管理要求,而且导致严重的频谱稀缺问题。基于感知智能的频谱资源管控方法依赖大量的训练数据,受限于感知精度和时效性,难以对6G全频谱进行实时和精确地管控。基于认知智能的频谱资源管控利用领域频谱知识实现对全频段用频的智能管控,适应于动态复杂的电磁频谱环境,被认为是6G频谱管控的核心技术。然而,其相关研究尚未开展。
Wu Q,Xu Y,Wang J等人在其发表的论文“Distributed channel selection intime-varying radio environment:Interference mitigation game with uncoupledstochastic learning”(IEEE Trans.Veh.Technol.,vol.6,no.9,pp.4524-4538,2013)研究了在无信息交换的时变无线电环境下分布式信道选择抗干扰问题,提出了一种简单的、完全分布式的、不耦合的随机学习算法,不需要用户之间的信息交换和网络的先验信息,用户可以从其使用历史中学习理想的频谱资源。Zhou Y,Zhou F,Wu Y等人在其发表的论文“Subcarrier assignment schemes based on Q-learning in wideband cognitiveradio networks”(IEEE Trans.Veh.Technol.,vol.69,no.1,pp.1168-1172,2020)提出了两种基于Q-learning的分布式子载波分配方案用于宽带认知无线电网络中。针对次级用户无法交换信息的情况,设计了一种基于分布式独立Q-learning的方案;为提高探索效率,提出了一个协同Q-learning方案,该方法对于全频段实现复杂度高,难以适用于6G通信系统。深圳大学提出的专利申请“一种认知无线电网络中频谱分配方法及系统”(申请号CN202010371470.4申请公布号CN111585674A)中公开了一种基于认知无线电网络的频谱分配方法及系统。这种方法通过获取授权用户和认知用户的初始数量信息和初始位置信息,生成初始频谱分配参数,再根据收益函数和预设的频谱分配模型,确认授权用户和认知用户之间的频谱分配。然而,其需要实时更新,导致复杂度高,实时性差,难以适应复杂动态的电磁频谱环境。
因此,为更优规划频谱资源、有效管控频谱使用秩序、提高频谱管控效率,急需研究基于认知智能的频谱资源管控方法,其核心在于构建高质量大型的频谱知识图谱。然而,目前尚未有相关研究,亟需提出相应的构建方法。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种面向6G通信网络的超大规模频谱知识图谱构建方法,解决现有基于感知智能的频谱智能管控方法不能应对6G通信网络的全谱化、频谱空间化、碎片化和网络异构化的问题,具有实体规模大、关系种类丰富、通信知识多样、频谱知识质量高,节点间逻辑性强,频谱知识种类丰富等优势,不仅为无线通信构建领域知识图谱提供了思路,为基于认知智能的频谱资源管控奠定了基础,为无线通信领域构建领域知识图谱提供了构建框架。
为实现上述技术目的,本发明采取的技术方案为:
一种面向6G通信网络的超大规模频谱知识图谱构建方法,包括:
步骤1:从通信用频的角度,构建频谱知识图谱本体;
步骤2:从频谱管控的角度,对频谱数据进行划分与获取;
步骤3:基于频谱知识图谱本体,对获取的频谱数据进行频谱知识抽取;
步骤4:对抽取的频谱知识进行融合,包括频谱实体链接和频谱知识合并;
步骤5:对融合后的频谱知识进行质量评估,排除异常;
步骤6:基于频谱知识图谱本体和质量评估后的频谱知识,构建频谱知识图谱并保存;
步骤7:根据频谱知识图谱进行频谱知识推理以及频谱知识图谱更新。
为优化上述技术方案,采取的具体措施还包括:
上述的步骤1从通信用频的角度出发,确定频谱知识图谱本体,包括定义组成频谱领域的词汇表的基本术语及其关系,以及频谱领域的约束或规则;
所述基本术语即实体,包括频段、波段、用途、行业、地区;
所述关系包括实体所属关系、授权、未授权关系;
所述频谱领域的约束或规则包括频段属性、业务属性。
上述的步骤2从频谱管控的角度出发,将频谱数据划分为结构化频谱数据、半结构化频谱数据、非结构化频谱数据;
结构化频谱数据包括频谱规划分配表、频谱历史检测数据、电台频率表、业务及地区频率分配表、频谱数据库;
半结构化数据包括频谱管理日志、频谱能量分布数据;
非结构化数据包括频谱管理政策、频谱管理条例、通用协议、技术标准、管理或监控标准、专家经验。
上述的步骤3,针对结构化频谱数据,采用D2RQ将数据转换为RDF三元组;
针对半结构化频谱数据和非结构化频谱数据,频谱知识抽取包括频谱实体抽取、频谱关系抽取、频谱属性抽取;
频谱实体抽取使用开源的HanLP方法,从频谱文本中抽取出频谱实体;
频谱关系抽取使用开源的OpenNRE方法,从频谱文本中抽取出两个或多个频谱实体间的语义关系。
