CN114860884A - 一种面向动态分析的时空知识图谱构建系统和方法 - Google Patents

Abstract

本发明涉及一种面向动态分析的时空知识图谱构建系统和方法，主要包括：数据资源采集管理模块，用于从不同的数据源收集大规模异构时空数据。知识抽取模块，用于针对不同结构的数据分别采取不同的自动知识抽取方法。知识存储模块，用于利用工具根据概念层灾害应急场景数据的关系，构建灾害应急本体的概念框架。包括本体数据存储模块，用于支持RDF语义表示规范的图结构数据库中，基于灾害应急本体的概念框架，将灾害应急数据转换为三元组用于构建实例层。实例模块，将实例层数据同时存储在支持RDF语义表示规范的图结构数据库和Key‑Value数据库中。分析服务模块，借助知识图谱，利用时空语义查询与推理技术提供灾害应急决策支持服务。

Description

一种面向动态分析的时空知识图谱构建系统和方法

技术领域

本发明涉及资源环境调查、灾害应急决策支持领域，尤其是一种面向动态分析的时空知识图谱构建系统和方法。

背景技术

灾害是对人类及其赖以生存的环境造成破坏性影响的突发事件总称。自然灾害是指主要由自然变化引起的灾害，按成因和特点可以分为气象灾害(干旱、洪水、热带气旋)、地质灾害(地震、地质滑坡、泥石流)、海洋灾害(风暴潮、海啸、赤潮)、生物灾害(疾病、虫害、草害、鼠害)等大类。虽然本发明不能完全阻止自然灾害的发生，但本发明依旧可以最大限度降低灾害可能造成的损失。但自然灾害的广泛性，发生时间、地点和规模等不确定性，都大大增加抵御自然灾害难度。随着大数据时代到来，及时、准确地对灾害进行预防和控制成为可能。其中，如何对灾害相关多源异构数据进行统一组织管理，形成协同一致的共性数据基底，为各类灾害预测和应急响应业务场景提供效率更高、普适性更强的通用数据服务接口，也成为灾害防控的重要问题。

遥感技术可以在较大的观测范围内实时、高速地获取大量强动态信息，并且通过分析远距离目标辐射或电磁波反射信息，定性和定量地揭示地物的特征特性及其变化。结合遥感技术和人工智能技术，可以识别地物的精细特征，提取建筑物、道路、耕地等信息，因此在灾害监测、预警和应急决策等领域发挥着重要作用。灾情分析依赖于灾情现场不同数据，需要对多尺度、多时相、多类型、多精度遥感信息和不同类型专家知识进行有机融合。针对灾害时空信息融合问题的研究，包括灾害时空数据的知识表示、基于数据时空关系的属性分析、时空动态地理信息和专家知识的融合等。

在现实世界的灾害场景中，存在大规模的多源异构数据。数据之间以及数据与灾害知识之间一定存在着客观关联性，这些关联可以采用知识图谱手段进行有效表示和建模。知识图谱是谷歌公司在2012年提出的一项人工智能技术，是一种以图的形式把知识表示为概念、实体和语义关系的数据建模方法。知识图谱可以通过图将多源时空灾害数据和专家知识联系起来，以支持对自然灾害场景中动态和静态情况下的多源异构数据的分析。

本体和知识库是与知识图谱密切相关的两个概念。本体来自语义网领域，是一种广义语义数据模型，提供特定领域的概念、对象类型、树状上下语义关系及其属性，是支持语义查询和推理的概念、关系和属性的正式表达。知识图谱是一种集成多个本体的大规模结构化语义数据模型。它基于共同的语义为多个自包含的本体建立逻辑连接，从而将不同本体进行协作分析。在知识图谱的基础上，知识库具有基于通用语义的策略和规则，以形成跨领域的决策支持能力。

现有的灾害相关数据通常以格式化文件作为原始存储形态，并按照特定业务应用系统的调用需求，将业务系统所需数据通过关系数据库实现结构化存储与检索。由于灾害现场数据具有多源异构的特性，且通常带有空间、时间属性，现有技术通常依托地理信息系统(GIS)实现灾害现场多源异构数据的空间与时间信息分析。

