CN114880484A - 一种基于向量映射的卫星通信频轨资源图谱构建方法 - Google Patents
一种基于向量映射的卫星通信频轨资源图谱构建方法 Download PDFInfo
- Publication number
- CN114880484A CN114880484A CN202210511203.1A CN202210511203A CN114880484A CN 114880484 A CN114880484 A CN 114880484A CN 202210511203 A CN202210511203 A CN 202210511203A CN 114880484 A CN114880484 A CN 114880484A
- Authority
- CN
- China
- Prior art keywords
- satellite communication
- communication frequency
- orbit
- entity
- knowledge
- 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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Databases & Information Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种基于向量映射的卫星通信频轨资源图谱构建方法,其具体步骤包括:获取卫星通信频轨资源管控工作中所涉及的卫星通信频轨资源数据,构建卫星通信频轨资源知识体系,进行频轨资源知识抽取,再对卫星通信频轨资源知识进行向量表示,之后融合需加入卫星通信频轨资源图谱的知识,再采用基于能量函数的关系补全方法对频轨资源图谱进行加工,最后使用基于表示学习的实体对齐对频轨资源图谱进行更新。本发明提出了一套完整的卫星通信频轨资源知识图谱构建方法,并将主要过程映射到向量空间中进行操作,利于对庞杂的卫星通信频轨资源知识进行高效表达,可准确捕捉频轨资源知识中的隐式信息。
Description
技术领域
本发明属于卫星通信领域,尤其涉及一种基于向量映射的卫星通信频轨资源图谱构建方法。
背景技术
卫星通信频轨资源是国际太空中十分稀缺且不可再生的战略资源。然而卫星通信频轨资源信息具有来源多样、形式不一的特点,相关工作人员需要面对庞杂的卫星通信频轨资源信息,需要从各类、各层次、各渠道获取的异构的卫星通信频轨相关数据中掌握在轨卫星轨道使用情况、通信卫星频谱使用及干扰情况、隐藏合作态势等有用信息,这就给卫星通信频轨资源的利用和管理工作带来了很大的困难。同时,知识图谱作为知识工程这一人工智能技术重要分支在大数据环境下的成功应用,能将卫星通信频轨资源数据信息表达成更加贴近人类认知世界的知识表现形式,具有数据规模巨大、语义关系丰富、质量优秀、结构友好等特性。
中国专利CN112835868A中提出了基于天地一体化网络安全知识图谱的关联分析方法,构建了基于天地一体化网络的网络安全知识图谱,利用所构建的知识图谱还原攻击场景,但是没有构建出面向卫星通信频轨资源领域知识图谱,也不涉及卫星通信频轨资源图谱的构建方法。
发明内容
本发明针对卫星通信频轨资源信息十分庞杂、卫星通信频轨资源日益枯竭、并且卫星通信频轨资源综合管控十分困难等问题,提出了一种基于向量映射的卫星通信频轨资源图谱构建方法,能够构建出完整的卫星通信频轨资源图谱,并将卫星通信频轨资源知识映射到向量空间,有利于对庞杂的卫星通信频轨资源知识进行高效表达和处理,可对卫星通信频轨资源进行资源挖掘与管理,具有效率高、智能化和可拓展性强的特点。
本发明公开了一种基于向量映射的卫星通信频轨资源图谱构建方法,其具体步骤包括:
S1,获取卫星通信频轨资源管控工作中所涉及的卫星通信频轨资源数据,根据所获取的卫星通信频轨资源数据,构建包括实例层和模式层两个层次的卫星通信频轨资源知识体系;
所述的实例层,包括具体的卫星通信频轨资源知识实体及实体之间的关系,所述的模式层,包含卫星通信频轨知识本体库,所述的卫星通信频轨知识本体库是若干用来描述卫星通信频轨资源相关知识领域中概念、概念属性以及概念之间关系的模式的集合;
获取卫星通信频轨资源管控工作中所涉及的卫星通信频轨资源数据,是从互联网卫星数据库中获取,或者从卫星运维管控中心所采集的卫星通信运行数据中获取。
S2,获取互联网卫星通信频轨资源数据,利用步骤S1中所构建的卫星通信频轨资源知识体系模式层,对所获取的互联网卫星通信频轨资源数据进行实体识别和关系抽取,得到卫星通信频轨资源知识,卫星通信频轨资源知识包括卫星通信频轨资源的相关实体和对应关系;
所述的互联网卫星通信频轨资源数据,包括国际电联的SRS数据库中的结构化卫星通信频轨资源数据和互联网卫星通信频轨资源网站、文本中的非结构化卫星通信频轨资源数据;
S3,将步骤S2中得到的卫星通信频轨资源知识进行向量表示,将卫星通信频轨资源知识映射到向量空间,得到卫星通信频轨资源知识的向量表示;