上述的步骤4进行频谱知识融合,包含两个过程:频谱实体链接和频谱知识合并;
所述频谱实体链接将处理后的频谱实体链接到知识库中的频谱实体;
所述频谱知识合并包括频谱实体和频谱实体属性的融合。
上述的步骤5进行频谱质量评估的度量方式包括:准确性、实效性、完整性、一致性、重复性;采用人工随机采样方式进行频谱知识质量评估,具体的:
从业务、频段、地区等不同角度随机抽取出部分频谱实体、频谱关系、频谱属性,与判定标准进行对应,判断当前的频谱知识是否正确,若正确,判定现有的频谱质量满足条件;若出现错误,则对现有的频谱知识进行纠正。
上述的步骤6将质量评估后的频谱知识,以三元组形式录入数据库中以形成频谱知识图谱并保存;
频谱知识图谱保存方式包括:关系数据库、文档数据库、图数据库。
上述的步骤6将质量评估后的频谱知识录入Neo4j数据库中以形成频谱知识图谱并保存。
上述的步骤7使用RDF4J进行频谱知识推理;
步骤7进行频谱知识图谱的更新,包括两部分,一部分基于现有频谱知识图谱的内部更新,另一部分是基于频谱数据实体更新而同步的外部更新方法;
内部更新为:现有的频谱知识在经过频谱知识推理后,利用频谱知识质量评估方法判断推理频谱知识的质量,并将新频谱知识录入到频谱知识图谱数据库中,完成频谱知识图谱更新;
外部更新为:利用新出台的频谱规范条例、最新的频段使用规则、频谱的新的监测数据完成频谱知识图谱更新。
本发明具有以下有益效果:
1、本发明从无线通信的角度出发,为实现好用且智能的频谱资源管控的核心技术提供了框架,为无线通信领域构建领域知识图谱提供了思路。
2、本发明从频段、业务和地区的角度出发构建频谱领域知识图谱,关系明确,实体定义规范,所涵盖频谱关联知识种类丰富,为基于认知智能的频谱资源管控奠定了基础。
3、本发明所构建的频谱知识图谱质量高,节点之间的逻辑性强,能够进行高效的频谱知识查询。
附图说明
图1为本发明提供的一种面向应用的频谱知识图谱构建方法的流程图;
图2为本发明提供的频谱知识图谱分层结构示意图;
图3为本发明构建的频谱知识图谱部分图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
参见图1-3,一种面向6G通信网络的超大规模频谱知识图谱构建方法,包括如下步骤:
步骤1:从通信用频的角度,构建频谱知识图谱本体;
频谱领域本体是用来描述频谱领域知识的一种专门本体,给出了频谱知识的实体概念及相互关系以及频谱领域所具有的特性和规律的一种形式化描述。常用的领域本体的构建主要包含三种方式:
手工构建本体、半自动构建本体以及自动构建本体;
常用的本体编辑工具根据支持的本体描述语言大致可以分类两类:
第一类,基于某种特定的语言,并支持多种基于AI的本体描述语言,包括Ontolingua、OntoSaurus、WebOnto等;
第二类,独立于特定的语言,可以导入/导出多种基于Web的体描述语言。
为了构建质量高、涵盖面广的频谱知识图谱,从通信用频的角度出发,确定频谱知识图谱本体,包括定义组成频谱领域的词汇表的基本术语及其关系,以及频谱领域的约束或规则;
所述基本术语包括频段、波段、用途、行业、地区等;
所述关系包括所属关系、授权、未授权关系等,例如,属于、包含;
所述频谱领域的约束或规则包括频段属性、业务属性等。
实施例中,采用知识图谱构建本体的七步法并使用Protégé的本体编辑工具进行频谱本体构建。
从通信用频角度出发,结合《中华人民共和国无线电频率划分规定》和领域专家知识,共同构建领域本体。主要内容如下:
实体主要包括频段(至低频、极低频、超低频、特地频、甚低频、低频、中频、高频、甚高频、特高频、超高频、极高频、至高频)、波段(百兆米波、极长波、超长波、特长波、甚长波、长波、中波、短波、米波、分米波、厘米波、毫米波、压毫米波)、用途(无线电通信业务、固定业务、卫星固定业务、航空固定业务、卫星间业务、空间操作业务、移动业务、卫星移动业务、陆地移动业务、卫星陆地移动业务、水上移动业务、卫星水上移动业务、港口运营业务、船舶移动业务、航空移动业务、航空移动(R)业务、航空移动(OR)业务、卫星航空移动业务、卫星航空移动(R)业务、卫星航空移动(OR)业务、广播业务、卫星广播业务、无线电测定业务、卫星无线电测定业务、无线电导航业务、卫星无线电导航业务、水上无线电导航业务、卫星水上无线电导航业务、航空无线电导航业务、卫星航空无线电导航业务、无线电定位业务、卫星无线电定位业务、气象辅助业务、卫星地球探测业务、卫星气象业务、标准频率和时间信号业务、卫星标准频谱和时间信号业务、空间研究业务、业余业务、卫星业余业务、射电天文业务、安全业务、特别业务)、行业(物流业、制造业、运输业、消费电子、通信行业、医疗行业、公共安全等)、地区(国家、省级、市级);
实体间的关系主要包括所属关系(属于、包含、应用)、授权/未授权关系等;
