摘 要：構(gòu)建大數(shù)據(jù)支撐下的智能應(yīng)用是公安信息化發(fā)展的趨勢，警用安保機器人大數(shù)據(jù)分析平臺的核心功能包括機器人智能人機交互和前后端融合的大數(shù)據(jù)情報分析研判。闡述了知識圖譜技術(shù)在警用安保機器人人機交互和情報分析領(lǐng)域應(yīng)用的突出優(yōu)勢，并從知識構(gòu)建、推理挖掘、決策服務(wù)等方面提出了警用安保機器人大數(shù)據(jù)分析系統(tǒng)建設(shè)的總體方案。

關(guān)鍵詞：知識圖譜 機器人 大數(shù)據(jù)分析系統(tǒng)

引言

警用安保機器人綜合運用物聯(lián)網(wǎng)、人工智能、云計算、大數(shù)據(jù)等技術(shù)，具備自主感知、自主行走、自主保護、互動交流、便民服務(wù)、警用巡邏等能力，可輔助警察完成基礎(chǔ)性、重復(fù)性、危險性的工作，持續(xù)推動警務(wù)服務(wù)升級。隨著人工智能的不斷發(fā)展，警用安保機器人更加關(guān)注機器人智能化能力，以及機器人與現(xiàn)有公安信息化流程無縫對接的大數(shù)據(jù)智能分析平臺的建設(shè)能力。智能化已經(jīng)成為衡量機器人性能的首要標(biāo)準(zhǔn)。

本文總結(jié)知識圖譜技術(shù)在警用安保機器人大數(shù)據(jù)分析領(lǐng)域應(yīng)用的技術(shù)優(yōu)勢，并圍繞警用安保機器人后臺智能人機交互和前后端融合的大數(shù)據(jù)情報分析研判兩大核心功能提出系統(tǒng)建設(shè)的總體方案。

一、知識圖譜技術(shù)

目前，人工智能的進(jìn)展突出體現(xiàn)在以深度學(xué)習(xí)為代表的機器學(xué)習(xí)以及以知識圖譜為代表的知識工程兩大領(lǐng)域。腦科學(xué)領(lǐng)域的一些研究進(jìn)展為機器人的研發(fā)帶來了新的啟示。相關(guān)研究顯示，人腦在進(jìn)行閱讀、問答、計算等非反射性活動時，通常會調(diào)動大腦中的多個功能區(qū)域，同時進(jìn)行協(xié)作決策。如圖1所示，人腦的網(wǎng)絡(luò)化協(xié)作過程主要是為了充分使用不同區(qū)域所獲得和存儲的信息，從而做出綜合性的決策研判。由此可以看出，網(wǎng)絡(luò)是一種建模多源信息和多種要素的有效方法。

 

 

知識圖譜(Knowledge Graph)是一種語義網(wǎng)絡(luò)，包含大量實體和概念及其之間的語義關(guān)系，知識圖譜中所富含的實體、概念、屬性、關(guān)系等信息，提供了從“關(guān)系”角度去分析問題的能力。因此，為了充分組織和管理人機交互過程中和機器人自感知過程中獲取的海量數(shù)據(jù)，知識圖譜技術(shù)的第一階段，應(yīng)從多源異構(gòu)數(shù)據(jù)中識別出目標(biāo)、行為、時空關(guān)系等構(gòu)建系統(tǒng)的本體模型，進(jìn)而，將要素通過相互作用的方式系統(tǒng)整合，形成目標(biāo)關(guān)系的知識關(guān)聯(lián)網(wǎng)絡(luò)。因此，知識圖譜在警用安保機器人智能化領(lǐng)域的應(yīng)用具有巨大潛能。

二、警用知識庫構(gòu)建技術(shù)

機器人的人機語音交互功能是決定機器人友好性和智能性的關(guān)鍵因素，智能問答是未來智能化發(fā)展中人機交互的主要方式。智能問答的核心在于聊天語料和知識推理兩部分。當(dāng)前，互聯(lián)網(wǎng)和專有網(wǎng)絡(luò)上，研究人員已建立了通用問詢知識庫包含衣食住行等多個方面的常用知識。然而，針對警用安保機器人面向公安業(yè)務(wù)的知識庫目前仍處于研究階段。