以计算四川省盐源县森林火灾风险为例，采用传统空间分析工具ArcGIS作为基线方法开展对比实验时，需要从14类栅格数据集分别加载查询盐源县数据，对每个栅格数据进行统一坐标系、统一像素大小、栅格裁剪、拼接等步骤，然后进行预测计算；操作步骤较多，整个过程耗时190多分钟；特别在使用栅格计算器对不同图层数据进行定量计算分析时，性能较低，因为它需要分多个步骤进行复杂的数值计算。同时，采用传统GIS工具进行空间分析时，若各种数据边界不完全重合，会导致边界区域分析结果缺失或异常；虽然可以通过平移的方式强行对齐像素位置，但这样的操作并没有考虑到地表参数的物理意义及其地学特性，改变了原始数据的空间分布。此外，使用传统的空间分析工具无法并行处理其他目标区域，预测效率低。

目前已有针对特定灾害构建本体和知识图谱的研究工作。但现有应急相关知识图谱模型通常不关注基于通用语义的多源异构数据组织管理策略和规则，因此难以在灾害应急场景中实现灾害相关多源异构数据的组织、管理和融合，也难以从实时的多源异构数据中识别动态变化的灾情，不能有针对性提供具体的灾害处理策略来支持应急处置决策。对于灾害应急而言，重要的是获取灾区实时多源数据，将数据、数据与专家知识有机整合，实现灾害动态预测与应急响应。目前对灾害知识图谱的研究最多的是灾害本体、灾害知识、灾害事件，尤其关注构建方法。在应用程序中，只有领域知识驱动的分析、基于多特征融合的分析，很少将动态灾害数据和模型方法深度融合，导致应急预案等领域专家知识不能灵活应用于实际场景。

发明内容

本发明需要解决的技术问题是灾害应急相关的数据源有很多，各种数据之间存在时间、空间、类型、分辨率、坐标系不同等障碍。因此，一个关键问题就是进行灾害应急相关的大规模多源异构数据的融合，以实现不同来源灾害数据取长补短、互通有无，特别是需要对从不同来源数据中提取的时空特征和属性特征进行基于统一语义的定义与存储。融合不同来源数据的语义有利于灾害应急相关数据的高效率时空查询。

此外，进行灾害防控决策支持不仅需要全面及时准确的数据基底，还需要特定灾种领域的专业知识。以灾害预测的应用场景为例，上述领域专业知识至少包括特定种类灾害发生因子确定方法、灾害预测模型算法和灾害预测模型精度评估方法。现有的灾害防控决策支持方法很少考虑不同灾种领域专业知识的共性语义定义，因而难以基于统一的数据基底实现不同种类灾害的防控决策支持。

本发明的技术方案为：一种面向动态分析的时空知识图谱构建系统，包括：

数据资源采集管理模块，用于从不同的数据源收集大规模的异构时空数据。

知识抽取模块，用于针对不同结构的数据分别提供不同的自动知识抽取方法，其中，将结构化数据、半结构化数据和非结构化数据自动转换为GeoJSON格式；

知识存储模块，用于利用RDF语言编辑工具根据概念层灾害应急场景数据的关系，构建灾害应急本体的概念框架，所述知识存储模块包括本体数据存储模块和实例模块，所述本体数据存储模块用于在支持RDF语义表示规范的图结构数据库中，基于灾害应急本体的概念框架，将灾害应急数据转换为三元组用于构建实例层数据，所述实例模块包括实例层数据，同时存储在支持RDF语义表示规范的图结构数据库和Key-Value数据库中；

分析服务模块，用于借助知识图谱，利用时空语义查询与推理技术提供灾害应急决策支持服务。

根据本发明的另一方面，提出一种面向动态分析的时空知识图谱构建方法，包括如下步骤：

数据资源采集管理步骤，从不同的数据源收集大规模的异构时空数据；

知识抽取步骤，针对不同结构的数据分别提供不同的自动知识抽取方法，其中，将结构化数据、半结构化数据和非结构化数据自动转换为GeoJSON格式；

知识存储步骤，利用RDF语言编辑工具根据概念层灾害应急场景数据的关系，构建灾害应急本体的概念框架，在支持RDF语义表示规范的图结构数据库中，基于灾害应急本体的概念框架，将灾害应急数据转换为三元组用于构建实例层数据，将实例层数据同时存储在支持RDF语义表示规范的图结构数据库和Key-Value数据库中；

分析服务步骤，借助知识图谱，利用时空语义查询与推理技术提供灾害应急决策支持服务。

有益效果：

本发明的一种面向动态分析的时空知识图谱构建系统和方法，采用了灾害应急场景多源异构数据的融合、以及面向实时应急决策支持基于规则的语义推理框架。一方面，本发明提出基于知识图谱融合灾害应急领域的多源异构数据的方法，建立了一个能够完整描述时空事实的语义的共性数据基底；另一方面，提出将灾害应急领域专业知识形式化为知识图谱的语义规则的新方法。它有助于通过基于规则的推理从知识图谱中获取具有时空特征的场景相关数据并自动产生定量化推理结果，用于提供实时的灾害应急决策支持。本发明的贡献和优点如下。