属性主要包括工作频率、中心频率、调制方式、发射功率、兼容性、应用领域、无线标准等。
步骤2:从频谱管控的角度,对频谱数据进行划分与获取;
从频谱管控的角度出发,频谱数据可划分为结构化频谱数据、半结构化频谱数据、非结构化频谱数据;
结构化频谱数据包括频谱规划分配表、频谱历史检测数据、电台频率表、业务及地区频率分配表、频谱数据库等;
半结构化数据包括频谱管理日志、频谱能量分布数据等;
非结构化数据包括频谱管理政策、频谱管理条例、通用协议、技术标准、管理或监控标准、专家经验等。
步骤3:基于频谱知识图谱本体,对获取的频谱数据进行频谱知识抽取;
从频谱数据类型处理角度考虑,对不同类型的频谱数据进行频谱知识抽取,确定频谱知识抽取的频谱实体、频谱属性及频谱关系结果和频谱知识本体的交集和并集。
针对结构化频谱数据,采用D2RQ将Mysql数据库中的数据转换为RDF三元组。例如,将频谱的细分频带转为三元组形式:(低频,频谱范围,30-300kHz)、(长波,波长范围,10-1km)。
针对半结构化频谱数据和非结构化频谱数据,频谱知识抽取主要包括频谱实体抽取、频谱关系抽取、频谱属性抽取。
频谱实体抽取主要是从频谱文本中抽取出频谱实体,主要的方法包括基于规则和词典的方法、基于特征的机器学习方法、基于深度学习的方法、无监督学习方法。
本发明使用开源的HanLP进行频谱实体抽取。例如,频带名称(低频、中频、高频)、用频频率(3.2-26.1MHz、87-108MHz)、用频业务(短波广播、调频广播)等。
频谱关系抽取主要是从频谱文本中抽取出两个或多个频谱实体间的语义关系,主要的方法包含基于模板的方法、基于监督学习的方法、基于深度学习的方法。
本发明使用开源的OpenNRE进行频谱关系抽取。例如,实体“短波广播”与“3.2-26.1MHz”
之间的频谱关系为使用。
频谱属性抽取是采集特定频谱实体的属性信息,本发明将其视作实体与属性值间的一种名词性关系,将频谱属性抽取转化为频谱关系抽取。例如,江苏省南京市的调频广播:实体“江苏人民广播电台音乐台”的频谱属性包括中心频率-89.7MHz、调频方式-FM等。
步骤4:对抽取的频谱知识进行融合,包括频谱实体链接和频谱知识合并;
频谱数据经过频谱知识抽取后,得到了大量不同来源的频谱实体、频谱关系,对其进行频谱知识融合,以去除噪声频谱数据和重复的频谱数据。频谱知识融合包含两个过程:频谱实体链接和频谱知识合并。
频谱实体链接主要是将处理后的频谱实体链接到知识库中的频谱实体。例如,实体“JSM”与实体“江苏人民广播电台音乐台”进行频谱实体链接。
频谱知识合并是指构建频谱知识图谱后,将第三方的知识库融合到新构建的频谱知识图谱中,主要包括频谱实体和频谱实体属性的融合。在本发明中,频谱知识融合使用中文自然语言处理工具Synonyms。例如,在新构建频谱知识库中,ISM Band包含2.4GHz、915MHz、868MHz;在原有第三方知识库中,ZigBee使用2.4GHz、915MHz、868MHz;将两者进行频谱知识合并,以构建更加统一、稠密的频谱知识图谱。
步骤5:对融合后的频谱知识进行质量评估,排除异常;
在频谱数据经过频谱知识抽取、频谱知识融合后得到一些基本的表达,为了获得结构化的频谱知识体系,需要进行基于频谱知识的质量评估,主要是排除一些常见错误,例如,上下位问题(频段包含低频、中频、高频等)、属性问题(江苏人民广播电台音乐台的中心频率-89.7MHz、调频方式-FM)、逻辑问题(调频广播使用87-108MHz)。
本发明中使用人工随机采样方式进行频谱知识质量评估。从业务、频段、地区等不同角度随机抽取出部分频谱实体、频谱关系、频谱属性,与《中华人民共和国无线电频率划分规定》和领域专家知识进行对应,判断当前的频谱知识是否正确。若正确,判定现有的频谱质量满足条件;若出现错误,需对现有的频谱知识进行纠正。
频谱质量评估包含的度量方式:准确性、实效性、完整性、一致性、重复性;主要的方法有:基于统计的方法、基于人工抽样的方法、基于规则的方法。本发明中使用人工随机采样方式进行频谱知识质量评估。从业务、频段、地区等不同角度随机抽取出部分频谱实体、频谱关系、频谱属性,与《中华人民共和国无线电频率划分规定》和领域专家知识进行对应,判断当前的频谱知识是否正确。若正确,判定现有的频谱质量满足条件;若出现错误,需对现有的频谱知识进行纠正。
步骤6:基于频谱知识图谱本体和质量评估后的频谱知识,构建频谱知识图谱并保存;
经过频谱知识质量评估,将三元组形式录入Neo4j中以形成频谱知识图谱并保存,方便后续的应用。频谱知识图谱保存方式主要包括:关系数据库、文档数据库、图数据库。在本发明中选择图数据库Neo4j进行频谱知识图谱保存。
步骤7:根据频谱知识图谱进行频谱知识推理以及频谱知识图谱更新。
7.1:频谱知识推理:
大多数新构建的频谱知识图谱是残缺的,需要使用频谱知识推理技术以进一步发现新的知识。