從技術(shù)層面，問答系統(tǒng)按照知識來源可以分為檢索式問答(Retrieval-based Question Answering， RQA)和基于知識庫的問答(Knowledge Base Question Answering，KBQA)。RQA的知識來源為非結(jié)構(gòu)化的文檔，針對用戶的問句對一個文檔集合進(jìn)行排序，并返回排序結(jié)果，或者將單個文檔中與問題最相關(guān)的特定語句返回。KBQA的知識來源為結(jié)構(gòu)化的知識庫，針對用戶的問句，利用知識庫進(jìn)行查詢和推理，得出最終答案。區(qū)別于聊天機器人，KBQA更關(guān)注事實性問題;區(qū)別于RQA，KBQA返回的不是文檔排序結(jié)果或相關(guān)的句子，而是直接給出答案。針對公安行業(yè)，警務(wù)安保機器人更應(yīng)以正規(guī)、明確的方式對群眾提問進(jìn)行準(zhǔn)確回答。因此采用KBQA的方式，構(gòu)建警用安保機器人知識庫，問答系統(tǒng)需要通過自然語言處理技術(shù)，將用戶問句中的主題實體識別出來，并鏈接到知識庫中對應(yīng)的實體，通過關(guān)系路徑推斷推理出主題實體到答案節(jié)點的路徑，從而得到最終的問題答案。

三、警用機器人后臺情報分析技術(shù)

警用安保機器人具有全面的數(shù)據(jù)感知功能，將機器人前端感知數(shù)據(jù)與已建的公安大數(shù)據(jù)分析系統(tǒng)深度融合，將警用安保機器人巡邏工作納入公安情報分析、處置流程中，使其成為情報分析系統(tǒng)的重要數(shù)據(jù)來源，后端的情報研判結(jié)果可以直接指揮機器人的下一步行動，形成公安大數(shù)據(jù)情報分析閉環(huán)。因此，公安情報分析能力是警用安保機器人大腦的重要組成部分。

在情報分析領(lǐng)域，傳統(tǒng)的情報研判模型通常是由專家系統(tǒng)和邏輯推理計算完成，其存在兩個方面的缺陷。首先，專家知識的獲取嚴(yán)重依賴領(lǐng)域?qū)＜业闹�識總結(jié)能力，但在實際工作當(dāng)中，專家知識的總結(jié)往往存在著掛一漏萬的情況，大量細(xì)節(jié)性、隱含但非常關(guān)鍵的判定知識難以被引入到專家系統(tǒng)中，這就導(dǎo)致專家系統(tǒng)在實際應(yīng)用場景中效果往往不夠理想。另一方面，傳統(tǒng)的推理系統(tǒng)往往將各個知識和要素當(dāng)作孤立的個體對待，對于知識與知識、要素與要素、知識與要素之間的關(guān)聯(lián)關(guān)系沒有非常好的建模。這就導(dǎo)致對于決策信息的研判與分析十分片面和孤立，單純依賴傳統(tǒng)專家與推理系統(tǒng)分析研判模型難以滿足公安等復(fù)雜場景下的實際業(yè)務(wù)需求。

基于知識圖譜的情報分析模型采用網(wǎng)絡(luò)組織的方式對數(shù)據(jù)對象進(jìn)行組織，其固有優(yōu)勢明顯，適合應(yīng)用在機器人后臺中提供分析決策能力。首先，在知識圖譜中，要素對象和對象間關(guān)系是能夠獨立進(jìn)行管理的，模型可以動態(tài)調(diào)整知識圖譜中節(jié)點和邊之間的關(guān)系，將目標(biāo)的識別過程和知識的組織過程有效結(jié)合起來。其次，知識圖譜本身和推理系統(tǒng)之間并不是耦合的，用戶可以根據(jù)需要定義不同的推理規(guī)則，從而挖掘知識圖譜當(dāng)中的相關(guān)關(guān)系。這種知識與模型分離的數(shù)據(jù)管理方式，保障系統(tǒng)能夠支持不同類型的推理決策模型，同時能夠和后續(xù)的預(yù)測預(yù)警模塊無縫對接，系統(tǒng)的靈活性大大提高。在系統(tǒng)進(jìn)行知識升級時，如果是目標(biāo)識別模塊有所改進(jìn)，可以通過更新知識圖譜中的對象與關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)進(jìn)行知識模型升級;如果是后續(xù)的預(yù)測預(yù)警模塊進(jìn)行了升級，則可以脫離知識圖譜，獨立進(jìn)行模型升級。

