突发事件驱动下的应急决策知识库结构研究_相关性分析论文

突发事件驱动的应急决策知识库结构研究，本文主要内容关键词为：突发事件论文,知识库论文,结构论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

1 引言

随着人类社会、经济和生活等各方面的发展，人口、环境和能源等方面问题的日益突出，全球范围内的突发事件频繁发生[1-2]。为了减少突发事件的发生和降低突发事件造成的损失，迫切需要实现面向突发事件快速响应的应急决策，这已成为国家的重大急需[3]。突发事件不同于日常生活的常规事件，凸显在出人意料、令人措手不及、态势演化迅速、影响面广泛的特点。为此，应急决策需要以畅通且精准的知识流为基础，高效的信息采集、处理、组织、分析技术为支撑，以此来控制突发事件的恶化以及为应急决策提供有效的信息保障。同时，随着前所未有巨量数据的聚集，应急决策行为日益构建在对大数据的挖掘和分析上[4]，很少再依靠经验和直觉，大数据已深刻影响到对突发事件的应急决策过程。

本文以知识组织理论为支撑，从突发事件应急决策的基础资源建设——知识库结构为切入点，以突发事件演化过程中数据采集、特征识别、相关事件链为主线，以应急决策所需的相关案例积累、评估与预警、多决策主体为落脚点展开对知识库结构的研究。突发事件驱动的应急决策知识库结构是一个以大数据环境为基、知识组织为力、知识流控制为策、应急决策为标的新型结构体系，知识库结构的研究是对信息采集、信息处理与组织、信息分析与服务等技术有效支撑，以此确保突发事件相关信息的完备性、实施性和标准化，有效实现多部门之间的协同应对。

通过本文的研究试图探索适用于突发事件应急决策的一般知识库结构体系：通过对突发事件信息的采集、处理、组织和分析，直接为政府部门提供了突发事件的各种状态，增强政府对突发事件的掌控能力，强化政府对社会的管理能力，对社会稳定具有很大的助益。知识库结构的研究无疑从基础上支持突发事件不同阶段各类信息流的健康传递，对社会稳定健康发展具有十分重要的意义。

2 相关研究述评

知识库是知识组织理论的重要部分[5]，在传统各行各业发挥着重要作用，突出表现在知识获取、知识表示、知识推理等方面。针对突发事件应急决策方面，知识库的运用同样也着力在知识获取、知识表示、知识推理等方面。何力等[6]构建了多知识库和突发事件情景与知识供给过程模型并给出案例解析，从而为突发事件综合态势研判前置提供理论支持。李从东等[7]以地震事件链为例，分析了突发事件链演化机理，通过定义最小粒度的原子突发事件将不确定性推理转化为确定性推理，并运用本体、SWRL和Jess等技术从原子事件、承灾体两个相互作用的事件链要素构建事件链本体。蒋勋等[8]分析了突发事件的信息特征需求与现阶段信息处理水平的不匹配并提出了细粒度信息资源的切分，给出了基于切分后细粒度信息资源的自动学习，解决了突发事件导致的多粒度知识组织困难。胡静文等[9]结合在危机事件管理和应急决策方面的研究成果，建立基于描述逻辑和规则的突发危机事件本体知识库，完成从关系数据库语义到本体相应部分的转换，并且通过原型系统的实现来验证该方法的有效性，支持逻辑推理和知识发现。

已有的研究成果呈现共性规律，将曾经发生的突发事件经验、教训视为宝贵的信息资源，当前大部分研究以过去发生的突发事件案例作为基础。政府制定突发事件法律法规需要大量已发生过的突发事件信息作为支撑和依据；学术界建立突发事件的理论模型，制定应对策略和预警机制，离不开大量突发事件知识的支持；同样，研究突发事件对经济的影响、对具体行业的影响，也离不开针对突发事件知识库支撑。但是，目前国内缺少全面的、完整的专门针对突发事件应急决策的知识库，与突发事件对应的应急决策知识库结构尚需合理设计。突发事件驱动的知识流管理不同于一般的知识服务模式，需要快速（反应迅速、采集即时）、精准（分析精确、推理准确）、果断（根据分析结果果断决策，以防事态蔓延）的控制知识，这从根本上对知识库的结构体系提出了挑战。只有底层合理的知识库结构才能将技术贯穿于突发事件的整个处理流程中，才可能建设针对应急决策的突发事件快速响应的服务平台，才可能做到突发事件的事前预警、事中处理、事后管理。透视已有的研究成果：政府面对由突发事件演化的日益加剧且高度不确定的环境，以应急决策为目的，系统化、组织化地识别、获取、分析、处理、存储和使用所需信息时，亟须有一个能收拢所有信息并经过清洗、凝练、关联后能最终提供有效、及时决策的知识库。该知识库结构必须能适应以大数据环境为基础，以知识组织为主导，以信息内容为核心的结构体系。