(1)从跨域数据整合的角度，知识图谱通过语义技术整合多源异构数据；

(2)提供一种对领域专业知识进行建模和推理的方法。在灾害应急如森林火灾预测场景中，可以有效地将多源专业知识表示为一种可以耦合多源异构时空数据自动推理产生预测结果的形式。

附图说明

图1为基于时空知识图谱的灾害应急多源异构数据组织管理与推理分析方法架构；

图2为层次关系和对象属性关系；

图3为SWRL推理规则示例；

图4为知识推理规则的概念层次示意图；

图5为灾害动态预测工作流程。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明提出一种面向动态分析的时空知识图谱构建系统，包括：

数据资源采集管理模块，用于从不同的数据源收集大规模的异构时空数据。

知识抽取模块，用于针对不同结构的数据分别提供不同的自动知识抽取方法。其中，结构化数据、半结构化数据和非结构化数据会自动转换为GeoJSON格式。

知识存储模块，用于利用Protégé等RDF语言编辑工具根据概念层灾害应急场景数据的关系，构建灾害应急本体的概念框架，并且将所述知识抽取模块生成的GeoJSON格式数据，按照所述灾害应急本体的概念框架定义的语义规范，转换存储为三元组和键值对两种形态的实例数据。包括本体数据存储模块，用于在支持RDF语义表示规范的图结构数据库中基于灾害应急本体的概念框架，将灾害应急数据转换为三元组用于构建实例层。实例模块，将所述本体数据存储模块生成的三元组存储在支持RDF语义表示规范的图结构数据库中，同时将上述三元组转化为键值对存储在Key-Value数据库中。

分析服务模块，借助知识图谱，利用时空语义查询与推理技术提供灾害应急决策支持服务。

具体的，各个模块设计如下：

所述数据资源管理采集管理模块，该层由灾害应急领域的多源异构原始数据组成。以森林火灾预测应用场景为例说明，该场景需要植被数据、植被覆盖数据、地形数据、气象数据和土地覆盖数据。其中地形数据是更新频率最低的静态数据。植被数据和植被覆盖度数据需要根据季节变化进行更新。土地覆盖数据更新频率低。更新时间与预测时间的时间差越短，土地覆被数据越接近实际数据。气象数据通常更新频繁，对森林火灾预报的时间间隔有明显影响。除气象数据外，其他数据的更新频率较低。

需要根据数据的特点和更新频率进行数据采集，为知识图谱提供准确、稳定的数据资源。

所述知识抽取模块，用于构建时空知识图谱，包含知识本体概念框架构建模块、知识实例提取模块。

所述的知识本体概念框架构建模块用于为知识实例提取、存储和应用提供统一完备规范的语义标准和结构约束，为多元知识的管理提供分门别类的逻辑容器，知识本体概念框架构建的过程是使用Protégé等RDF语言编辑工具为概念层设计本体。以Protégé工具为例说明实施方式，它是一种广泛使用的工具，可帮助用户创建和编辑本体。它提供了一个模型构建器来定义实体、实体之间的关系以及给定应用领域中实体的属性。

根据本发明的一个实施例，使用Protégé可以创建新的概念，包括类的层次关系、对象属性和类的数据属性，构建的本体导出为RDF文件。

根据本发明的一个实施例，利用所述的知识本体概念框架构建模块进行概念层设计，具体如下：

知识图谱的概念层是多源时空数据的逻辑结构，遵循已有的RDFS标准语义规范，面向灾害应急场景的动态分析需求提出一种新的针对性设计方案。它包含语义概念及其相互关系。基于从属关系、属性主客关系等不同概念之间的语义关联，构建树状层次概念网络，保证多源时空数据内在语义概念的一致性。知识图谱的概念层包括：灾害应急通用语义本体、时间本体、空间本体和三部分。

所述的灾害应急通用语义本体具体设计如下：

各类灾害的动态分析和决策支持需要多源时空数据的语义推理和协同计算。为此，本发明提出了一种与多源时空数据相关的地理实体多源概念的树状分类法。根据分类学，地理实体的概念分为五个领域：土地覆盖、气象信息、地形、地质和岩性、历史灾害。本发明定义了与每个地理实体的概念相关的领域属性谓词。

地理实体的概念构成了能够支持各类灾害分析和决策支持的通用语义本体。通用语义本体模型是分层的，并提出了一种可根据知识实例提供的信息实现通用语义本体模型自动扩展的方法。它为面向灾害动态分析和决策支持的语义推理奠定了基础。

所述时间本体具体设计如下：

时间本体提供统一的时间语义表示规范，以保证实体的时间信息具有可比性和可计算性。本发明利用斯坦福大学提出的SWRL时间本体来表示知识图谱的常见时间概念。

时间本体规定具有时间特征的实体需要使用SWRLTO:hasValidTime对象属性来关联有效时间类。由有效时间类表示的时间粒度由与SWRLTO:hasGranularity关联的Granularity类表示。Granularity类具有年、月、日、小时、分钟、秒和毫秒级别的表达式实体。ValidTime类具有ValidInstant和ValidPeriod子类，分别表示记录的时间和周期数据。时间数据表示为xsd:DateTime。

引用斯坦福大学提出的SWRL时间本体标准只是本发明构建时间本体的一种实施方式，也可引用其他的时间本体标准，只要在同一个实施例中保持时间本体标准的一致性即可。

所述空间本体具体设计如下：

空间本体的表达应用了由OGC(开放地理空间联盟)提出的地理语义查询规范GeoSPARQL。基于空间本体的空间数据组织可以描述经纬度坐标、几何中心点位置和面积。它为多源异构时空数据融合的灾害应急空间分析提供了基础。

引用OGC(开放地理空间联盟)提出的地理语义查询规范GeoSPARQL只是本发明构建空间本体的一种实施方式，也可引用其他的空间本体标准，只要在同一个实施例中保持空间本体标准的一致性即可。

知识实例提取模块，用于按照知识本体概念框架定义的语义标准和结构约束，从多源异构时空数据中提取以三元组为基本单元的知识实例，从而可以将提取得到的知识实例放入为多元知识逻辑容器(对应时空知识图谱构建方法中的实例层构建)加以管理和调用。本发明为不同类型的多源异构时空数据设计了不同的三元组提取方法，用于构建灾害应急决策支持所需的共性时空数据基底。各种数据需要转换到统一的坐标系。

地理信息数据主要可以分为矢量数据和栅格数据两种类型，为了实现多源异构时空数据的协同分析，首先要实现不同类型地理信息数据的统一矢量化表达，本发明采用OGC国际空间信息标准化组织提出的GeoJSON格式标准，作为多源异构时空数据的统一矢量化表达方式。其中针对常用的矢量地理信息数据格式，可以使用Arcpy或GDAL库直接转换为GeoJSON格式。针对常用的栅格地理信息数据格式，可以使用Arcpy或GDAL库分别将栅格数据包含的栅格灰度值转换为矢量数据中的属性，进而从矢量格式转换为GeoJSON格式。某些以离散点形态分布的原始数据，例如气象站数据，不便与其他空间现象的分布模式进行比较。因此需要采用合适的空间插值模型，根据点数据的分布情况生成栅格类型的插值结果，然后再转换为GeoJSON格式。

在将各类地理信息数据转换为GeoJSON格式过程中，属性集合中的每一个键值对需遵循以下规则：键的名称与知识本体概念框架定义的时间属性和相应类型地理实体属性名称(谓词名称)一致，值的数据类型与知识本体概念框架定义的时间属性和相应类型地理实体属性允许的数据类型(宾语数据类型)一致。由此，GeoJSON中包含的时间、空间和属性信息可以基于知识本体概念框架定义的时间、空间和相应类型地理实体属性语义标准和结构转换为三元组。

进一步的，在知识实例提取模块中，本发明构建了一个通用的多源异构地理信息的三元组数据转换器用于知识实例提取，首先将多源异构地理信息数据按照地理实体的类型，分类放在不同的目录或数据接口中作为待转换数据的入口，并事先设定相应目录或数据接口对应的地理实体类型的唯一标识符(知识本体概念框架定义的地理实体概念的通用资源描述符，即URI)；逐个遍历待转换数据入口，自动适配目录或数据接口中存储的多源异构地理信息数据并将其统一转换为GeoJSON格式，进而基于知识本体概念框架定义的时间、空间和相应类型地理实体属性语义标准和结构，将GeoJSON中的Geometry映射为空间信息三元组的谓语，并将Geometry值自动映射到符合GeoSPARQL格式规范的空间信息三元组的宾语；将GeoJSON中属性集合中的键自动映射为相应类型地理实体属性三元组的谓语，属性值自动映射为三元组中相应谓语的宾语。三元组形态的知识实例存储至支持RDF语义表示规范的图结构数据库中；与此同时，将三元组(主语-谓语-宾语)按照以下规则重组为多个键值对存入Key-Value数据库以加速动态分析场景下的属性信息检索速度：1)“主语+谓语”为键(“+”字符的含义为前后两个字符串连接成一个新字符串，下同)，“宾语”为值；2)“宾语+谓语”为键，“主语”为值；3)“实例所属地理实体类型+系统时间戳”为键，“主语”为值；4)“实例所属地理实体类型+地理编码”为键，“主语”为值。除了上述将三元组重组为键值对的规则外，将知识实例三元组拆解重组为场景所需的其他样式的键值对。

本发明针对实际场景中多源异构地理信息包含的属性信息可能随时增加的情形，设计了一种自动扩充完善知识本体概念框架的机制，本发明在知识实例提取过程中，通过对比知识本体概念框架中已有地理实体类型关联的属性概念集合，可以自动识别地理信息实例中包含的新增属性信息(体现为一个键值对)，对于这一类在知识实例提取过程中动态发现的属性数据，通过RDFS语言在知识本体概念框架中为相应地理实体类型创建一个新的属性概念(形态为若干个三元组，与知识实例提取所得的三元组集合一并存入知识库即可实现属性概念的动态扩充)，将新增属性信息键值对的键名作为新增属性概念的名称(谓词名称)，将新增属性信息键值对的值的数据类型作为新增属性概念允许的数据类型(宾语数据类型)。

根据本发明的一个实施例，知识实例提取模块从非结构化数据、半结构化数据、结构化数据提取知识的过程具体如下：

从非结构化数据中提取知识

动态灾害空间分析和决策支持需要高时空分辨率的土地覆盖数据。本发明以高分辨率卫星遥感影像为数据源，通过深度学习方法提取建筑物、道路等受灾体的空间分布。地表植被的空间分布通过NDVI数值计算方法得到。将不同来源非结构化数据提取获得的信息，根据概念层定义的时空和专业属性表示规范转换为三元组。三元组存储在支持RDF语义表示规范的图结构数据库中，同时按照所述知识实例提取模块定义的规则将三元组重组为多个键值对存入Key-Value数据库中。

从半结构化数据中提取知识

动态灾害空间分析和决策支持所需地形数据是GeoTIFF格式的栅格地理数据。本发明将所有类型的栅格数据转换为面要素的矢量数据，将地层年龄、断层和岩性分布等各类矢量数据统一转换成GeoJSON格式的矢量地理信息。对于所有类型的矢量地理信息，本发明将空间信息和特征属性转换为三元组存储在支持RDF语义表示规范的图结构数据库中，同时按照所述知识实例提取模块定义的规则将三元组重组为多个键值对存入Key-Value数据库中。

从结构化数据中提取知识

动态灾害空间分析和决策支持所需气象数据是多领域的结构化数据，与时空属性和专业属性有着直接的映射关系。由于绝大多数气象数据是正常的非灾害性数据，本发明仅将潜在致灾气象指标的空间信息元属性转换为三元组，避免大量无关数据导致推理速度低。将生成的气象相关三元组存储在支持RDF语义表示规范的图结构数据库中，同时按照所述知识实例提取模块定义的规则将三元组重组为多个键值对存入Key-Value数据库中。

所述的知识存储模块，兼容一系列支持RDF语义表示规范和W3C SPARQL协议规范的图结构数据库。以GraphDB数据库为例说明实施方式，该数据库支持所有RDF序列化格式，可以大规模执行语义推理，允许用户从现有事实中推导出新的语义事实，能够实时处理大量查询和推理。

所述分析服务模块，根据专业知识和预测算法构建时空语义推理规则(RuleObject)并存储为三元组。基于本发明建立的实时事件监听机制，当推理规则关联的事件发生时，服务控制器将通过SPARQL进行时空语义查询，进而通过对查询所得时空事实的量化计算来实现ActionObject定义的逻辑推理过程并输出推理结果。

基于本发明建立的实时事件监听机制，所述基于领域专家知识的灾害分析推理规则构建方法具体如下：

一阶逻辑推理规则的构建一阶逻辑(FOL)是一种形式系统，用于数学、哲学、语言学和计算机科学。具体来说，层次关系和对象属性关系可以描述为一阶谓词逻辑，如图2所示。灾害预测的通用本体、时间本体和空间本体是用OWL语言形式化建模的。层次关系和属性关系蕴含着一系列一阶逻辑推理，用以支持灾害分析场景中基于层次化语义关系的分析与查询。例如，本发明可以基于“植被”属于“可燃物”的子类的语义关系，推理得到“针叶林”也属于“可燃物”。

产生式推理规则的构建

由于一阶逻辑知识表示的局限性，本发明应用了SWRL(Semantic Web RuleLanguage)。它扩展了OWL公理集以包含类似Horn的规则。在本发明中，SWRL用于进一步增强知识图谱的定量化推理规则表达。例如，本发明可以使用这种语法，表示基于树种属性和树种对应的火灾风险级别属性的组合关系，得到树木的森林火灾风险级别属性的推理规则，如图3所示。

进一步的，本发明提出时空语义推理规则的构建方法

虽然SWRL可以支持基本的定量计算，但它不能支持包括时空语义在内的空间和时间的定量分析。本发明进一步提出一种支持时空语义的产生式推理规则的时空语义推理方法。时空语义推理规则RuleObiect是知识图谱自动执行推理程序的一套规则。每条规则由事件对象TriggerObject和动作对象ActionObject组成，表示为RuleObject＝(Tr，Ac)，其中Tr表示RuleObject中包含的事件，Ac表示RuleObject中包含的动作对象ActionObject，R为推理结果。本发明将事件TriggerObject定义为一个三元组，表示为TriggerObject＝(O，T，S)，其中O表示事件对象所包含的地理实体集，T和S分别表示地理实体集在时间维度和空间维度上的交集或并集。具有一组地理实体的时空共现或组合场景可以描述为事件对象，它是推理规则的适用条件的定义。本发明进一步定义，时空语义推理规则RuleObject与事件TriggerObject之间通过关系“hasTrigger”连接，并且定义关系“hasTrigger”具有传递性(例如，当A hasTrigger B且B hasTrigger C，则可基于“hasTrigger”的传递性规则，推理得到AhasTrigger C)，以便在特定类型事件发生时可以基于“hasTrigger”的传递性推理，基于图结构高效率检索得到特定类型事件关联的时空语义推理规则RuleObject；时空语义推理规则RuleObject与动作对象ActionObject之间通过关系“hasAction”连接。

事件(或动作)对象概念进一步细分为独立的事件(或动作)和事件(或动作)的组合，共同构成知识推理规则的概念。逻辑结构如图所示。其中，事件组合定义了“与事件组合”、“或事件组合”两种情况，不同情况下，地理实体组合触发时空语义推理规则RuleObject执行的充分条件定义如下：

1)“与事件组合”：事件组合中不同类别地理实体的实例之间的空间和时间交集非空。

2)“或事件组合”：事件组合中不同类别地理实体的实例之间的空间和时间并集非空。

动作组合定义了“与动作组合”、“或动作组合”两种情况，不同情况下推理规则关联推理动作执行逻辑定义如下：

1)“与动作组合”：动作组合中包含的所有推理动作(通常对应于一个函数)依次执行。

2)“或动作组合”：动作组合中包含的推理动作(通常对应于一个函数)依次检查是否满足执行条件，只执行第一个满足执行条件的推理动作，其余推理动作不执行。

很多情况下，某一个推理动作产生的推理结果，将作为后续推理的已知条件，参与后续推理过程。为了实现将中间过程的推理结果作为推理上下文，传递到后续推理环节，定义了一种特殊的独立动作“触发下一推理规则”和一种特殊的独立事件“收到推理上下文”。独立动作“触发下一推理规则”与独立事件“收到推理上下文”实现两个独立推理规则之间的推理上下文传递和过程衔接，其执行逻辑定义如下：

1)独立动作“触发下一推理规则”：将把包含该独立动作的时空语义推理规则RuleObject对象涉及的所有地理实体、以及已推理产生的可传递至后续推理环节的全部推理结果，封装为“推理上下文对象”；并将该“推理上下文对象”封装为一个新的独立事件“收到推理上下文”，进而将这个新创建的“收到推理上下文”独立事件传递至指定的下游时空语义推理规则RuleObject上。

2)独立事件“收到推理上下文”：当某个时空语义推理规则RuleObject接收到上游推理规则通过“触发下一推理规则”独立动作打包传递的推理上下文信息时，将把收到的“推理上下文对象”包含的所有地理实体、以及前序推理环节已产生的全部推理结果，作为当前待执行推理规则的已知条件，代入后续推理计算任务。

本发明构建了一种用于灾害应急决策支持的实时信息自动实时监测机制，它从结构化、半结构化和非结构化数据源中提取与灾害发生和发展相关的动态信息，即目标对象的空间、时间和状态等属性。它将提取的信息封装成GeoJSON格式的实时事件消息对象。动态数据的更新将触发知识图谱的自动判断。

本发明设计了一种基于推理规则的链式自动推理方法。以滑坡和森林火灾两种灾害的自动化预测为例说明，如图5所示，该推理过程的数据流向为：气象数据(括气象监测数据、气象预报数据)通过相应的数据接口输入，基于本发明所述知识抽取模块中“知识实例提取”功能，首先完成时空知识图谱实例层中气象实例的动态更新；成功更新的气象实例集合将作为一个参数，输入三元组灾害预测模型开始计算，计算过程中将从时空知识图谱数据集合中自动检索获取所需各类地理实体数据，三元组灾害预测模型最终计算输出模型对应的灾害类型预测结果。

该推理过程是基于推理规则知识驱动的，其具体实现机制为：气象数据的外部输入将自动产生“气象数据”类型的独立事件；系统在监听到该类型独立事件发生的时候，将从已有知识图谱的三元组数据集合中，基于该特定类型独立事件与时空语义推理规则RuleObject对象之间带有传递性的“hasTrigger”语义关系，自动检索得到所有包含该类型独立事件的时空语义推理规则RuleObject对象集合，进而触发所有的以“气象数据”为触发条件的时空语义推理规则RuleObject对象集合的执行(“三元组灾害预测模型”只是RuleObject对象集合中的一个元素)，按照本发明所述支持时空语义的产生式推理规则的时空语义推理方法(参见前述时空语义推理规则的构建)，自动完成该推理规则集合定义的链式推理工作流，最终实现未来一定时间段内灾害预测结果的输出。该方法将灾害预测模型的计算逻辑划分为一系列的前因和后果。前件是包含一系列地理实体的执行条件。当地理实体存在交集并且满足前件中设置的条件时，将触发与前件关联的后续，即动作对象。

通过对RuleObject的定义，以灾害的自动化预测应用场景为例说明，需要分别建立时间概率、空间概率、强度概率、受灾体易损性等独立定量要素的计算与上下文衔接流转逻辑。这样，它可以自动定量分析气象等灾害相关要素数据更新引发的特定时空范围灾害风险的动态变化情况，这是单纯使用带有SWRL的产生式规则推理做不到的。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (11)

1.一种面向动态分析的时空知识图谱构建系统，其特征在于，包括：

数据资源采集管理模块，用于从不同的数据源收集大规模的异构时空数据；

知识抽取模块，用于针对不同结构的数据分别提供不同的自动知识抽取方法，以GeoJSON格式作为多源异构时空数据知识抽取结果的统一矢量化表达方式，其中，将结构化数据、半结构化数据和非结构化数据自动转换为GeoJSON格式；

知识存储模块，用于利用RDF语言编辑工具根据概念层灾害应急场景数据的关系，构建灾害应急本体的概念框架，所述知识存储模块包括本体数据存储模块和实例模块，所述本体数据存储模块用于基于灾害应急本体的概念框架，将灾害应急数据转换为三元组用于构建实例层数据，所述实例模块包括实例层数据，将所述本体数据存储模块生成的三元组存储在支持RDF语义表示规范的图结构数据库中，同时将上述三元组转化为键值对存储在Key-Value数据库中；

分析服务模块，用于借助知识图谱，利用时空语义查询与推理技术提供灾害应急决策支持服务。

2.根据权利要求1所述的一种面向动态分析的时空知识图谱构建系统，其特征在于，

所述数据资源采集管理模块，采集多源异构原始数据，需要根据数据的特点和更新频率进行数据采集，为知识图谱提供准确、稳定的数据资源。

3.根据权利要求1所述的一种面向动态分析的时空知识图谱构建系统，其特征在于，

所述知识抽取模块，用于构建时空知识图谱，包括知识本体概念框架构建模块、知识实例提取模块；

所述的知识本体概念框架构建模块用于为知识实例提取、存储和应用提供统一完备规范的语义标准和结构约束，为多元知识的管理提供分门别类的逻辑容器；

知识实例提取模块，用于按照知识本体概念框架定义的语义标准和结构约束，从多源异构时空数据中提取以三元组为基本单元的知识实例，从而将提取得到的知识实例放入多元知识逻辑容器加以管理和调用，为不同类型的多源异构时空数据设计了不同的三元组提取方法，用于构建灾害应急决策支持所需的共性时空数据基底。

4.根据权利要求1所述的一种面向动态分析的时空知识图谱构建系统，其特征在于，

所述的知识本体概念框架构建模块进行概念层设计，具体如下：

知识图谱的概念层是多源时空数据的逻辑结构，包含语义概念及其相互关系，基于从属关系、属性主客关系等不同概念之间的语义关联，构建树状层次概念网络，保证多源时空数据内在语义概念的一致性；知识图谱的概念层包括：灾害应急通用语义本体、时间本体、空间本体和三部分。

5.根据权利要求1所述的一种面向动态分析的时空知识图谱构建系统，其特征在于，

所述知识实例提取模块，用于按照知识本体概念框架定义的语义标准和结构约束，从多源异构时空数据中提取以三元组为基本单元的知识实例，从而可以将提取得到的知识实例放入多元知识逻辑容器加以管理和调用。

6.根据权利要求3所述的一种面向动态分析的时空知识图谱构建系统，其特征在于，

在知识实例提取模块中，构建通用的多源异构地理信息的三元组数据转换器用于知识实例提取，首先将多源异构地理信息数据按照地理实体的类型，分类放在不同的目录或数据接口中作为待转换数据的入口，并事先设定相应目录或数据接口对应的地理实体类型的唯一标识符；逐个遍历待转换数据入口，自动适配目录或数据接口中存储的多源异构地理信息数据并将其统一转换为GeoJSON格式，进而基于知识本体概念框架定义的时间、空间和相应类型地理实体属性语义标准和结构，将GeoJSON中的Geometry映射为空间信息三元组的谓语，并将Geometry值自动映射到符合GeoSPARQL格式规范的空间信息三元组的宾语；将GeoJSON中属性集合中的键自动映射为相应类型地理实体属性三元组的谓语，属性值自动映射为三元组中相应谓语的宾语。

7.根据权利要求6所述的一种面向动态分析的时空知识图谱构建系统，其特征在于，

在知识实例提取过程中，通过对比知识本体概念框架中已有地理实体类型关联的属性概念集合，自动识别地理信息实例中包含的新增属性信息，对于这一类在知识实例提取过程中动态发现的属性数据，通过RDFS语言在知识本体概念框架中为相应地理实体类型创建一个新的属性概念，将新增属性信息键值对的键名作为新增属性概念的名称，将新增属性信息键值对的值的数据类型作为新增属性概念允许的数据类型。

8.根据权利要求1所述的一种面向动态分析的时空知识图谱构建系统，其特征在于：

所述分析服务模块，根据专业知识和预测算法构建时空语义推理规则并存储为三元组，基于实时事件监听机制，当推理规则关联的事件发生时，服务控制器将通过SPARQL进行时空语义查询，进而通过对查询所得时空事实的量化计算来实现ActionObject定义的逻辑推理过程并输出推理结果。

9.根据权利要求8所述的一种面向动态分析的时空知识图谱构建系统，其特征在于：

采用支持时空语义的产生式推理规则的时空语义推理方法，具体包括：

将事件TriggerObject定义为一个三元组，表示为TriggerObject＝(O，T，S)，其中O表示事件对象所包含的地理实体集，T和S分别表示地理实体集在时间维度和空间维度上的交集或并集，具有一组地理实体的时空共现或组合场景以描述为事件对象，它是推理规则的适用条件的定义；定义时空语义推理规则RuleObject与事件TriggerObject之间通过关系“hasTrigger”连接，并且定义关系“hasTrigger”具有传递性，以便在特定类型事件发生时可以基于“hasTrigger”的传递性推理，基于图结构高效率检索得到特定类型事件关联的时空语义推理规则RuleObject；时空语义推理规则RuleObject与动作对象ActionObject之间通过关系“hasAction”连接。

10.根据权利要求8所述的一种面向动态分析的时空知识图谱构建系统，其特征在于：采用实时信息自动实时监测机制，从结构化、半结构化和非结构化数据源中提取与灾害发生和发展相关的动态信息，即目标对象的空间、时间和状态属性，将提取的信息封装成GeoJSON格式的实时事件消息对象，动态数据的更新将触发知识图谱的自动判断。

11.一种面向动态分析的时空知识图谱构建方法，其特征在于，包括如下步骤：

数据资源采集管理步骤，从不同的数据源收集大规模的异构时空数据；

知识抽取步骤，针对不同结构的数据分别提供不同的自动知识抽取方法，其中，将结构化数据、半结构化数据和非结构化数据自动转换为GeoJSON格式；

知识存储步骤，利用RDF语言编辑工具根据概念层灾害应急场景数据的关系，构建灾害应急本体的概念框架，基于灾害应急本体的概念框架，将灾害应急数据转换为三元组用于构建实例层数据，将实例层数据三元组存储在支持RDF语义表示规范的图结构数据库中，同时将上述三元组转化为键值对存储在Key-Value数据库中；

分析服务步骤，借助知识图谱，利用时空语义查询与推理技术提供灾害应急决策支持服务。

Images