目前，基于知識圖譜的情報分析技術(shù)已應(yīng)用于各國的警務(wù)情報項目中。其中美國Palantir公司的Gotham平臺構(gòu)建出一套語義知識搜索挖掘平臺，總結(jié)提煉八個信息實體：人、車、位置、罪案、逮捕、文件、備注與其他，并構(gòu)建不同個體間的知識關(guān)聯(lián)，極大提高了破案準(zhǔn)確率和效率。在國內(nèi)，知識圖譜技術(shù)應(yīng)用于輔助公安刑偵、經(jīng)偵等警種的案件偵破工作。針對特定案件，按照人、事、地、物、組織構(gòu)建社會關(guān)系網(wǎng)，結(jié)合專家研判經(jīng)驗規(guī)則和知識，迅速調(diào)用PB及以上量級數(shù)據(jù)之間的關(guān)系，分析推演出案件的研判結(jié)果。

四、警用安保機器人后端系統(tǒng)總體架構(gòu)

警用安保機器人后端系統(tǒng)總體架構(gòu)的核心功能包括：機器人人機交互平臺和機器人大數(shù)據(jù)平臺，如圖2所示。

 

 

(一)機器人人機交互平臺

包含了知識庫的構(gòu)建、知識存儲、知識應(yīng)用。前端機器人本體將采集到的語音輸入至語音識別模塊，經(jīng)過自然語言處理，將結(jié)構(gòu)化的實體輸入知識問答系統(tǒng)，獲取答案，并通過語音合成模塊進(jìn)行輸出播放。

1. 知識庫構(gòu)建

如圖3所示，進(jìn)一步描述了知識庫的構(gòu)建過程。知識獲取的主要目的是融合通用知識基礎(chǔ)庫與領(lǐng)域?qū)�業(yè)基礎(chǔ)庫，抽取其中的概念、實例、屬性和關(guān)系。通用基礎(chǔ)庫是指從常識知識中選取和領(lǐng)域相關(guān)知識構(gòu)成的知識庫。領(lǐng)域基礎(chǔ)庫是用來描述領(lǐng)域相關(guān)的其他基本知識，如便民服務(wù)更關(guān)注的證件辦理、安保巡邏更關(guān)注的安全常識，其來源于專業(yè)領(lǐng)域字典、核心詞匯表等。其次，為了獲取當(dāng)前最實時的領(lǐng)域知識，建立領(lǐng)域更新庫，不斷更新和完善知識庫內(nèi)容。

 

 

2. 知識計算

包括屬性計算、關(guān)系計算和實例計算。

3. 知識存儲

經(jīng)驗證的海量知識存儲于圖數(shù)據(jù)和關(guān)系數(shù)據(jù)庫中。

4. 知識應(yīng)用

通過建立知識圖譜，可開展語義檢索、個性化推薦、知識問答。其中警用機器人直接調(diào)用知識問答應(yīng)用。

(二)機器人大數(shù)據(jù)平臺

包含了知識庫構(gòu)建、推理挖掘和決策支持。將機器人感知數(shù)據(jù)與公安大數(shù)據(jù)進(jìn)行深度融合，形成公安情報分析知識庫，利用關(guān)聯(lián)分析等算法，實現(xiàn)可視化分析、關(guān)系人挖掘等上層應(yīng)用，并將分析結(jié)果反饋到機器人本體，指導(dǎo)本體下一步工作。

1. 知識庫構(gòu)建

提取的人、事、地、物、組織等要素對象，將其作為知識圖譜當(dāng)中的實體進(jìn)行建模。其次，基于實體—鏈接二維理論，將實體之間的關(guān)系(例如：社交關(guān)系、家庭、戶籍、資金往來、住宿出行等關(guān)系)抽象為鏈接表示為連線，存儲在圖數(shù)據(jù)庫中，形成不同主題的知識圖譜。