本文的研究工作建立在已有成果的基础上，针对突发事件流程中数据采集、特征识别、知识关联各环节，将从知识库的逻辑结构和框架结构两个视角展开，逐次研究存储模式、知识表示及协同架构三个方面。研究工作安排：首先，探究知识库存储模式，达到突发事件驱动的多信息源信息收集与整合深度研究的目的；其次，研究知识库的知识表示，以实现多粒度视角下的突发事件特征识别应急决策要素的完美结合；最后，构建知识库协同架构，实现知识库与多信息源知识关联，如图1所示。

3 知识库结构与突发事件应急决策的深度关联

从知识组织理论出发剖析知识库结构，使之深度适应面向突发事件的应急决策需求，本文提出的知识库结构与突发事件应急决策的深度关联可抽象表示为图2。

3.1 知识库逻辑结构中的存储模式与突发事件应急决策的关联

随着突发事件的演化，时间序列上将积累海量且无序的数据，知识库对这些数据进行采集，首要考虑采集后在知识库中的存储，为此知识库结构中最基础的是存储模式的研究。

针对突发事件演化积累的海量且无序的数据，其存储模式必然是有限且有序。因此，存储模式的研究第一步是进行数据清洗的研究，为后续知识的汇聚缩小了范围；第二步将清洗后的数据映射到知识库中，即围绕突发事件的多信息源在去除噪声后，逐个映射到统一的知识库中，除了存储知识结点外，还需存储这些知识结点与数据之间的映射关联；映射关联后存储在知识库的知识呈现出碎片化、无序化的特点，第三步就需要将这些知识结点有序化，呈现丰富知识的全貌，为知识表示奠定基础。

通过知识库结构中存储模式的研究为应急决策所需的多渠道信息汇总及汇总后知识的自动推理提供了支撑环境。

3.2 知识库逻辑结构中的知识表示与突发事件应急决策的关联

在突发事件数据采集的基础上，更需要集结围绕突发事件多信息源的数据并进行整合，匹配以往范例突发事件的特征。为此，需要知识库进行有效的知识表示，有利于存储的知识能精确描绘突发事件的特征。而知识的刻画存在粒度的大小，更深刻地从知识库结构中探究多粒度知识表示，构建事件本体，形成突发事件链。

应急决策需要在相关案例的基础上做出评估与预警，评估所发生的事件是否足以构成突发事件、突发事件的危害程度大小，以及在此基础上给出相应预警。为此，评估与预警都需对所描述突发事件特征进行精确匹配。从知识库结构上探讨多粒度的知识表示，有助于深度刻画突发事件特征要素与应急决策评估要素在反映事件链所蕴含概念的本质。

3.3 知识库框架结构中的协同架构与突发事件应急决策的关联

突发事件的演化不仅局限在本事件，更将蔓延致其他事件的发生，对突发事件的应急决策也不能停留在单一事件，必须是由点到面动态观测事态的发展。而限于决策的有限理性，在任意时刻都需要能做到对突发事件演化到的事件链整体进行快速决策。

为此，知识库结构不仅有利于知识存储和知识表示，更需要有助于知识更新，有助于同步突发事件驱动的相关事件链。对知识库结构中的协同架构深入研究是为决策的多主体（应急中枢、相关职能部门、公众等）从全局、动态的视角观测突发事件的历史演化过程，并能时刻根据突发事件驱动的相关事件链的完整切片映像做出应急决策。

4 突发事件驱动的多信息源信息收集与整合研究

将来自不同的信息源并通过不同渠道收集而来的信息进行分析处理，将无序的非结构化的数据转换成以突发事件为主题的有序的、结构化的、可利用的知识。合理的知识库结构不仅局限于海量知识的存储，更易于形成知识间的彼此关联，有助于推理出新的知识。可以预见：一方面，随着突发事件的发生和演化，知识库存储的知识结点不断增加、更新，其数目是庞大的；另一方面，结点间的关联关系将愈趋复杂，知识库逐步形成围绕着突发事件演化过程的知识地图。