频谱知识推理主要包括基于演绎的方法和基于归纳的方法。其中,基于演绎的方法有基于描述逻辑、产生式规则等;基于归纳的方法有路径推理、表示学习等。在本发明中使用RDF4J进行频谱知识推理。例如,无线电报警器使用36-37MHz,甚高频的频率范围为30-300MHz,可以推理出无线电报警器属于甚高频应用。
7.2:频谱知识图谱更新。
频谱知识图谱的更新主要包括两部分,一部分基于现有频谱知识图谱的内部更新,另一种是基于频谱数据实体更新而同步的外部更新方法。
内部更新指的是,现有的频谱知识在经过频谱知识推理后,利用频谱知识质量评估方法判断推理频谱知识的质量,并将新频谱知识录入到频谱知识图谱数据库中,完成频谱知识图谱更新;
外部更新指的是,利用新出台的频谱规范条例、最新的频段使用规则、频谱的监测数据等新的频谱数据完成频谱知识图谱更新。
本发明从无线通信的角度出发,为实现好用且智能的频谱资源管控的核心技术提供了框架,为无线通信领域构建领域知识图谱提供了思路;从频段、业务和地区的角度出发构建频谱领域知识图谱,关系明确,实体定义规范,所涵盖频谱关联知识种类丰富,为基于认知智能的频谱资源管控奠定了基础;构建的频谱知识图谱质量高,节点之间的逻辑性强,能够进行高效的频谱知识查询及利用。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (9)
1.一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,包括:
步骤1:从通信用频的角度,构建频谱知识图谱本体;
步骤2:从频谱管控的角度,对频谱数据进行划分与获取;
步骤3:基于频谱知识图谱本体,对获取的频谱数据进行频谱知识抽取;
步骤4:对抽取的频谱知识进行融合,包括频谱实体链接和频谱知识合并;
步骤5:对融合后的频谱知识进行质量评估,排除异常;
步骤6:基于频谱知识图谱本体和质量评估后的频谱知识,构建频谱知识图谱并保存;
步骤7:根据频谱知识图谱进行频谱知识推理以及频谱知识图谱更新。
2.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤1从通信用频的角度出发,确定频谱知识图谱本体,包括定义组成频谱领域的词汇表的基本术语及其关系,以及频谱领域的约束或规则;
所述基本术语即实体,包括频段、波段、用途、行业、地区;
所述关系包括实体所属关系、授权、未授权关系;
所述频谱领域的约束或规则包括频段属性、业务属性。
3.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤2从频谱管控的角度出发,将频谱数据划分为结构化频谱数据、半结构化频谱数据、非结构化频谱数据;
结构化频谱数据包括频谱规划分配表、频谱历史检测数据、电台频率表、业务及地区频率分配表、频谱数据库;
半结构化数据包括频谱管理日志、频谱能量分布数据;
非结构化数据包括频谱管理政策、频谱管理条例、通用协议、技术标准、管理或监控标准、专家经验。
4.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤3,针对结构化频谱数据,采用D2RQ将数据转换为RDF三元组;
针对半结构化频谱数据和非结构化频谱数据,频谱知识抽取包括频谱实体抽取、频谱关系抽取、频谱属性抽取;
频谱实体抽取使用开源的HanLP方法,从频谱文本中抽取出频谱实体;
频谱关系抽取使用开源的OpenNRE方法,从频谱文本中抽取出两个或多个频谱实体间的语义关系。
5.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤4进行频谱知识融合,包含两个过程:频谱实体链接和频谱知识合并;
所述频谱实体链接将处理后的频谱实体链接到知识库中的频谱实体;
所述频谱知识合并包括频谱实体和频谱实体属性的融合。
6.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤5进行频谱质量评估的度量方式包括:准确性、实效性、完整性、一致性、重复性;采用人工随机采样方式进行频谱知识质量评估,具体的:
从业务、频段、地区等不同角度随机抽取出部分频谱实体、频谱关系、频谱属性,与判定标准进行对应,判断当前的频谱知识是否正确,若正确,判定现有的频谱质量满足条件;若出现错误,则对现有的频谱知识进行纠正。
7.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤6将质量评估后的频谱知识,以三元组形式录入数据库中以形成频谱知识图谱并保存;
频谱知识图谱保存方式包括:关系数据库、文档数据库、图数据库。
8.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤6将质量评估后的频谱知识录入Neo4j数据库中以形成频谱知识图谱并保存。