S31,将步骤S2得到的卫星通信频轨资源知识所包含的所有实体和关系划分为若干个三元组,每个三元组记为(h,r,t),其中h表示三元组的头实体,t表示三元组的尾实体,r表示三元组的头实体到尾实体的关系,将每个三元组作为一个正样本,所有三元组构成正样本空间S;将正样本空间S中的三元组进行随机两两配对,将配对后的两个三元组之间,相互交换头实体与尾实体,交换完成后的每个三元组作为一个负样本,所有交换完成后的三元组(h′,r,t′),构成负样本空间S′;
S33,建立用于构建所有实体、关系的向量表示的损失函数L,其表达式为:
其中,fr(h,t)为正样本的得分函数,fr(h′,t′)为负样本的得分函数,γ表示三元组得分的间隔距离;得分函数的表达式为:
其中,|| ||L2表示计算向量的L2范数;
S34,将所有头实体、尾实体和关系的向量进行随机初始化,然后使用随机梯度下降优化方法,以最小化L为目标,迭代优化上述所有向量中的参数,在损失函数收敛后,得到卫星通信频轨资源知识的映射到向量空间的向量表示;
S4,以步骤S1中构建的卫星通信频轨资源知识体系为提取规则,从在线知识库中提取涉及卫星通信频轨资源领域的实体实例、关系实例,将其与步骤S2中得到的卫星通信频轨资源知识进行融合,构建得到卫星通信频轨资源图谱;
S5,对卫星通信频轨资源图谱中的卫星通信频轨资源知识进行加工,得到加工后的卫星通信频轨资源图谱;对步骤S4构建的卫星通信频轨资源图谱,进行卫星通信频轨资源知识推理,对卫星通信频轨资源图谱中的缺失关系进行补全,挖掘卫星通信频轨资源图谱的实体之间的内在关系;对实体类型、实体和属性三类个体对象和卫星通信频轨资源图谱中的各类关系,采用基于均匀随机采样的抽样检测法,对卫星通信频轨资源知识进行可信度度量,并舍弃可信度低于某阈值的卫星通信频轨资源信息,完成卫星通信频轨资源图谱的质量评估,得到加工后的卫星通信频轨资源图谱;
所述的卫星通信频轨资源图谱中的各类关系,包括实体类型之间的关系、实体类型与实体之间的关系和实体之间的关系三类关系。
所述的进行卫星通信频轨资源知识推理,采用基于能量函数的缺失关系补全方法,其具体包括:
S52,对所述的卫星通信频轨资源图谱中所包含的每个三元组,分别计算其能量函数,并针对所有能量函数的上限对其设置一个能量阈值threshold;
S53,用所述的卫星通信频轨资源图谱中的任意一个实体的头实体或者尾实体替换其他任意一个实体的三元组中对应的头实体或者尾实体,得到推理三元组(h′,r,t′),若该推理三元组的能量函数取值小于threshold,则判定推理三元组是正确的,从而确定推理三元组中的头实体h′与尾实体t′之间存在关系r;
S54,将正确的推理三元组(h′,r,t′)作为新的三元组,加入到卫星通信频轨资源图谱中。
S6,更新卫星通信频轨资源图谱;
针对随时间变化的卫星通信频轨资源信息,采用定期双层更新的方法,在一个设定的更新时间间隔内,分别对卫星通信频轨资源知识体系实例层的实体和卫星通信频轨资源知识体系模式层的本体库进行更新,利用更新后的本体库和实体对卫星通信频轨知识体系进行更新,以更新后的卫星通信频轨资源知识体系为提取规则,从在线知识库中再次提取涉及卫星通信频轨资源领域的实体实例、关系实例,对卫星通信频轨资源图谱进行更新;
所述的随时间变化的卫星通信频轨资源信息,包括空间频轨资源监测信息、卫星通信频段使用情况、卫星轨位占用情况;
所述的对卫星通信频轨资源知识体系的实例层的实体进行更新,其具体包括:
S61,将已构建的卫星通信频轨资源图谱作为第一卫星通信频轨资源图谱G1,第一卫星通信频轨资源图谱G1中的三元组记为T,将更新后的卫星通信频轨资源知识所构成的卫星通信频轨资源图谱作为第二卫星通信频轨资源图谱,第二卫星通信频轨资源图谱G2中的三元组记为T′;分别对两类三元组进行基于TransE模型的向量表示,G1的所有三元组的向量表示构成向量空间L1,G2的所有三元组的向量表示构成向量空间L2;用δ(L1,L2)表示G1和G2中相同的三元组的集合,即G1和G2中已经对齐的三元组对的集合;
S62,构建对齐模型目标函数,其表达式为:
其中,Sa(T,T′)表示每个对齐的三元组对的对齐评分函数,其计算方法为
S63,初始化vh 12、vr 12和vt 12,以最小化SA为目标,采用随机梯度下降优化方法,训练得到最终的映射向量(vh0 12,vr0 12,vt0 12);
S64,利用映射向量(vh0 12,vr0 12,vt0 12),将向量空间L2的所有向量表示都反向映射到向量空间L1中,对于从向量空间L2中反向映射到向量空间L1的向量表示若在向量空间L1中存在与其距离小于对齐阈值的向量表示则认为向量表示x2对应的实体与向量表示x1对应的实体为等价实体,将向量表示x2对应的实体对齐到向量表示x1对应的实体,从而完成对向量表示x2对应的实体的更新,得到更新后的卫星通信频轨资源知识;
S65,按照步骤S61至步骤S64,将G2中所有可对齐的实体与G1中的相应实体进行对齐,将G2中对齐实体的关系加入到G1中相应对齐实体中,完成卫星通信频轨资源知识体系的实例层的实体更新。
所述的对卫星通信频轨资源知识体系模式层的本体库进行更新,其操作与对卫星通信频轨资源知识体系的实例层的实体进行更新的操作相似。
本发明的有益效果包括:
1、本发明利用知识图谱技术构建出卫星通信频轨资源领域知识图谱,能够表征卫星通信频轨资源领域的复杂语义,可对庞杂的卫星通信频轨资源知识进行高效表达;