4.1 非清洁数据的数据清洗

知识库从数据的输入到知识的输出，最终目的是为应急决策提供所需精准且及时的知识，在其起始端必然需要对数据进行清洗。本文研究知识库结构是一个以大数据环境为基础，数据清洗的研究工作将从非清洁数据的类型不一致、不精确、错误、冗余、过时等问题着手，这些非清洁数据是影响突发事件特征表现的关键，然后追溯非清洁数据的来源：数据本身来源不清洁、数据模式的不清洁和信息集成中模式不匹配、多决策主体查询请求。最终结合不同来源与不同类型，研究并给出描述数据非清洁度的机制，使之能配合知识表示效用的考量。

4.2 多信息源与知识库的关联

通过数据清洗为知识库中知识的汇聚缩小了范围，去除了噪声提高了突发事件特征描述的精准度，在此基础上，进一步研究多信息源与知识库的关联，揭示信息源与知识库在各自特定构造下的一一对应。以知识库结构为基本架构，灵活调节多领域信息资源的组织形式，进行有序、有效的组配。多信息源与知识库关联的研究需要从两个维度统筹考虑，其一，凸显知识库存储空间的有限性以及基于知识库供给知识的应急决策及时性；其二，兼顾到突发事件演化过程中数据的动态性实时驱动着多领域各类数据的更新积累，知识库结构要适应这样的存储模式，并易于知识库中各知识结点同步映射信息资源中各类数据。克服大数据知识提取的难题，挖掘了大数据潜在价值的知识和规律，从而实现一个完美的知识发现过程。

4.3 知识库内知识结点的序化

对多信息源与知识库关联的研究实现了突发事件相关信息的知识集中化，但汇聚在知识库中的知识不能停留在知识碎片，必须加以整合提供知识的全貌，知识库结构要支持应急决策所需的突发事件知识链的形成。根据突发事件特征，进行事件和事件链的语义标注并通过本体演化实现领域本体结构的构建，从而实现知识库内各知识结点的语义理解；通过语义揭示厘清突发事件各特征概念之间的关系，将突发事件的特征转变为由知识结点直接连接构成的概念网络，从而使得对突发事件语义揭示由外部宏观结构发展到内部微观结构。

5 基于多粒度视角的突发事件特征识别

研究突发事件（请求）和应急决策（应答）的知识范畴，建立统一的突发事件应急决策知识结构模型，易于识别和匹配突发事件特征要素与快速决策要素，奠定计算机进行文本理解和查询推理的基础，有助于构建统一的案例信息表示规范。更深层次，本文研究知识表示需凸显突发事件动态描述的精准性与应急决策的及时性，其关键是融入知识表示的多粒度性来权衡相关要素表示的概念效率与计算效率。确切地说，研究突发事件特征要素与快速决策要素的表示是否清楚地反映其概念蕴含的本质，而这样的表示方式是否有效地支持知识的推理活动，最终该知识表示可否为多决策主体服务。

5.1 基于多粒度的突发事件链

通过突发事件特征要素呈现，探究事件内部存在的语义结构，为应急决策相应要素的匹配奠定基础。基于多粒度的突发事件特征要素刻画，建立涵盖实体、属性、性质、事件及其上下位关系的基础本体结构，并由特征要素的多粒度刻画触发同类事件本体结构的自动创建，有助于突发事件的理解标注和机器自学习。这些事件本体之间的相互关系构成了突发事件链，并根据突发事件动态发展性，展开突发事件链的实证分析。

5.2 面向应急决策的多粒度模型构建

面向应急决策各阶段各渠道实际，结合粒度原理，形成不同层次不同大小的知识粒度[10]。伴随着突发事件演化过程，其呈现的特征要素不断变化，直观表现在各业务系统、网络媒体等信息源提供数据的不断更新，对此必须根据应急决策各阶段所涉及相关知识，提出一个通用的多粒度模型，该模型的研究框架如图3所示。

在信息资源中数据子类结构形式构成的可达范畴与知识库内基于属性间关系的挖掘、推理范畴之间建立等价关系，这一等价关系为信息资源与知识库间定向的知识挖掘与知识搜索奠定了理论基础，也为进一步探索子类结构构建的各类信息资源与知识结点构建的知识库架构了两者间的逻辑关联；由此进一步研究知识库中的知识结点与信息资源中各类数据之间存在一一映射关联（如图4所示）。这一映射关联打破了传统信息资源中的知识发现的封闭系统，从知识库的高度对各类信息资源的数据挖掘一方面能规避了各类信息资源之间数据异构集成的困难，另一方面能从语义关联角度去发现更深层次的知识，从知识发现的视角探讨对大数据蕴含突发事件相关特征的多维度聚合。