9.根据权利要求1所述的一种面向6G通信网络的超大规模频谱知识图谱构建方法,其特征在于,所述步骤7使用RDF4J进行频谱知识推理;
步骤7进行频谱知识图谱的更新,包括两部分,一部分基于现有频谱知识图谱的内部更新,另一部分是基于频谱数据实体更新而同步的外部更新方法;
内部更新为:现有的频谱知识在经过频谱知识推理后,利用频谱知识质量评估方法判断推理频谱知识的质量,并将新频谱知识录入到频谱知识图谱数据库中,完成频谱知识图谱更新;
外部更新为:利用新出台的频谱规范条例、最新的频段使用规则、频谱的新的监测数据完成频谱知识图谱更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268566.9A CN113992288B (zh) | 2021-10-29 | 2021-10-29 | 一种面向6g通信网络的超大规模频谱知识图谱构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268566.9A CN113992288B (zh) | 2021-10-29 | 2021-10-29 | 一种面向6g通信网络的超大规模频谱知识图谱构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113992288A true CN113992288A (zh) | 2022-01-28 |
CN113992288B CN113992288B (zh) | 2023-04-07 |
Family
ID=79744054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111268566.9A Active CN113992288B (zh) | 2021-10-29 | 2021-10-29 | 一种面向6g通信网络的超大规模频谱知识图谱构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113992288B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800247A (zh) * | 2021-04-09 | 2021-05-14 | 华中科技大学 | 基于知识图谱共享的语义编/解码方法、设备和通信系统 |
CN113038614A (zh) * | 2021-03-09 | 2021-06-25 | 中国人民解放军陆军工程大学 | 基于频谱知识图谱的智能频谱管控框架 |
-
2021
- 2021-10-29 CN CN202111268566.9A patent/CN113992288B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113038614A (zh) * | 2021-03-09 | 2021-06-25 | 中国人民解放军陆军工程大学 | 基于频谱知识图谱的智能频谱管控框架 |
CN112800247A (zh) * | 2021-04-09 | 2021-05-14 | 华中科技大学 | 基于知识图谱共享的语义编/解码方法、设备和通信系统 |
Non-Patent Citations (3)
Title |
---|
QIANNAN LU: ""Radio Regulatory Knowledge Graph Framework and Its Application"", 《2020 IEEE 3RD INTERNATIONAL CONFERENCE ON ELECTRONICS AND COMMUNICATION ENGINEERING (ICECE)》 * |
丁琛: ""基于神经网络的实体识别和关系抽取的联合模型研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
孙佳琛等: ""频谱知识图谱:面向未来频谱管理的智能引擎"", 《通信学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113992288B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian | Characterizing the rate region of the (4, 3, 3) exact-repair regenerating codes | |
Abdul et al. | Evaluating appropriate communication technology for smart grid by using a comprehensive decision-making approach fuzzy TOPSIS | |