2. 推理挖掘

能夠從已有知識中發(fā)現(xiàn)隱含知識。在知識圖譜之上，通過開發(fā)各類數(shù)據(jù)研判模型，如對象關(guān)系的異常檢測、與特定事件關(guān)聯(lián)關(guān)系的查詢等，就可以有效支撐情報分析中的各項數(shù)據(jù)研判任務(wù)。

3. 決策支持

分析研判結(jié)果結(jié)合全息圖像可視化、時空可視化、圖可視化分析等可視化分析技術(shù)，將數(shù)據(jù)中多維度知識以易于人類理解的方式盡可能多地提供給決策專家。專家通過系統(tǒng)一鍵下發(fā)功能，可快速向前端警用安保機器人下發(fā)巡邏指令，到達(dá)指定地點，開展數(shù)據(jù)搜集或巡邏工作。

五、成果試用

在公安工作的眾多場景，特別是安保工作中，有很多涉及到基于公安行業(yè)安保知識圖譜的人機交互場景需求。例如：安保工作中的安保機器人自動區(qū)域巡邏、基于動態(tài)人臉識別與分析的重點人員現(xiàn)場識別與核驗系統(tǒng)、基于安保人員人臉識別與證件識別雙因子身份認(rèn)證系統(tǒng)等場景中，通過安保機器人的引入，能大大提高安保工作的效率、水平和安全能力。同時通過將前端安保機器人與后臺大數(shù)據(jù)分析平臺建立高速、高效、安全的連接與互動通道，能夠切實將后端的行業(yè)知識處理分析能力和行業(yè)知識圖譜直接服務(wù)于一線工作，從而使前端感知機器人變成能夠交互、學(xué)習(xí)、思考的智能交互機器人。這點在重要場所的安保機器人實驗工作中已經(jīng)得到檢驗，對系統(tǒng)架構(gòu)、技術(shù)平臺、安全互聯(lián)、知識圖譜的場景化應(yīng)用進(jìn)行了實地驗證。下一步將繼續(xù)擴大實驗場景和范圍，力爭在完善功能、技術(shù)架構(gòu)、知識圖譜的基礎(chǔ)上，將安保機器人的應(yīng)用場景推向更大范圍。

六、結(jié)語

隨著大數(shù)據(jù)、云計算和人工智能等技術(shù)的快速發(fā)展，以智能化為核心的警用安保機器人大數(shù)據(jù)平臺已初步應(yīng)用于公安實戰(zhàn)。利用知識圖譜理論將公安多源、異構(gòu)大數(shù)據(jù)進(jìn)行有效組織，構(gòu)建以“知識”為核心的知識庫、關(guān)聯(lián)網(wǎng)絡(luò)和推理模型，可為警用安保機器人的應(yīng)用提供重要的技術(shù)支撐。

參考文獻(xiàn)：

[1] 陳甜甜.警用巡邏機器人發(fā)展研究[J]. 安全技術(shù)參考, 2017(4):3-11.

[2] 仇韞琦. 智能時代人機交互的新方式——KBQA的前世今生. http://mp.weixin.qq.com/s/LkRrPXEjGRugw9LMSS9uJg[EB/OL].2018.

[3] 張華平.從Palantir看公安大數(shù)據(jù)應(yīng)用[EB/OL].http://mt.sohu.com /20160523/n450910580.

[4] 明略數(shù)據(jù). 明略數(shù)據(jù)實現(xiàn)人機同行[J]. 網(wǎng)絡(luò)安全和信息化, 2017(9):19.

[5] 王元卓, 賈巖濤, 趙澤亞. OpenKN網(wǎng)絡(luò)大數(shù)據(jù)時代的知識計算引擎[J]. CCF 通訊, 2014, 10(11): 30-35.

標(biāo)簽： 安全 大數(shù)據(jù) 大數(shù)據(jù)分析 大數(shù)據(jù)分析平臺 大數(shù)據(jù)分析系統(tǒng) 大數(shù)據(jù)平臺 大數(shù)據(jù)時代 大數(shù)據(jù)應(yīng)用 互聯(lián)網(wǎng) 數(shù)據(jù)分析 數(shù)據(jù)庫 搜索 網(wǎng)絡(luò) 網(wǎng)絡(luò)安全 網(wǎng)絡(luò)安全和信息化 

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。