2、本发明通过将卫星通信频轨知识表示、卫星通信频轨知识加工和卫星通信频轨知识更新等图谱构建的关键过程都映射到向量空间中进行操作,利于对图谱实体之间的隐形关系与潜在信息进行知识推理,可提高知识加工、知识更新等步骤的效率,以便进行频轨资源信息的深度挖掘、攫取可用的卫星通信频轨资源;
3、本发明构建出卫星通信频轨资源领域知识图谱,能够支撑卫星通信频轨资源管理的智能化,通过为卫星通信频轨管理提供多域关联的频谱、轨道知识参考,知识图谱可以将卫星通信频轨管理中各个零散的工作环节串联起来,自动进行多步查询推理,从而减少卫星通信频轨管理对人工操作的依赖。
附图说明
图1为本发明中的一种基于向量映射的卫星通信频轨资源图谱构建方法流程示意图。
具体实施方式
知识图谱给卫星通信频轨资源的利用和管理工作提供了一种很好的工具。因此,将知识图谱与卫星通信频轨资源相结合,构建出一种适用于卫星通信频轨资源利用和管理工作的领域知识图谱,能够将多源异构的通信卫星工作频段、工作轨道、信号频谱、空间环境等信息进行规范统一的表达。同时,用参数化的向量来表示知识中的实体以及实体之间的关系,并利用神经网络来实现更加准确的知识推理成为了知识图谱的重要发展趋势;基于向量的方法利于捕捉复杂卫星通信频轨资源知识中的隐式信息,将推理、对齐过程转化为向量、矩阵或者张量之间的计算拥有更高的效率。综上所述,研究一种将关键步骤映射到向量空间进行操作的卫星通信频轨资源图谱构建方法是十分必要的。
下面结合实施例,对本发明进行详细描述。
如图1所示,本发明公开了一种基于向量映射的卫星通信频轨资源图谱构建方法,其具体步骤包括:
S1,获取卫星通信频轨资源管控工作中所涉及的卫星通信频轨资源数据,根据所获取的卫星通信频轨资源数据,构建包括实例层和模式层两个层次的卫星通信频轨资源知识体系;
所述的实例层,包括具体的卫星通信频轨资源知识实体及实体之间的关系,所述的模式层,包含卫星通信频轨知识本体库,所述的卫星通信频轨知识本体库是若干用来描述卫星通信频轨资源相关知识领域中概念、概念属性以及概念之间关系的模式的集合;
获取卫星通信频轨资源管控工作中所涉及的卫星通信频轨资源数据,是从互联网卫星数据库中获取,或者从卫星运维管控中心所采集的卫星通信运行数据中获取。
S2,获取互联网卫星通信频轨资源数据,利用步骤S1中所构建的卫星通信频轨资源知识体系模式层,对所获取的互联网卫星通信频轨资源数据进行实体识别和关系抽取,得到卫星通信频轨资源知识,卫星通信频轨资源知识包括卫星通信频轨资源的相关实体和对应关系;
所述的互联网卫星通信频轨资源数据,包括国际电联的SRS数据库中的结构化卫星通信频轨资源数据和互联网卫星通信频轨资源网站、文本中的非结构化卫星通信频轨资源数据;
S3,将步骤S2中得到的卫星通信频轨资源知识进行向量表示,将卫星通信频轨资源知识映射到向量空间,得到卫星通信频轨资源知识的向量表示;
S31,将步骤S2得到的卫星通信频轨资源知识所包含的所有实体和关系划分为若干个三元组,每个三元组记为(h,r,t),其中h表示三元组的头实体,t表示三元组的尾实体,r表示三元组的头实体到尾实体的关系,将每个三元组作为一个正样本,所有三元组构成正样本空间S;将正样本空间S中的三元组进行随机两两配对,将配对后的两个三元组之间,相互交换头实体与尾实体,交换完成后的每个三元组作为一个负样本,所有交换完成后的三元组(h′,r,t′),构成负样本空间S′;
S33,建立用于构建所有实体、关系的向量表示的损失函数L,其表达式为:
其中,fr(h,t)为正样本的得分函数,fr(h′,t′)为负样本的得分函数,γ表示三元组得分的间隔距离;得分函数的表达式为:
其中,|| ||L2表示计算向量的L2范数;
S34,将所有头实体、尾实体和关系的向量进行随机初始化,然后使用随机梯度下降优化方法,以最小化L为目标,迭代优化上述所有向量中的参数,在损失函数收敛后,得到卫星通信频轨资源知识的映射到向量空间的向量表示;
S4,以步骤S1中构建的卫星通信频轨资源知识体系为提取规则,从在线知识库中提取涉及卫星通信频轨资源领域的实体实例、关系实例,将其与步骤S2中得到的卫星通信频轨资源知识进行融合,构建得到卫星通信频轨资源图谱;
S5,对卫星通信频轨资源图谱中的卫星通信频轨资源知识进行加工,得到加工后的卫星通信频轨资源图谱;对步骤S4构建的卫星通信频轨资源图谱,进行卫星通信频轨资源知识推理,对卫星通信频轨资源图谱中的缺失关系进行补全,挖掘卫星通信频轨资源图谱的实体之间的内在关系;对实体类型、实体和属性三类个体对象和卫星通信频轨资源图谱中的各类关系,采用基于均匀随机采样的抽样检测法,对卫星通信频轨资源知识进行可信度度量,并舍弃可信度低于某阈值的卫星通信频轨资源信息,完成卫星通信频轨资源图谱的质量评估,得到加工后的卫星通信频轨资源图谱;
所述的卫星通信频轨资源图谱中的各类关系,包括实体类型之间的关系、实体类型与实体之间的关系和实体之间的关系三类关系。
所述的进行卫星通信频轨资源知识推理,采用基于能量函数的缺失关系补全方法,其具体包括:
S52,对所述的卫星通信频轨资源图谱中所包含的每个三元组,分别计算其能量函数,并针对所有能量函数的上限对其设置一个能量阈值threshold;
S53,用所述的卫星通信频轨资源图谱中的任意一个实体的头实体或者尾实体替换其他任意一个实体的三元组中对应的头实体或者尾实体,得到推理三元组(h′,r,t′),若该推理三元组的能量函数取值小于threshold,则判定推理三元组是正确的,从而确定推理三元组中的头实体h′与尾实体t′之间存在关系r;
S54,将正确的推理三元组(h′,r,t′)作为新的三元组,加入到卫星通信频轨资源图谱中。
S6,更新卫星通信频轨资源图谱;
针对随时间变化的卫星通信频轨资源信息,采用定期双层更新的方法,在一个设定的更新时间间隔内,分别对卫星通信频轨资源知识体系实例层的实体、卫星通信频轨资源知识体系模式层的本体库进行更新,利用更新后的本体库和实体对卫星通信频轨知识体系进行更新,以更新后的卫星通信频轨资源知识体系为提取规则,从在线知识库中再次提取涉及卫星通信频轨资源领域的实体实例、关系实例,对卫星通信频轨资源图谱进行更新;
所述的随时间变化的卫星通信频轨资源信息,包括空间频轨资源监测信息、卫星通信频段使用情况、卫星轨位占用情况;
对卫星通信频轨资源知识体系的实例层的实体进行更新,其具体包括:
S61,将已构建的卫星通信频轨资源图谱作为第一卫星通信频轨资源图谱G1,第一卫星通信频轨资源图谱G1中的三元组记为T,T=(h,r,t),将更新后的卫星通信频轨资源知识所构成的卫星通信频轨资源图谱作为第二卫星通信频轨资源图谱,第二卫星通信频轨资源图谱G2中的三元组记为T′,T′=(h′,r′,t′);分别对两类三元组进行基于TransE模型的向量表示,G1的所有三元组的向量表示构成向量空间L1,G2的所有三元组的向量表示构成向量空间L2;用δ(L1,L2)表示G1和G2中相同的三元组的集合,即G1和G2中已经对齐的三元组对的集合;
S62,构建对齐模型目标函数,其表达式为:
其中,Sa(T,T′)表示每个对齐的三元组对的对齐评分函数,其计算方法为
S63,初始化vh 12、vr 12和vt 12,以最小化SA为目标,采用随机梯度下降优化方法,训练得到最终的映射向量(vh0 12,vr0 12,vt0 12);
S64,利用映射向量(vh0 12,vr0 12,vt0 12),将向量空间L2的所有向量表示都反向映射到向量空间L1中,对于从向量空间L2中反向映射到向量空间L1的向量表示若在向量空间L1中存在与其距离小于对齐阈值的向量表示则认为向量表示x2对应的实体与向量表示x1对应的实体为等价实体,将向量表示x2对应的实体对齐到向量表示x1对应的实体,从而完成对向量表示x2对应的实体的更新,得到更新后的卫星通信频轨资源知识;
S65,按照步骤S61至步骤S64,将G2中所有可对齐的实体与G1中的相应实体进行对齐,将G2中对齐实体的关系加入到G1中相应对齐实体中,完成卫星通信频轨资源知识体系的实例层的实体更新。
以上结合附图详细说明了本发明,但是本领域的普通技术人员应当明白,说明书是用于解释权利要求的,本发明的保护范围以权利要求为准,在本发明的基础上,任何所做的修改、等同替换和改进等都应当在所要求的保护范围内。
Claims (10)
1.一种基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,其具体步骤包括:
S1,获取卫星通信频轨资源管控工作中所涉及的卫星通信频轨资源数据,根据所获取的卫星通信频轨资源数据,构建包括实例层和模式层两个层次的卫星通信频轨资源知识体系;
S2,获取互联网卫星通信频轨资源数据,利用步骤S1中所构建的卫星通信频轨资源知识体系模式层,对所获取的互联网卫星通信频轨资源数据进行实体识别和关系抽取,得到卫星通信频轨资源知识,卫星通信频轨资源知识包括卫星通信频轨资源的相关实体和对应关系;
S3,将步骤S2中得到的卫星通信频轨资源知识进行向量表示,将卫星通信频轨资源知识映射到向量空间,得到卫星通信频轨资源知识的向量表示;
S4,以步骤S1中构建的卫星通信频轨资源知识体系为提取规则,从在线知识库中提取涉及卫星通信频轨资源领域的实体实例和关系实例,将其与步骤S2中得到的卫星通信频轨资源知识进行融合,构建得到卫星通信频轨资源图谱;
S5,对卫星通信频轨资源图谱中的卫星通信频轨资源知识进行加工,得到加工后的卫星通信频轨资源图谱;
S6,更新卫星通信频轨资源图谱。
2.如权利要求1所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的实例层,包括具体的卫星通信频轨资源知识实体及实体之间的关系,所述的模式层,包含卫星通信频轨知识本体库,所述的卫星通信频轨知识本体库是若干用来描述卫星通信频轨资源相关知识领域中概念、概念属性以及概念之间关系的模式的集合。
3.如权利要求1所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的获取卫星通信频轨资源管控工作中所涉及的卫星通信频轨资源数据,是从互联网卫星数据库中获取,或者从卫星运维管控中心所采集的卫星通信运行数据中获取。
4.如权利要求1所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的互联网卫星通信频轨资源数据,包括国际电联的SRS数据库中的结构化卫星通信频轨资源数据和互联网卫星通信频轨资源网站、文本中的非结构化卫星通信频轨资源数据。
5.如权利要求1所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的步骤S3,包括:
S31,将步骤S2得到的卫星通信频轨资源知识所包含的所有实体和关系划分为若干个三元组,每个三元组记为(h,r,t),其中h表示三元组的头实体,t表示三元组的尾实体,r表示三元组的头实体到尾实体的关系,将每个三元组作为一个正样本,所有三元组构成正样本空间S;将正样本空间S中的三元组进行随机两两配对,将配对后的两个三元组之间,相互交换头实体与尾实体,交换完成后的每个三元组作为一个负样本,所有交换完成后的三元组(h′,r,t′),构成负样本空间S′;
S33,建立用于构建所有实体、关系的向量表示的损失函数L,其表达式为:
其中,fr(h,t)为正样本的得分函数,fr(h′,t′)为负样本的得分函数,γ表示三元组得分的间隔距离;得分函数的表达式为:
其中,|| ||L2表示计算向量的L2范数;
S34,将所有头实体、尾实体和关系的向量进行随机初始化,然后使用随机梯度下降优化方法,以最小化L为目标,迭代优化上述所有向量中的参数,在损失函数收敛后,得到卫星通信频轨资源知识的映射到向量空间的向量表示。
6.如权利要求1所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的步骤S5,包括:对步骤S4构建的卫星通信频轨资源图谱,进行卫星通信频轨资源知识推理,对卫星通信频轨资源图谱中的缺失关系进行补全,挖掘卫星通信频轨资源图谱的实体之间的内在关系;对实体类型、实体和属性三类个体对象以及卫星通信频轨资源图谱中的各类关系,采用基于均匀随机采样的抽样检测法,对卫星通信频轨资源知识进行可信度度量,并舍弃可信度低于某阈值的卫星通信频轨资源信息,完成卫星通信频轨资源图谱的质量评估,得到加工后的卫星通信频轨资源图谱。
7.如权利要求6所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的卫星通信频轨资源图谱中的各类关系,包括实体类型之间的关系、实体类型与实体之间的关系和实体之间的关系。
8.如权利要求6所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的进行卫星通信频轨资源知识推理,其具体包括:
S52,对所述的卫星通信频轨资源图谱中所包含的每个三元组,分别计算其能量函数,并针对所有能量函数的上限对其设置一个能量阈值threshold;
S53,用所述的卫星通信频轨资源图谱中的任意一个实体的头实体或者尾实体替换其他任意一个实体的三元组中对应的头实体或者尾实体,得到推理三元组(h′,r,t′),若该推理三元组的能量函数取值小于threshold,则判定推理三元组是正确的,从而确定推理三元组中的头实体h′与尾实体t′之间存在关系r;
S54,将正确的推理三元组(h′,r,t′)作为新的三元组,加入到卫星通信频轨资源图谱中。
9.如权利要求1所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的步骤S6,包括:
针对随时间变化的卫星通信频轨资源信息,采用定期双层更新的方法,在一个设定的更新时间间隔内,分别对卫星通信频轨资源知识体系实例层的实体和卫星通信频轨资源知识体系模式层的本体库进行更新,利用更新后的本体库和实体对卫星通信频轨知识体系进行更新,以更新后的卫星通信频轨资源知识体系为提取规则,从在线知识库中再次提取涉及卫星通信频轨资源领域的实体实例、关系实例,对卫星通信频轨资源图谱进行更新。
10.如权利要求9所述的基于向量映射的卫星通信频轨资源图谱构建方法,其特征在于,所述的对卫星通信频轨资源知识体系的实例层的实体进行更新,其具体包括:
S61,将已构建的卫星通信频轨资源图谱作为第一卫星通信频轨资源图谱G1,第一卫星通信频轨资源图谱G1中的三元组记为T,将更新后的卫星通信频轨资源知识所构成的卫星通信频轨资源图谱作为第二卫星通信频轨资源图谱,第二卫星通信频轨资源图谱G2中的三元组记为T′;分别对两类三元组进行基于TransE模型的向量表示,G1的所有三元组的向量表示构成向量空间L1,G2的所有三元组的向量表示构成向量空间L2;用δ(L1,L2)表示G1和G2中相同的三元组的集合,即G1和G2中已经对齐的三元组对的集合;
S62,构建对齐模型目标函数,其表达式为:
其中,Sa(T,T′)表示每个对齐的三元组对的对齐评分函数,其计算方法为
S63,初始化vh 12、vr 12和vt 12,以最小化SA为目标,采用随机梯度下降优化方法,训练得到最终的映射向量(vh0 12,vr0 12,vt0 12);
S64,利用映射向量(vh0 12,vr0 12,vt0 12),将向量空间L2的所有向量表示都反向映射到向量空间L1中,对于从向量空间L2中反向映射到向量空间L1的向量表示若在向量空间L1中存在与其距离小于对齐阈值的向量表示则认为向量表示对应的实体与向量表示对应的实体为等价实体,将向量表示对应的实体对齐到向量表示对应的实体,从而完成对向量表示对应的实体的更新,得到更新后的卫星通信频轨资源知识;