US11842259B1 (en) | Intelligent information parsing method based on cross-modal data fusion | |
Zhang et al. | Goal-oriented communications for the IoT and application to data compression | |
Sun et al. | Effects of wind speed probabilistic and possibilistic uncertainties on generation system adequacy | |
Li et al. | Dynamic spectrum access for internet-of-things based on federated deep reinforcement learning | |
Kim et al. | Reducing model cost based on the weights of each layer for federated learning clustering | |
CN113992288B (zh) | 一种面向6g通信网络的超大规模频谱知识图谱构建方法 | |
CN103402265A (zh) | 基于模糊逻辑和通信优先级的频谱分配方法 | |
CN102332957A (zh) | 一种动态异构网络环境下的电波传播多维特征认知方法 | |
KR101933878B1 (ko) | e―Navigation을 위한 다중 도메인의 해양 데이터 제공 시스템, 그리고 이를 위한 해양 지식베이스 구조 | |
Mochinski et al. | Towards an Efficient Method for Large-Scale Wi-SUN-Enabled AMI Network Planning | |
Wang et al. | Hierarchical cognition cycle for cognitive radio networks | |
Zhu et al. | Multi-Access Edge Computing (MEC) Based on MIMO: A Survey | |
Zhang et al. | Building and applying knowledge graph in edge analytics environment | |
Li et al. | Construction of satellite spectrum knowledge graph: Ontology design and knowledge application | |
Alkholidi et al. | The 5G Wireless Technology and a Significant Economic Growth and Sustainable Development | |
Zepu et al. | Knowledge graph‐based method for identifying topological structure of low‐voltage distribution network | |
Zhu et al. | Architecture and security protection scheme for distributed new energy public service platform with hybrid cloud system | |
Vorobiyenko et al. | Current Trends in Communication and Information Technologies | |
CN117609341B (zh) | 一种电网的数字孪生系统 | |
Wang et al. | A Context Information Ontology Hierarchy Model for Tourism-oriented Mobile E-commerce. | |
Mohsenivatani et al. | Graph Representation Learning for Wireless Communications | |
Das et al. | A Reasoning System Architecture for Spectrum Decision Making | |
Gong et al. | Qualitative analysis of commercial services in MEC as phased-mission systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |