煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜構(gòu)建與應(yīng)用

劉鵬 曹新晨 耿念 魏微 孟磊

1. 徐州高新區(qū)安全應(yīng)急裝備產(chǎn)業(yè)技術(shù)研究院 徐州 210000；

2. 礦山互聯(lián)網(wǎng)應(yīng)用技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室 徐州 221008；

3.中國(guó)礦業(yè)大學(xué)信息與控制工程學(xué)院 徐州 221116

引言

隨著煤礦安全生產(chǎn)技術(shù)進(jìn)步和國(guó)家政策推進(jìn)，煤礦安全形勢(shì)有所好轉(zhuǎn)，但煤礦災(zāi)害仍處于高發(fā)態(tài)勢(shì)，煤礦建設(shè)生產(chǎn)面臨的安全隱患不容小覷[1]。煤礦標(biāo)準(zhǔn)文件作為煤礦生產(chǎn)管理者必須遵循的最低要求，是煤礦能夠安全建設(shè)生產(chǎn)的保證，更是政府部門監(jiān)管的依據(jù)。目前，煤礦標(biāo)準(zhǔn)文件的數(shù)據(jù)信息服務(wù)仍處于初級(jí)階段，多數(shù)煤礦企業(yè)仍使用傳統(tǒng)的紙質(zhì)版、電子版標(biāo)準(zhǔn)文件，標(biāo)準(zhǔn)文件數(shù)據(jù)庫(kù)以PDF、圖片等形式存儲(chǔ)，缺乏系統(tǒng)、高效的煤礦標(biāo)準(zhǔn)文件知識(shí)存儲(chǔ)利用手段，不利于煤礦標(biāo)準(zhǔn)化、信息化發(fā)展。知識(shí)圖譜是一種結(jié)構(gòu)化的語(yǔ)義網(wǎng)絡(luò)[2]，用于描述真實(shí)世界的概念、實(shí)體及其相互關(guān)系[3]。知識(shí)圖譜對(duì)知識(shí)單元及其間關(guān)系有良好的表達(dá)，提供了更好地組織管理海量信息的能力[4]，在語(yǔ)義搜索、問(wèn)答系統(tǒng)、智能推薦等應(yīng)用廣泛[5]。在煤礦領(lǐng)域，吳雪峰等[6]構(gòu)建了煤礦巷道支護(hù)領(lǐng)域知識(shí)圖譜，有利于實(shí)現(xiàn)巷道支護(hù)智能化管理；曹現(xiàn)剛等[7]構(gòu)建了煤礦裝備維護(hù)知識(shí)圖譜，助力煤礦裝備智能化動(dòng)態(tài)管理；潘理虎等[8]結(jié)合本體技術(shù)構(gòu)建了煤礦領(lǐng)域知識(shí)圖譜，并開(kāi)發(fā)了煤礦安全監(jiān)測(cè)監(jiān)控系統(tǒng)；李哲等[9]構(gòu)建了煤礦機(jī)電設(shè)備事故知識(shí)圖譜，可應(yīng)用于煤礦機(jī)電設(shè)備事故診斷、風(fēng)險(xiǎn)管理。

