知识图谱技术在消防工作中的应用研究

万军 翟飞

摘要：信息化时代的到来，各种互联网技术应运而生，尤其是数字信息吸引了社会各行业部门的关注，也成为了各行业部门必争的宝贵资源。消防事业的发展不断面临着新的挑战，各种技术的更新日新月异，大数据在消防领域的运用已经屡见不鲜，但是在众多数字信息中，怎样精准筛选出有效信息，并运用于消防实战、宣传以及知识管理领域仍然是一个重要的研究课题。文章以知识图谱在各个行业部门的运用实践为背景，着力探索知识图谱技术在消防作战、消防宣传、知识管理领域的运用，并结合研究探索结果，展望该技术在其他领域的应用前景。

关键词：知识图谱;消防作战;消防宣传;知识管理

1  研究现状

知识图谱技术在很多领域得到了重用，该技术在我国的应用发展主要分为两个阶段：首先是探索阶段。2012年至2016年，知识图谱技术便在我国有了初步的研究探索，但是在这一阶段主要为知识图谱技术应用的理论探索，应用方面的探索相对较少，主要有智能制造、电子商务等方面。其次是发展阶段，2017年至今国内学者广泛开展了知识图谱技术应用方面的研究，主要将其应用于图数据库、知识推理、智能问答等方面，其典型的应用有苹果的Siri[1]。

从消防部队改制而来的国家综合性消防救援队伍以防范化解灾害风险为主要职责，全灾种、大应急给我们提出了更高的要求，尽快适应时代发展，练就科学高效的救援本领是我们面对的一项重要课题。从灾害种类看，我国灾害频发、多发，尤其是近年来江苏响水“3·21”爆炸、福建泉州“3·7”建筑坍塌、新冠肺炎疫情、防汛救灾等典型灾害，对我们消防队伍专业处置能力以及知识掌握程度提出了更高的要求。国家综合性消防救援队伍自改制转隶以来，积极改革创新，积极对标“全灾种、大应急”的形势要求，救援范围基本涵盖了高层、地下、大跨度大空间、化工等各个领域，救援难度显著增大，知识储备明显后劲不足。知识图谱技术的普及给我们消防领域带来了福音，将其合理应用在消防作战、消防宣传以及知识管理领域，辅助我们完成急难险重的救援任务，帮助我们定向开展消防宣传，其发挥的作用将十分重大。

2  知识图谱技术介绍

传统的互联网搜索技术耗时耗力，并且用户想要得到的答案还不能直接提供，基于此，谷歌率先提出以知识图谱为技术基础的搜索引擎，这为搜索引擎领域带来了重大的变革[1]。客观世界中的概念和实体之间关系，通过知识图谱技术以图的形式展现出来，这种技术的革新给广大用户提供了极大的便利，现如今广泛应用于语义搜索、智能问答、决策支持等智能服务领域。在当前大数据的时代背景下，如何快速地为用户呈现出有用的、最有价值的信息资源，给人们提出了巨大的挑战。

面对这种需求，知识图谱的构建应运而生。将互联网中海量的数据信息用语义网络的方式连接起来，从而形成一个巨大的网络知识库，并将其存储在数据库中，这便是知识图谱。用户搜索信息时，以输入的信息为中心点展开，在数据库中对比，将与用户搜索的关系密切的信息呈现出来。知识图谱技术在互联网领域的运用，让互联网具备了人类的分析能力，具备了基础的认知思维，它让网络能够做到类似于人一样去思考分析问题，从而很大程度上提升了网络的智能化水平，互联网上海量的数据，通过知识图谱实现了更有效地使用[3]。

3  知识图谱构建流程

自下而上的构建方法和自上而下的构建方法是知识图谱主要的构建方法。自下而上的构建方法如图1所示，通过数据获取在海量的数据源中进行信息抽取，这种抽取方式主要有属性抽取、关系抽取、实体抽取。知识抽取完成后便开始知识融合，它将抽取出的数据加入到知识图谱的数据层;然后归纳组织这些抽取的数据，逐步往上抽象为概念，最后形成模式层[2]。自上而下的构建方法正好相反，先确定好本体与数据模式，再将实体加入到知识库，不同的地方是它需要一些现有的结构化知识库作为基础知识库。

3.1  數据获取

知识图谱的构建首先从数据获取开始。知识图谱数据源按来源渠道的不同可分为两种：一种是业务本身的数据，这部分数据通常包含在行业内部数据库表并以结构化的方式存储，是一种非公开或半公开的数据;另一种是网络上公开、抓取的数据，这些数据通常是以网页的形式存在，是非结构化的数据。按数据结构的不同，可分为三种：结构化数据、半结构化数据和非结构化数据，根据不同的数据类型，采用不同的方法进行处理。

3.2  信息抽取

信息抽取过程十分关键，信息收取的质量将会直接影响知识图谱构建的质量，因此它在构建知识图谱的过程中起着决定性的作用。信息抽取就是利用实体抽取、关系抽取、属性抽取等几种方式，从非结构化和半结构化的数据源中抽取出结构化的信息。

3.3  知识融合

知识融合的目的是获取高质量数据集，将信息抽取过程所获取的数据进行整合。因为知识抽取过程中，存在着知识来源不同，质量参差不齐、重复性、知识间的关系存在歧义、不确定性等问题，因此为了确保得到的数据是高质量的数据，就必须要对知识进行融合。例如：“Apple”，这个英文单词既可能表示的是水果，也可能表示的是电子产品的品牌，所以为了保证知识的准确性，就要对抽取的知识进行整合、加工，消除歧义，形成高质量的知识库。知识融合主要有指代消解与实体消歧两种方式。

3.4  知识处理

海量的数据库中不规则、杂乱的信息经过抽取、知识融合后得到一系列基本事实表达，就需要进行知识处理以形成结构化，网络化的知识体系。这种具备结构化、网络化的知识体系，才会很容易的被用户认知，或者进行定向选择。知识处理的内容主要包含以下几个方面：本体构建、知识推理和质量评估。

3.5  知识储存

知识存储是知识图谱构建的最后一步，以哪种方式将知识图谱存储到数据库中，这一过程便是知识存储，常见存储方式有两种：基于图数据库存储和三元组（RDF）格式存储。RDF存储也称三元组存储，但基于RDF三元组存储的方式搜索效率低下。现今，常用的存储方式是图数据库存储，它以节点、边及属性构成的图数据库，常见的图数据库有Infinite Graph、Neo4j等，Neo4j图数据库因支持多种图挖掘算法和查询语言而被广泛使用[4]。

4  知识图谱技术在消防领域的运用探究

消防救援队伍承担着防范化解各类灾害事故的重任，高层建筑、大跨度大空间、地下建筑、石油化工以及各类自然灾害对我们救援行动的科学性，救援过程的有效性提出了更高的要求。本文对如何将知识图谱技术运用在消防作战、宣传领域、知识管理，保证消防队伍能够第一时间科学有效处理各类灾害，以及消防知识的管理学习，并且对精准开展消防宣传，提升居民防火意识和初期火灾自救能力进行了探究。

4.1  消防作战

随着社会的发展进步，科技的日益更新，消防作战所面对的灾害种类也日益复杂，对指挥员的救援知识储备也提出了很高的要求。知识图谱技术的运用可以辅助指挥员快速掌握灾害相关信息，采取科学有效的救援措施。我们将消防救援领域各种灾害事故进行碎片化处理，并给每一个碎片贴上标签，同时将各类救援措施也贴上标签，录入软件平台，最后通过知识图谱技术将这一个个标签进行关联，通过搜索将关联信息精准推送给信息需求人。以LNG罐车事故为例，在碎片化处理事故信息时，将事故进行分类，设置一级标签为石油化工灾害事故，二级标签为罐车（厂区）事故，三级标签为事故种类（如：LNG），在三级标签中附上相关事故物质的理化性质。同样在录入各类灾害事故处置流程以及处置措施时，设置一级标签为石油化工灾害事故，二级标签为罐车（厂区）事故，三级标签为事故种类（如：LNG），在三级标签中附上救援处置流程、注意事项等，如图2所示。

这样当消防队伍通过接警平台接到LNG罐车泄漏事故警情时，指挥中心会进行警情的语义分析，提取关键字与标签进行匹配，直接推送标签对应相关的物质理化性质以及处置流程、注意事项，流程如图3所示。指挥员也可以直接通过平台搜索LNG罐车泄漏相关信息，将其直接推送给指挥员，辅助现场指挥员决策，在这方面南京市消防救援支队指挥中心接警平台已做初步尝试，如图4所示。

其中关键词提取采用TextRank算法，其是针对文本里的句子设计的权重算法，它利用投票的原理，让每一个词给它的窗口投赞成票，票的权重取决于自己的票数，TextRank算法（公式1）在PageRank算法的基础上，引入了边的权值的概念，代表两个句子的相似度。

4.2  消防宣传

当前，消防受社会的关注度越来越高，百姓的消防安全意识也越来越强，但是，受教育水平、工作环境以及年龄等因素的影响，不同人群的安全意识强弱存在着很大的差距，对消防宣传感兴趣的内容也因此有着很大的差异。例如，一些从事安全领域工作的人群，自身安全意识很强，但是火灾自救常识较为缺乏，一些普通百姓或者教育水平不高的人群，则是连基本的消防安全常识都不清楚。常态化开展消防宣传教育已经成为一个重要的趋势，消防进万家的必要性已经不容忽视，已经不能满足于仅利用119消防宣传月或者消防进学校等活动开展宣传教育，通过手机平台开展消防宣传也成为了一项重要的途径。那么，如何针对不同人群的不同需求，开展精准化消防宣传，知识图谱技术的运用给我们带来了很好的解决办法。同样，利用知识图谱技术开展消防宣传，也是将各类消防安全、初期火灾扑救以及逃生自救等常识进行碎片化处理，并分类贴上标签，然后根据用户对需求的知识搜索，推送相应的宣传内容，做到用户需要什么便推送什么内容，达到精准化消防宣传的目的，如图5所示。

4.3  知识管理

随着国家经济、科技的快速发展，消防救援任务种类也在变得越来越多样化，例如随着新能源汽车的普及，新能源汽车相关的事故频繁发生，但是很少有人对消防救援中各種事故的灾害特点、现场处置、战勤保障等都非常的了解，一旦处置不当，就会造成严重的后果。另外，随着互联网时代的到来，虽然知识的获取学习变得越来越便捷，但是相应的知识同质化也越来越严重，知识的质量也是参差不齐。而且消防相关的知识都是非常专业，不能有丝毫差错，如何确保消防知识的准确性也是非常重要的。其次，以往消防知识交流和共享存在一定的桎梏，很多指挥员对复杂灾害救援缺乏实战经验，特别是对其中的各种重点难点经验不是很清楚，那么重要的消防知识如何快速共享，消防知识难点如何精准学习，基于知识图谱技术形成开放的知识库带来了新的解决方案，有相关经验的用户可以将各种灾害事故的特点、现场处置、注意事项等录入，经消防救援专家审核通过后，保障知识质量，才可以在知识库中呈现，当其他人有相关需要时可以随时查看。并且用户还可以上传各种消防相关文档以及视频，供他人学习。而对于知识库中没有的知识，可以通过知识库的互动问答模块进行提问，邀请其他人进行解答和完善，即可快速学习掌握消防知识，如图6所示。

5  前景展望

知識图谱作为新型应用技术，它将多种技术与知识高度融合，包含了计算机应用技术、专家系统、知识表示、自然语言理解等知识。本文首先针对知识图谱的研究现状、知识图谱技术、构建流程做了简要介绍，并对知识图谱在消防作战、消防宣传、知识管理领域的运用做了深层次的阐述。知识图谱作为人工智能的最前沿研究热点，将其与各个行业的知识相结合，不断拓展其应用价值，为多个学科领域及行业找到了新的突破口，它不仅仅是一项新技术，更是一项重要的战略资产[5]。相信有了这几个突破口，知识图谱技术在消防其他领域也能发挥出重要的作用。

参考文献：

[1]田莉霞.知识图谱研究综述[J].软件，2020，41（04）：67-71.

[2]刘峤，李杨，杨段宏，等.知识图谱构建技术综述[J].计算机研究与发展，2016，53（03）：582.

[3]常亮，张伟涛，古天龙，等.知识图谱的推荐系统综述[J].智能系统学报，2019，14（02）：207-216.

[4]章志鹏，曾志勇，李忠.知识图谱的应用研究现状与发展趋势[J].信息与电脑（理论版），2020，32（11）：118-120.

[5]覃晓，廖兆琪，施宇，等.知识图谱技术进展及展望[J].广西科学院学报，2020，36（03）.

Application and research on knowledge graph in fire protection and extinguishment

Wan Jun， Zhai Fei

Nanjing Municipal Fire Rescue Brigade

Abstract：This information age has brought about various internet techniques， especially the digital informations， which attained more attention from all walks of life as a valuable and rewarding resource. With the new challenges faced by our fire sections nowadays and various technical updating day by day， big data has become an ordinary tool in the fleld of fire protection. However， how to extract effective information accurately among unnumbered messages and apply them into actual works， advertising， and knowledge management， is still an important subject. Based on the application practice of knowledge graph in various industry sectors， this paper focuses on exploring the application of knowledge graph technology in fire fighting， fire publicity and knowledge management， and describes the application prospect of knowledge graph technology in other fields combined with the research and exploration results.

Keywords：knowledgegraph;firefighting;fireprotectionpublicity; knowledge management