5.3 多粒度模型的权衡

从最终多决策主体的角度研究由粗粒度形式背景诱导出的知识粗粒度表示，一方面降低知识表示的复杂性，减少了计算量，增强面向多决策主体的可读性，更能够很好地把握全局范围内的突发事件链的语义关系，在领域全局视角下提供粗粒度概念的相关信息，并有助于多决策主体选择相应的高频关键词类做进一步深入分析；从突发事件流的演化过程中，研究针对某类高频关键词（热点知识）构建细粒度形式背景，即在原粗粒度的知识表示基础上，进一步细化部分知识点的描述粒度（图3所示，将决策级粒度向后推进到计算级粒度甚至知识级粒度、数据级粒度），这部分知识结点往往关注度比较高或内涵比较丰富，通过细粒度的表示更清晰地勾勒出该知识结点的内涵。研究由细粒度形式背景诱导的知识细粒度表示，一方面增加运算量和复杂程度，降低机器推理的效率，另一方面通过概念间的偏序关系呈现更多的数据细节，从而提高机器推理的准确度，但为最终多决策主体提供了更加准确的知识。

6 基于协同架构的多信息源知识同步

通过协同架构突破各独立信息源的知识获取的封闭系统，与知识库协同起来制约并驱动信息源中的知识获取，从而实现基于信息源与知识库的协同架构挖掘新知识，大幅减少由不同渠道获取的突发事件同类知识，甚至相同知识。基于协同架构的多信息源知识获取将原本独立进行的各信息源知识获取提升到在更大的宏观背景下进行多个抽象级、多层递阶、多粒度综合集成结构的一般性框架知识获取系统[11]。在信息源与知识库并存基础上挖掘新知识，即将信息源的知识获取与知识库的知识获取有机融合，统一在知识获取的全部运行过程中。为此，其研究从以下两个方面展开。

6.1 知识库驱动信息源

突发事件引发的大数据蕴藏着各领域多种潜在有价值的知识、规律，有些对应急决策有用的知识往往被忽略，在知识库的结构中必然要存在一个构件，该构件的作用在于实时搜索对应急决策有用的知识，弥补历史案例中或领域专家自身的局限性，提高机器的认识自主性，构造启发型协调器。

启发型协调器通过启发协调算法来实现[1]。算法研究基于知识结点之间存在的映射关系，并周期性捕捉知识结点的动态展示，针对突发事件呈现特征分析，识别知识结点语义关系并发掘新的知识链，从而实现知识的自动搜索并弥补知识库中知识的短缺。

6.2 知识库制约信息源

研究启发型协调器的目的是不放过盲点，研究中断型协调器的目的是避免重复。针对重复性、冗余性、从属性、不相容、循环性的知识，知识库结构中也必然要存在一个构件给予其准确定义，并尽早的淘汰掉这些知识。中断型协调器研究的现实背景是知识库在知识获取过程中，多信息源包含着许多相同知识且大量假设会使获得知识冗余且重复，由启发型协调器发现的新知识占的比例很小，中断型协调器的引入将提高知识库运行的效率。

对应的中断协调算法研究针对已经存在的知识结点，在知识库范围内识别有冗余、重复、矛盾的知识结点做出实时的处理，有效减少由于过程积累而造成的问题复杂性，为新旧知识的融合与合成提供先决条件。中断协调算法[11]的研究最终目的是实现知识库与多信息源知识同步进化。

7 结语

突发事件不是孤立事件，而将驱动着灾害信息、舆情信息、地理信息、救援信息等多信息源的汇聚，不同性质、程度的突发事件所驱动的多信息源的汇聚范围有大小，对突发事件的处置必须全面、深刻，针对汇聚的多信息源进行解析、映射、重构，使之成为知识，并且处置的及时性必须足够满足应急决策的快速响应。然而大数据的环境使得多信息源的汇聚范围界限模糊，不确定的界限实则是无限度地扩大决策覆盖范围，加之大数据自身的多维、异构给数据的加工带来了麻烦。本文的工作从底层的知识库结构入手，将突发事件演化进程中数据采集、特征识别、关联事件链分别对应于应急决策中相关案例积累、评估与预警、多决策主体三个层面在知识库结构中的存储模式、知识表示、协同架构对接，试图探寻适应突发事件应急决策的通识知识库结构体系。这样的结构体系作为基础，在大数据环境下，突发事件视为输入，而应急决策视为输出，连接输入输出端的知识库构成了突发事件的知识地图。

突发事件驱动下的应急决策知识库结构研究_相关性分析论文

猜你喜欢