現(xiàn)階段研究人員已將知識(shí)圖譜應(yīng)用于煤礦領(lǐng)域，但由于煤礦標(biāo)準(zhǔn)文件的數(shù)量?jī)?nèi)容繁多、專業(yè)跨度大，對(duì)煤礦標(biāo)準(zhǔn)的智能化研究少有涉足。而在通用標(biāo)準(zhǔn)文件領(lǐng)域，張慧等[10]從標(biāo)準(zhǔn)文件的“前言”和“規(guī)范性引用文件”等共性要素入手，構(gòu)建標(biāo)準(zhǔn)文獻(xiàn)知識(shí)圖譜。劉慧琳等[11]使用知識(shí)圖譜的模式對(duì)標(biāo)準(zhǔn)文件進(jìn)行語(yǔ)義組織，提供了一種標(biāo)準(zhǔn)文件的知識(shí)圖譜組織模式。郝文建等[12]定義了標(biāo)準(zhǔn)文件基本要素和關(guān)鍵要素，分析了標(biāo)準(zhǔn)文件知識(shí)圖譜構(gòu)建方法。秦麗等[13]分析了食品安全國(guó)家標(biāo)準(zhǔn)中三元組類型，構(gòu)建了食品安全國(guó)家標(biāo)準(zhǔn)圖譜。趙偉等[14]解析了標(biāo)準(zhǔn)文件特點(diǎn)及結(jié)構(gòu)，分析了標(biāo)準(zhǔn)文件的知識(shí)關(guān)聯(lián)關(guān)系，構(gòu)建了標(biāo)準(zhǔn)文件知識(shí)圖譜RDM 模型。李臻等[15]提出了一種標(biāo)準(zhǔn)文件知識(shí)圖譜構(gòu)建流程，定義了標(biāo)準(zhǔn)要素實(shí)體和標(biāo)準(zhǔn)文件間關(guān)系，分析了標(biāo)準(zhǔn)文件知識(shí)圖譜的應(yīng)用場(chǎng)景。楊躍翔等[16]分析了標(biāo)準(zhǔn)文件的共性結(jié)構(gòu)要素的概念和關(guān)系，構(gòu)建本體層，將標(biāo)準(zhǔn)文件轉(zhuǎn)換為XML 文檔解析，構(gòu)建標(biāo)準(zhǔn)文件知識(shí)圖譜?？傮w上，標(biāo)準(zhǔn)文件知識(shí)圖譜構(gòu)建的相關(guān)研究主要針對(duì)標(biāo)準(zhǔn)文件數(shù)據(jù)中共性要素的解析，對(duì)于標(biāo)準(zhǔn)文件的核心技術(shù)內(nèi)容主要采用按章節(jié)結(jié)構(gòu)分解的方式，缺少對(duì)標(biāo)準(zhǔn)條文內(nèi)容的深度挖掘。

本文在分析煤礦標(biāo)準(zhǔn)文件特點(diǎn)、內(nèi)容和結(jié)構(gòu)的基礎(chǔ)上，創(chuàng)新性地建立了“標(biāo)準(zhǔn)文件-標(biāo)準(zhǔn)核心要素-標(biāo)準(zhǔn)條文”三層煤礦標(biāo)準(zhǔn)文件知識(shí)模型；然后根據(jù)每層數(shù)據(jù)的特點(diǎn)設(shè)計(jì)不同的知識(shí)抽取方案，利用圖數(shù)據(jù)庫(kù)存儲(chǔ)煤礦標(biāo)準(zhǔn)知識(shí)，完成了煤礦標(biāo)準(zhǔn)文件圖譜構(gòu)建；最后探討了煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜的應(yīng)用價(jià)值。

1 煤礦標(biāo)準(zhǔn)文件

1.1 煤礦標(biāo)準(zhǔn)文件概念及特點(diǎn)

標(biāo)準(zhǔn)文件的定義是通過(guò)標(biāo)準(zhǔn)化活動(dòng)，按照規(guī)定的程序經(jīng)協(xié)商一致制定，為各種活動(dòng)或其結(jié)果提供規(guī)則、指南或特性，供使用者共同使用或重復(fù)使用的文件。廣義的標(biāo)準(zhǔn)文件是標(biāo)準(zhǔn)化活動(dòng)相關(guān)的所有文獻(xiàn)資料。本文中煤礦標(biāo)準(zhǔn)文件指與煤礦生產(chǎn)、建設(shè)、安全等相關(guān)的國(guó)家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)及其分類資料、檢索工具等。

標(biāo)準(zhǔn)文件的內(nèi)容、形式及適用范圍等方面具有與一般文本不同的特點(diǎn)，具體表現(xiàn)在：

（1）編排規(guī)范。標(biāo)準(zhǔn)文件具有特定的編排格式和起草規(guī)則，文本整齊規(guī)范。

（2）協(xié)調(diào)性。一個(gè)標(biāo)準(zhǔn)化對(duì)象盡可能集中在一個(gè)文件中，標(biāo)準(zhǔn)文件間避免重復(fù)和不必要的差異。

（3）時(shí)效性。標(biāo)準(zhǔn)文件是標(biāo)準(zhǔn)化對(duì)象的底線和門檻，隨著經(jīng)濟(jì)的發(fā)展、科技水平的提高，標(biāo)準(zhǔn)文件會(huì)不斷地修訂、補(bǔ)充、替代或廢止。

（4）準(zhǔn)確性。標(biāo)準(zhǔn)文件是規(guī)范性文件，其內(nèi)容需專業(yè)、確切、規(guī)范，不應(yīng)有錯(cuò)誤和缺失。

標(biāo)準(zhǔn)文件前兩個(gè)特點(diǎn)使其能夠利用知識(shí)圖譜技術(shù)進(jìn)行結(jié)構(gòu)化重組，同時(shí)也由于標(biāo)準(zhǔn)文件圖譜的時(shí)效性與準(zhǔn)確性，圖譜的構(gòu)建方法必須易于更新存儲(chǔ)，同時(shí)能滿足標(biāo)準(zhǔn)文件圖譜的準(zhǔn)確性需求。

煤礦標(biāo)準(zhǔn)文件主要包括煤礦國(guó)家標(biāo)準(zhǔn)（GB）、煤炭行業(yè)標(biāo)準(zhǔn)（MT）、能源行業(yè)標(biāo)準(zhǔn)（NB）和煤礦安全標(biāo)準(zhǔn)（AQ），標(biāo)準(zhǔn)類別包括基礎(chǔ)標(biāo)準(zhǔn)、產(chǎn)品標(biāo)準(zhǔn)、試驗(yàn)標(biāo)準(zhǔn)、方法標(biāo)準(zhǔn)、管理標(biāo)準(zhǔn)等類型，涉及煤炭資源、煤礦地質(zhì)、煤礦生產(chǎn)、煤礦運(yùn)輸貯存、煤礦設(shè)備、煤礦安全等專業(yè)內(nèi)容，種類繁多，內(nèi)容復(fù)雜，難以歸納定義完整的有普適性的煤礦領(lǐng)域本體模型。因此，煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜構(gòu)建需要從標(biāo)準(zhǔn)文件的共性要素入手，構(gòu)建標(biāo)準(zhǔn)知識(shí)圖譜本體框架，技術(shù)要素等差異化內(nèi)容依附于本體框架各自建立概念。

1.2 煤礦標(biāo)準(zhǔn)文件結(jié)構(gòu)分析

煤礦標(biāo)準(zhǔn)文件由標(biāo)準(zhǔn)要素組成，根據(jù)GB/T 1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1 部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》，依據(jù)要素的作用和位置，可將標(biāo)準(zhǔn)文件中的要素劃分為規(guī)范性要素和資料性要素：規(guī)范性要素可劃分為規(guī)范性一般要素和規(guī)范性技術(shù)要素；資料性要素可劃分為資料性概述要素和資料性補(bǔ)充要素。標(biāo)準(zhǔn)要素的表述形式有條文、圖、表、數(shù)學(xué)公式、示例、腳注、引用等。標(biāo)準(zhǔn)要素信息如表1 所示。

表1 標(biāo)準(zhǔn)要素信息

資料性要素是標(biāo)準(zhǔn)文件理解和使用的附加信息，其內(nèi)容與格式相對(duì)統(tǒng)一、固定；規(guī)范性要素是界定文件范圍或設(shè)定條款的要素，內(nèi)容和格式相對(duì)繁多、復(fù)雜。以往的標(biāo)準(zhǔn)文件知識(shí)圖譜的構(gòu)建重點(diǎn)多在于對(duì)資料性要素和規(guī)范性一般要素的挖掘，而構(gòu)建完整的煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜，數(shù)據(jù)內(nèi)容須覆蓋所有規(guī)范性要素。

標(biāo)準(zhǔn)層次依據(jù)文件內(nèi)容的從屬關(guān)系將標(biāo)準(zhǔn)內(nèi)容劃分為相對(duì)獨(dú)立的單元,采用部分、章、條、段、列項(xiàng)和附錄的形式。部分是針對(duì)一個(gè)標(biāo)準(zhǔn)對(duì)象的文件因需求或編制目的不同而編制成若干部分；章、條、段和列項(xiàng)是文件層次劃分的單元，每一章均應(yīng)有章標(biāo)題，有下屬層次的條應(yīng)有條標(biāo)題，層級(jí)之間逐級(jí)細(xì)分、層層嵌套。將標(biāo)準(zhǔn)層次標(biāo)題作為煤礦標(biāo)準(zhǔn)規(guī)范性技術(shù)要素的層次實(shí)體建立層次概念，可保留標(biāo)準(zhǔn)的行文邏輯和標(biāo)準(zhǔn)條文的上下級(jí)關(guān)系。

標(biāo)準(zhǔn)條文是由條或段表述文件要素內(nèi)容所使用的文字和文字符號(hào)，即標(biāo)準(zhǔn)正文內(nèi)容，可劃分為描述性條文和規(guī)定性條文。描述性條文是對(duì)標(biāo)準(zhǔn)化對(duì)象的描述，例如定義、分類、型號(hào)、方法等；規(guī)定性條文是標(biāo)準(zhǔn)化對(duì)象的具體規(guī)定，例如要求、規(guī)程、指標(biāo)等。

2 煤礦標(biāo)準(zhǔn)文件知識(shí)建模

煤礦標(biāo)準(zhǔn)文件知識(shí)模型的構(gòu)建關(guān)鍵是知識(shí)單元的劃分。通用文檔知識(shí)圖譜[17]是對(duì)文本關(guān)鍵詞及其關(guān)系的挖掘，只能反映文本的主題或提綱，造成的知識(shí)損失較大，而標(biāo)準(zhǔn)文件知識(shí)圖譜的知識(shí)單元?jiǎng)澐謶?yīng)盡量保證文件語(yǔ)義完整，知識(shí)單元的粒度應(yīng)滿足知識(shí)圖譜檢索與應(yīng)用的需求。標(biāo)準(zhǔn)文件知識(shí)圖譜中加入要素、條文等段落、句子的實(shí)例形式，同時(shí)對(duì)條文進(jìn)行深度挖掘，表現(xiàn)全面完整的標(biāo)準(zhǔn)文件知識(shí)內(nèi)容。根據(jù)標(biāo)準(zhǔn)文件的要素作用和編排層次的分析結(jié)果，本文創(chuàng)新性地解析煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜架構(gòu)，將其劃分為標(biāo)準(zhǔn)文件SD（Standard Documents）、標(biāo)準(zhǔn)核心要素SE（Core Elements of Standard）、標(biāo)準(zhǔn)條文SP（Standard Provisions）三個(gè)層次的知識(shí)單元，建立標(biāo)準(zhǔn)文件知識(shí)圖譜D-E-P（Documents-Elements-Provisions，標(biāo)準(zhǔn)文件-標(biāo)準(zhǔn)核心要素-標(biāo)準(zhǔn)條文）知識(shí)模型。標(biāo)準(zhǔn)文件層與標(biāo)準(zhǔn)核心要素層、標(biāo)準(zhǔn)核心要素層與標(biāo)準(zhǔn)條文層之間為包含關(guān)系。煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜結(jié)構(gòu)如圖1 所示。

圖1 煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜結(jié)構(gòu)

（1）標(biāo)準(zhǔn)文件層

標(biāo)準(zhǔn)文件層以一個(gè)標(biāo)準(zhǔn)文件作為一個(gè)知識(shí)單元，包含標(biāo)準(zhǔn)文件的全部屬性和標(biāo)準(zhǔn)文件間的關(guān)系。標(biāo)準(zhǔn)文件層知識(shí)單元定義為SD=(D,C,R,A)， 其中D(Documents) 為標(biāo)準(zhǔn)文件實(shí)體；C（Concepts）為標(biāo)準(zhǔn)文件相關(guān)實(shí)體對(duì)象的集合，如人員、單位機(jī)構(gòu)等；R（Relationships）為標(biāo)準(zhǔn)文件間關(guān)系，包括引用關(guān)系、替代關(guān)系等；A（Attributes）為標(biāo)準(zhǔn)文件自身屬性，如標(biāo)準(zhǔn)分類、發(fā)布日期、歸口信息、適用界限等。

標(biāo)準(zhǔn)的資料性要素和規(guī)范性一般要素中包含大量標(biāo)準(zhǔn)文件屬性和標(biāo)準(zhǔn)文件間關(guān)系，標(biāo)準(zhǔn)文件層中主要概念、屬性（關(guān)系）和所屬要素如表2 所示。以GB 25974.1-2010《煤礦用液壓支架 第1 部分：通用技術(shù)條件》（以下簡(jiǎn)稱GB 25974.1-2010）為例，標(biāo)準(zhǔn)文件層實(shí)例如圖2 所示。

圖2 標(biāo)準(zhǔn)文件層實(shí)例

表2 標(biāo)準(zhǔn)文件層主要概念和屬性（關(guān)系）

（2）標(biāo)準(zhǔn)核心要素層

標(biāo)準(zhǔn)核心要素層以一篇標(biāo)準(zhǔn)文件下的一個(gè)核心技術(shù)要素作為一個(gè)知識(shí)單元，定義為SE=(D,L,P,R)，其中D（Documents）為標(biāo)準(zhǔn)文件實(shí)體，L（Levels）為標(biāo)準(zhǔn)層次實(shí)體，P（Provisions）為標(biāo)準(zhǔn)條文實(shí)體，按照標(biāo)準(zhǔn)的“章”層次進(jìn)行劃分，“章”層次下的“條”或“段”作為標(biāo)準(zhǔn)條文實(shí)體，“章標(biāo)題”和“條標(biāo)題”作為標(biāo)準(zhǔn)層次實(shí)體；R（Relationships）為實(shí)體間層次關(guān)系，包括上下位關(guān)系、繼承關(guān)系等。標(biāo)準(zhǔn)核心要素知識(shí)單元中包含全部的標(biāo)準(zhǔn)層次實(shí)體、標(biāo)準(zhǔn)條文實(shí)體以及實(shí)體間的層次關(guān)系，保留了完整的核心要素知識(shí)和標(biāo)準(zhǔn)文件著者的原始邏輯。標(biāo)準(zhǔn)文件層次和實(shí)體如表3 所示。以GB 25974.1-2010 為例，標(biāo)準(zhǔn)核心要素層實(shí)例如圖3 所示。

圖3 標(biāo)準(zhǔn)核心要素層實(shí)例

表3 標(biāo)準(zhǔn)文件層次和實(shí)體

（3）標(biāo)準(zhǔn)條文層

標(biāo)準(zhǔn)條文層以一個(gè)標(biāo)準(zhǔn)條文句作為一個(gè)知識(shí)單元，對(duì)條文的標(biāo)準(zhǔn)化對(duì)象與標(biāo)準(zhǔn)化內(nèi)容進(jìn)行深度挖掘。標(biāo)準(zhǔn)條文層知識(shí)單元定義為SP=（P,V,S,R,A），其中，P（Provisions）為標(biāo)準(zhǔn)條文實(shí)體，按照標(biāo)準(zhǔn)條文內(nèi)容可分為描述型條文實(shí)體和規(guī)定型條文實(shí)體；S（Subject）為標(biāo)準(zhǔn)條文主體，即該標(biāo)準(zhǔn)條文的標(biāo)準(zhǔn)化對(duì)象；V（Value）為標(biāo)準(zhǔn)條文值，即該標(biāo)準(zhǔn)條文的標(biāo)準(zhǔn)化內(nèi)容；R（Relationships）為標(biāo)準(zhǔn)條文關(guān)系，即標(biāo)準(zhǔn)條文主體與標(biāo)準(zhǔn)條文值間的關(guān)系，如表4 所示；A（Attributes）為標(biāo)準(zhǔn)條文屬性，包括條文類型、所屬要素層次等。

表4 標(biāo)準(zhǔn)條文層關(guān)系模式

其中描述型條文包含描述主體和描述值，規(guī)定型條文包含規(guī)定主體和規(guī)定值。如GB 25974.1—2010 中，條文“支架powered support以液壓為動(dòng)力實(shí)現(xiàn)升降、前移等運(yùn)動(dòng)，進(jìn)行頂板支護(hù)的設(shè)備”為描述型條文，包含的三元組為：（支架）-（英文名）-＞（powered support）、（支架）-（定義）-＞（以液壓為動(dòng)力實(shí)現(xiàn)升降、前移等運(yùn)動(dòng)，進(jìn)行頂板支護(hù)的設(shè)備）；條文“支架內(nèi)的行人通道的寬度應(yīng)不小于0.6m，高度應(yīng)不小于0.4m”為規(guī)定型條文，包含的三元組為：（支架內(nèi)的行人通道的寬度）-（范圍）-＞（不小于0.6m）、（支架內(nèi)的行人通道的高度）-（范圍）-＞（不小于0.4m）。標(biāo)準(zhǔn)條文層實(shí)例如圖4 所示。

圖4 標(biāo)準(zhǔn)條文層實(shí)例

3 煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜構(gòu)建

3.1 知識(shí)抽取

知識(shí)抽取是指從多種數(shù)據(jù)源中提取知識(shí)并存入知識(shí)圖譜，是知識(shí)圖譜構(gòu)建的基礎(chǔ)[18]。煤礦標(biāo)準(zhǔn)文件的數(shù)據(jù)源包括半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)，針對(duì)標(biāo)準(zhǔn)文件模式層數(shù)據(jù)的特點(diǎn)采用不同的抽取方式可提高抽取效率，煤礦標(biāo)準(zhǔn)文件知識(shí)抽取流程如圖5 所示。

圖5 煤礦標(biāo)準(zhǔn)文件知識(shí)抽取流程

（1）數(shù)據(jù)預(yù)處理。在國(guó)家標(biāo)準(zhǔn)文件公開(kāi)、行業(yè)標(biāo)準(zhǔn)信息服務(wù)等網(wǎng)站獲取煤礦相關(guān)標(biāo)準(zhǔn)文件數(shù)據(jù)，并根據(jù)知識(shí)單元定義對(duì)數(shù)據(jù)進(jìn)行劃分。

（2）半結(jié)構(gòu)化數(shù)據(jù)抽取。標(biāo)準(zhǔn)文件層數(shù)據(jù)的結(jié)構(gòu)規(guī)范書(shū)寫(xiě)邏輯嚴(yán)謹(jǐn)，標(biāo)準(zhǔn)核心要素層數(shù)據(jù)具有嚴(yán)格的層次編號(hào)，均可視為半結(jié)構(gòu)化數(shù)據(jù)。在分析文件層各屬性關(guān)系和標(biāo)準(zhǔn)核心要素結(jié)構(gòu)位置信息的基礎(chǔ)上，采用基于規(guī)則模板的抽取方法，構(gòu)建標(biāo)準(zhǔn)文件層抽取規(guī)則，獲取標(biāo)準(zhǔn)文件層知識(shí)及標(biāo)準(zhǔn)核心要素層知識(shí)。

（3）非結(jié)構(gòu)化數(shù)據(jù)抽取。標(biāo)準(zhǔn)條文層數(shù)據(jù)多為文本數(shù)據(jù)，沒(méi)有固定的特征，是非結(jié)構(gòu)化數(shù)據(jù)，構(gòu)建規(guī)則模板成本高且泛用性低。因此，采用基于深度學(xué)習(xí)的方法進(jìn)行抽取：將標(biāo)準(zhǔn)條文數(shù)據(jù)輸入到BERT-BiLSTM-CRF 模型中，利用Bert 模型構(gòu)成的字嵌入層將字轉(zhuǎn)為詞向量，利用BiLSTM（Bi-directional Long Short-Term Memory，雙向長(zhǎng)短期記憶網(wǎng)絡(luò)）層提取序列特征，利用CRF（Conditional Random Field，條件隨機(jī)場(chǎng)）層預(yù)測(cè)標(biāo)簽，得到標(biāo)準(zhǔn)條文層知識(shí)。

（4）數(shù)據(jù)整合。對(duì)各層知識(shí)單元數(shù)據(jù)抽取結(jié)果進(jìn)行整理，整合為CSV 表格形式。為保證抽取數(shù)據(jù)的準(zhǔn)確性，抽取完成后的結(jié)果需人工對(duì)抽取結(jié)果進(jìn)行審查校正，以滿足標(biāo)準(zhǔn)文件的準(zhǔn)確性需求。

3.2 知識(shí)存儲(chǔ)

知識(shí)圖譜存儲(chǔ)主要采用關(guān)系型數(shù)據(jù)庫(kù)、RDF（Resource Description Framework，資源描述框架）和圖數(shù)據(jù)庫(kù)方式實(shí)現(xiàn)[19]。關(guān)系型數(shù)據(jù)庫(kù)需要大量表連接實(shí)現(xiàn)實(shí)體關(guān)系表示，運(yùn)算開(kāi)銷大；RDF 三元組需事先制定特定領(lǐng)域RDF 詞匯表，且需借助特定RDF 工具實(shí)現(xiàn)管理。而圖數(shù)據(jù)庫(kù)使用節(jié)點(diǎn)和邊表示實(shí)體關(guān)系，且利用內(nèi)置管理工具實(shí)現(xiàn)靈活、高效的存儲(chǔ)和查詢。因此，煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜選用Neo4j 圖數(shù)據(jù)庫(kù)存儲(chǔ)方案，其中標(biāo)簽對(duì)應(yīng)標(biāo)準(zhǔn)文件圖譜知識(shí)模型分層，節(jié)點(diǎn)及其屬性對(duì)應(yīng)實(shí)體及其屬性，邊對(duì)應(yīng)實(shí)體間關(guān)系，存儲(chǔ)方案如表5 所示。

表5 煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜存儲(chǔ)方案

圖數(shù)據(jù)庫(kù)操作可利用Neo4j 查詢語(yǔ)言Cypher 實(shí)現(xiàn)。本文使用Python 中py2neo 庫(kù)執(zhí)行Cypher 語(yǔ)句實(shí)現(xiàn)數(shù)據(jù)庫(kù)增刪改查操作，常用語(yǔ)句包括：Node、Relationship 類創(chuàng)建節(jié)點(diǎn)及關(guān)系；find、match 語(yǔ)句查詢節(jié)點(diǎn)或關(guān)系；push 語(yǔ)句更新節(jié)點(diǎn)；run 語(yǔ)句執(zhí)行Cypher 語(yǔ)句等。

將獲取的標(biāo)準(zhǔn)文件各層知識(shí)單元數(shù)據(jù)存儲(chǔ)到Neo4j 數(shù)據(jù)庫(kù)后，形成的煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜共包含節(jié)點(diǎn)16257 個(gè)，關(guān)系22581 條。圖譜數(shù)據(jù)統(tǒng)計(jì)信息如表6 所示。

表6 煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜統(tǒng)計(jì)信息

3.3 圖譜構(gòu)建效果評(píng)估

我們已組織專業(yè)人士，針對(duì)煤礦標(biāo)準(zhǔn)知識(shí)圖譜數(shù)據(jù)進(jìn)行了均勻隨機(jī)采樣檢測(cè)，對(duì)圖譜質(zhì)量進(jìn)行了總體評(píng)估，并進(jìn)行了針對(duì)性的修改優(yōu)化，基本保證了圖譜的專業(yè)性和準(zhǔn)確性。需要指出的是，從業(yè)界目前研究現(xiàn)狀看，圖譜質(zhì)量評(píng)估方法和指標(biāo)體系尚處于研究初期，缺乏行之有效的手段，實(shí)踐可行性比較低。而且煤礦標(biāo)準(zhǔn)圖譜構(gòu)建是個(gè)復(fù)雜的系統(tǒng)工程，目前整體系統(tǒng)還在完善中，后續(xù)隨著研究工作進(jìn)展，我們將不定期邀請(qǐng)領(lǐng)域?qū)＜遥瑥膶I(yè)性、嚴(yán)謹(jǐn)性、易用性等角度對(duì)圖譜進(jìn)行持續(xù)質(zhì)量評(píng)估。

4 煤礦標(biāo)準(zhǔn)文件圖譜特點(diǎn)與應(yīng)用

4.1 圖譜特點(diǎn)

本文研究的煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜，以煤礦標(biāo)準(zhǔn)文件為切入點(diǎn)進(jìn)行知識(shí)建模，創(chuàng)新性地提出并構(gòu)建了“標(biāo)準(zhǔn)文件-標(biāo)準(zhǔn)核心要素-標(biāo)準(zhǔn)條文”三層知識(shí)單元模型，與其他知識(shí)圖譜對(duì)比特點(diǎn)如表7 所示。

表7 知識(shí)圖譜對(duì)比

4.2 圖譜應(yīng)用

基于標(biāo)準(zhǔn)文件知識(shí)模型構(gòu)建的煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜可以為標(biāo)準(zhǔn)制定、檢索、閱讀等提供標(biāo)準(zhǔn)文件、標(biāo)準(zhǔn)核心要素、標(biāo)準(zhǔn)條文三種粒度知識(shí)單元的知識(shí)服務(wù)，有利于標(biāo)準(zhǔn)的推廣應(yīng)用。利用知識(shí)圖譜相關(guān)技術(shù)開(kāi)發(fā)的煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜應(yīng)用平臺(tái)可實(shí)現(xiàn)標(biāo)準(zhǔn)可視化、智能檢索問(wèn)答、標(biāo)準(zhǔn)信息服務(wù)等應(yīng)用。

（1）標(biāo)準(zhǔn)可視化

傳統(tǒng)的標(biāo)準(zhǔn)文件數(shù)據(jù)庫(kù)以PDF 圖片或標(biāo)準(zhǔn)全文方式存儲(chǔ)標(biāo)準(zhǔn)，煤礦從業(yè)者在閱讀多篇標(biāo)準(zhǔn)文件時(shí)難以找到所需的核心內(nèi)容，閱讀過(guò)程中難以實(shí)現(xiàn)文檔間的自由切換。標(biāo)準(zhǔn)文件知識(shí)圖譜可視化可利用多種可視形式為用戶提供更好的閱讀體驗(yàn)。通過(guò)標(biāo)準(zhǔn)文件知識(shí)圖譜展示可以直接體現(xiàn)各標(biāo)準(zhǔn)知識(shí)單元間的關(guān)系；利用數(shù)據(jù)分析方法將知識(shí)圖譜內(nèi)容以柱狀圖、餅狀圖等圖表的形式展現(xiàn)出來(lái)，有助于標(biāo)準(zhǔn)數(shù)據(jù)統(tǒng)計(jì)研究；利用智能圖書(shū)館的文檔表現(xiàn)形式可以全面系統(tǒng)地展示標(biāo)準(zhǔn)文件知識(shí)，使用超鏈接跳轉(zhuǎn)查閱方式實(shí)現(xiàn)用戶的自由探索。標(biāo)準(zhǔn)可視化效果如圖6 所示。

圖6 煤礦標(biāo)準(zhǔn)圖譜可視化效果

（2）智能檢索問(wèn)答

現(xiàn)階段標(biāo)準(zhǔn)文件檢索系統(tǒng)多數(shù)只能實(shí)現(xiàn)對(duì)標(biāo)準(zhǔn)名稱、標(biāo)準(zhǔn)編號(hào)的簡(jiǎn)單檢索，搜索過(guò)程和結(jié)果中缺少標(biāo)準(zhǔn)文件內(nèi)部信息，致使煤礦從業(yè)者難以快速、準(zhǔn)確地定位所需標(biāo)準(zhǔn)文件，耗費(fèi)時(shí)間精力研讀標(biāo)準(zhǔn)全文尋找所需信息。借助標(biāo)準(zhǔn)文件知識(shí)圖譜開(kāi)發(fā)的智能檢索問(wèn)答系統(tǒng)可以為用戶提供多級(jí)的、深層次的檢索方式，利用智能問(wèn)答技術(shù)理解用戶檢索語(yǔ)義和意圖，提供自然語(yǔ)言問(wèn)答交互功能。智能檢索問(wèn)答應(yīng)用流程如圖7 所示。

圖7 智能檢索問(wèn)答應(yīng)用流程圖

（3）標(biāo)準(zhǔn)信息服務(wù)

利用標(biāo)準(zhǔn)文件知識(shí)圖譜重組標(biāo)準(zhǔn)文件后，可為煤礦標(biāo)準(zhǔn)化活動(dòng)提供多種標(biāo)準(zhǔn)信息服務(wù)。條文內(nèi)容的細(xì)粒度抽取可將多次出現(xiàn)的關(guān)鍵知識(shí)共享重用，發(fā)掘標(biāo)準(zhǔn)文件的公共性和一致性，同時(shí)能對(duì)現(xiàn)有標(biāo)準(zhǔn)內(nèi)容進(jìn)行沖突性檢測(cè)；利用高質(zhì)量標(biāo)準(zhǔn)形成標(biāo)準(zhǔn)文件模板輔助標(biāo)準(zhǔn)文件編寫(xiě)，為標(biāo)準(zhǔn)編寫(xiě)者提供涉及標(biāo)準(zhǔn)相關(guān)信息參考，保證標(biāo)準(zhǔn)的準(zhǔn)確性；利用自然語(yǔ)言處理技術(shù)實(shí)現(xiàn)實(shí)際指標(biāo)與標(biāo)準(zhǔn)文件圖譜內(nèi)容比對(duì)，輔助煤礦標(biāo)準(zhǔn)實(shí)施監(jiān)督檢查、達(dá)標(biāo)檢測(cè)、指標(biāo)評(píng)價(jià)等活動(dòng)，提高監(jiān)督人員效率，指標(biāo)比對(duì)流程如圖8 所示，指標(biāo)比對(duì)效果如圖9 所示。

圖8 指標(biāo)比對(duì)流程

5 結(jié)語(yǔ)

本文在解析標(biāo)準(zhǔn)文件要素、層次和條文的特點(diǎn)的基礎(chǔ)上，創(chuàng)新性地提出并構(gòu)建了包含標(biāo)準(zhǔn)文件、標(biāo)準(zhǔn)核心要素和標(biāo)準(zhǔn)條文的三層知識(shí)單元模型，將標(biāo)準(zhǔn)文件知識(shí)進(jìn)行重組，保留了標(biāo)準(zhǔn)要素內(nèi)容的層次邏輯和復(fù)雜語(yǔ)義，對(duì)標(biāo)準(zhǔn)條文知識(shí)進(jìn)行了細(xì)粒度挖掘；依據(jù)標(biāo)準(zhǔn)文件知識(shí)模型，通過(guò)規(guī)則模板和深度學(xué)習(xí)方法對(duì)不同類型數(shù)據(jù)進(jìn)行了知識(shí)抽取，存儲(chǔ)到Neo4j 圖數(shù)據(jù)庫(kù)中，完成煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜構(gòu)建；探討了煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜的應(yīng)用價(jià)值，為煤礦標(biāo)準(zhǔn)化、數(shù)字化發(fā)展提供了可借鑒思路。后續(xù)筆者計(jì)劃在煤礦標(biāo)準(zhǔn)文件知識(shí)圖譜內(nèi)容的融合更新及深度應(yīng)用方向開(kāi)展更進(jìn)一步研究。