S65,按照步骤S61至步骤S64,将G2中所有可对齐的实体与G1中的相应实体进行对齐,将G2中对齐实体的关系加入到G1中相应对齐实体中,完成卫星通信频轨资源知识体系的实例层的实体更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511203.1A CN114880484B (zh) | 2022-05-11 | 2022-05-11 | 一种基于向量映射的卫星通信频轨资源图谱构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511203.1A CN114880484B (zh) | 2022-05-11 | 2022-05-11 | 一种基于向量映射的卫星通信频轨资源图谱构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114880484A true CN114880484A (zh) | 2022-08-09 |
CN114880484B CN114880484B (zh) | 2023-06-16 |
Family
ID=82676337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210511203.1A Active CN114880484B (zh) | 2022-05-11 | 2022-05-11 | 一种基于向量映射的卫星通信频轨资源图谱构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114880484B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402137A (zh) * | 2023-06-02 | 2023-07-07 | 中国人民解放军国防科技大学 | 一种基于公开信息的卫星任务挖掘预测方法、系统及装置 |
CN117973521A (zh) * | 2024-04-01 | 2024-05-03 | 南京邮电大学 | 一种低轨卫星频谱感知信息的知识图谱构建方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070014457A1 (en) * | 2005-07-13 | 2007-01-18 | Marie-Pierre Jolly | Method for knowledge based image segmentation using shape models |
US20140081985A1 (en) * | 2012-09-14 | 2014-03-20 | Bentley Systems, Incorporated | Efficiently finding spatially scored best entities |
WO2014084712A1 (en) * | 2012-11-29 | 2014-06-05 | Mimos Berhad | A system and method for automated generation of contextual revised knowledge base |
CN109241290A (zh) * | 2017-07-10 | 2019-01-18 | 华东师范大学 | 一种知识图谱补全方法、装置与存储介质 |
CN112463989A (zh) * | 2020-12-11 | 2021-03-09 | 交控科技股份有限公司 | 一种基于知识图谱的信息获取方法及系统 |
CN112507130A (zh) * | 2020-12-10 | 2021-03-16 | 东南大学 | 一种基于多源知识图谱的三元组可信评估方法 |
US20210103706A1 (en) * | 2019-10-04 | 2021-04-08 | Nec Laboratories America, Inc. | Knowledge graph and alignment with uncertainty embedding |
US20210157316A1 (en) * | 2019-11-26 | 2021-05-27 | Zoox, Inc. | Correction of sensor data alignment and environment mapping |
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 |
CN113761221A (zh) * | 2021-06-30 | 2021-12-07 | 中国人民解放军32801部队 | 基于图神经网络的知识图谱实体对齐方法 |
CN113936637A (zh) * | 2021-10-18 | 2022-01-14 | 上海交通大学 | 基于多模态知识图谱的语音自适应补全系统 |
CN114003729A (zh) * | 2021-10-20 | 2022-02-01 | 河海大学 | 一种融合实体类型和关系路径信息的知识图谱补全方法 |
CN114036307A (zh) * | 2021-09-17 | 2022-02-11 | 清华大学 | 一种知识图谱实体对齐方法及装置 |
CN114239831A (zh) * | 2021-12-21 | 2022-03-25 | 军事科学院系统工程研究院网络信息研究所 | 基于跨实体属性关联的卫星频轨资源信息向量表示方法 |
US20220129635A1 (en) * | 2019-06-28 | 2022-04-28 | Siemens Aktiengesellschaft | Semantic model instantiation method, system and apparatus |
-
2022
- 2022-05-11 CN CN202210511203.1A patent/CN114880484B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070014457A1 (en) * | 2005-07-13 | 2007-01-18 | Marie-Pierre Jolly | Method for knowledge based image segmentation using shape models |
US20140081985A1 (en) * | 2012-09-14 | 2014-03-20 | Bentley Systems, Incorporated | Efficiently finding spatially scored best entities |
WO2014084712A1 (en) * | 2012-11-29 | 2014-06-05 | Mimos Berhad | A system and method for automated generation of contextual revised knowledge base |
CN109241290A (zh) * | 2017-07-10 | 2019-01-18 | 华东师范大学 | 一种知识图谱补全方法、装置与存储介质 |
US20220129635A1 (en) * | 2019-06-28 | 2022-04-28 | Siemens Aktiengesellschaft | Semantic model instantiation method, system and apparatus |
US20210103706A1 (en) * | 2019-10-04 | 2021-04-08 | Nec Laboratories America, Inc. | Knowledge graph and alignment with uncertainty embedding |
US20210157316A1 (en) * | 2019-11-26 | 2021-05-27 | Zoox, Inc. | Correction of sensor data alignment and environment mapping |
CN112507130A (zh) * | 2020-12-10 | 2021-03-16 | 东南大学 | 一种基于多源知识图谱的三元组可信评估方法 |
CN112463989A (zh) * | 2020-12-11 | 2021-03-09 | 交控科技股份有限公司 | 一种基于知识图谱的信息获取方法及系统 |
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 |
CN113761221A (zh) * | 2021-06-30 | 2021-12-07 | 中国人民解放军32801部队 | 基于图神经网络的知识图谱实体对齐方法 |
CN114036307A (zh) * | 2021-09-17 | 2022-02-11 | 清华大学 | 一种知识图谱实体对齐方法及装置 |
CN113936637A (zh) * | 2021-10-18 | 2022-01-14 | 上海交通大学 | 基于多模态知识图谱的语音自适应补全系统 |
CN114003729A (zh) * | 2021-10-20 | 2022-02-01 | 河海大学 | 一种融合实体类型和关系路径信息的知识图谱补全方法 |
CN114239831A (zh) * | 2021-12-21 | 2022-03-25 | 军事科学院系统工程研究院网络信息研究所 | 基于跨实体属性关联的卫星频轨资源信息向量表示方法 |
Non-Patent Citations (8)
Title |
---|
GUOLIANG JI等: "knowledge graph embedding via dynamic mapping matrix", 53RD ANNUAL MEETING OF THE ASSOCIATION FOR COMPUTIONAL LINGUISTICS, pages 211 - 213 * |
MUHAO CHEN等: "Multilingual Knowledge Graph Embeddings for", 《ARXIV》 * |
MUHAO CHEN等: "Multilingual Knowledge Graph Embeddings for", 《ARXIV》, 17 May 2017 (2017-05-17), pages 3 * |
吴斌 * |
张志锐: "面向神经机器翻译的数据增强方法及应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2019 * |
徐健;: "基于知识图谱构建5G协议知识库", 移动通信, no. 08 * |
田玲: "知识图谱综述——表示、构建、推理与知识超图理论", 《计算机应用》 * |
田玲: "知识图谱综述——表示、构建、推理与知识超图理论", 《计算机应用》, 29 June 2021 (2021-06-29), pages 1 - 3 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402137A (zh) * | 2023-06-02 | 2023-07-07 | 中国人民解放军国防科技大学 | 一种基于公开信息的卫星任务挖掘预测方法、系统及装置 |
CN116402137B (zh) * | 2023-06-02 | 2023-09-12 | 中国人民解放军国防科技大学 | 一种基于公开信息的卫星任务挖掘预测方法、系统及装置 |
CN117973521A (zh) * | 2024-04-01 | 2024-05-03 | 南京邮电大学 | 一种低轨卫星频谱感知信息的知识图谱构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114880484B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273490B (zh) | 一种基于知识图谱的组合错题推荐方法 | |
CN109611087B (zh) | 一种火山岩油藏储层参数智能预测方法及系统 | |
CN109508360B (zh) | 一种基于元胞自动机的地理多元流数据时空自相关分析方法 | |
CN114880484A (zh) | 一种基于向量映射的卫星通信频轨资源图谱构建方法 | |
Pan et al. | BIM log mining: Exploring design productivity characteristics | |
CN105893483A (zh) | 大数据挖掘过程模型总体框架的构造方法 | |
CN112990296A (zh) | 基于正交相似度蒸馏的图文匹配模型压缩与加速方法及系统 | |
CN112596031A (zh) | 一种基于知识图谱的目标雷达威胁度评估方法 | |
CN111914162A (zh) | 一种基于知识图谱的个性化学习方案引导方法 | |
CN114254093A (zh) | 多空间知识增强的知识图谱问答方法及系统 | |
Wang et al. | Design of the Sports Training Decision Support System Based on the Improved Association Rule, the Apriori Algorithm. | |
CN115761408A (zh) | 一种基于知识蒸馏的联邦域适应方法及系统 | |
CN116386899A (zh) | 基于图学习的药物疾病关联关系预测方法及相关设备 | |
CN117236330B (zh) | 一种基于互信息和对抗神经网络的增强主题多样性方法 | |
CN114492741A (zh) | 一种深度贝叶斯网络建模训练方法 | |
CN113744072A (zh) | 一种基于深度神经网络融合拓扑和内容社团检测方法 | |
Miao | Mobile information system of English teaching ability based on big data fuzzy K-means clustering | |
Yang | Research on integration method of AI teaching resources based on learning behaviour data analysis | |
Inyang et al. | Visual association analytics approach to predictive modelling of students’ academic performance | |
CN116450704A (zh) | 一种流程模型的自动化生成方法及生成装置 | |
CN111241165B (zh) | 一种基于大数据的人工智能教育系统及数据处理方法 | |
CN115130570A (zh) | 一种脉冲星搜索模型的训练方法、应用方法、装置及设备 | |
CN114298854A (zh) | 一种联合学习表示和对齐的弱监督用户身份链接方法 | |
Cao | Design and optimization of a decision support system for sports training based on data mining technology | |
Hong | Application of Data Mining in Network Information Dynamic Push Software |
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 |