Construction of Knowledge Graph in Storage Domain Based on Knowledge Context

doi:10.3778/j.issn.1002-8331.2208-0193

Abstract

Abstract: As the value of domain knowledge graph has been widely recognized, experts in various fields have carried out extensive research on the construction of domain knowledge graph, and successfully applied it in knowledge question answering, knowledge recommendation and other services. There are a lot of tacit knowledge in the warehousing field, but it is difficult to be directly used by warehousing business personnel. Building the knowledge graph of storage domain based on knowledge context and making the implicit knowledge of warehousing explicit can provide better knowledge services for warehousing. In view of this, a warehouse knowledge representation method based on knowledge context is proposed. Firstly, the overall framework of storage context knowledge graph based on data model and case model is proposed, and then the construction methods of “two steps” data model and case model of different structure data are given respectively. Finally, the construction of storage context knowledge graph is completed by using ontology, data integration and entity & relationship extraction technology and applied to intelligent question answering system. Through the case analysis of the construction of storage context knowledge graph, the overall framework of storage context knowledge graph and the construction method of data/instance model are feasible, and the constructed storage context knowledge graph can meet the needs of warehouse personnel for situational knowledge.

Key words: knowledge graph, domain knowledge, knowledge context, ontology of storage

摘要： 随着领域知识图谱价值得到广泛认可，各领域专家就本领域知识图谱的构建展开了广泛研究，并成功将其应用于知识问答、知识推荐等服务中。仓储领域中存在着大量隐性知识，但难以直接为业务人员利用。基于知识情境构建仓储领域知识图谱，将仓储隐性知识显性化可以为仓储业务人员提供更好的知识服务。鉴于此，提出了一种基于知识情境的仓储知识表示方法。提出以数据模型和实例模型为核心的仓储情境知识图谱总体框架，分别给出了“二阶”数据模型构建方法及不同结构数据的实例模型构建方法，运用本体、数据集成及实体关系抽取技术完成了仓储情境知识图谱的构建并将其运用于智能问答系统中。通过仓储情境知识图谱构建案例分析可知，仓储情境知识图谱总体框架及数据/实例模型构建方法可行，构建的仓储情境知识图谱能够满足仓储人员对情境知识的需求。

关键词: 知识图谱, 领域知识, 知识情境, 仓储本体

QIU Xiaoping, CHEN Jiong. Construction of Knowledge Graph in Storage Domain Based on Knowledge Context[J]. Computer Engineering and Applications, 2023, 59(14): 94-106.

邱小平, 陈炯. 基于知识情境的仓储领域知识图谱构建[J]. 计算机工程与应用, 2023, 59(14): 94-106.

References

[1] 王萌，王靖婷，江胤霖，等.人机混合的知识图谱主动搜索[J].计算机研究与发展，2020，57（12）：2501-2513.
WANG M，WANG J T，JIANG Y L，et al.Hybrid human-machine active search over knowledge graph[J].Journal of Computer Research and Development，2020，57（12）：2501-2513.
[2] BINOS T，ADAMOPOULOS A，BRUNO V.Decision support research in warehousing and distribution：a systematic literature review[J].International Journal of Information Technology and Decision Making，2020，19（3）：1-41.
[3] CHOY K L，HO G T S，LEE C K H.A RFID-based storage assignment system for enhancing the efficiency of order picking[J].Journal of Intelligent Manufacturing，2017，28（1）：1-19.
[4] LAO S I，CHOY K L，HO G，et al.An RFRS that combines RFID and CBR technologies[J].Industrial Management & Data Systems，2012，112（3/4）：385-404.
[5] 祝锡永，潘旭伟，王正成.基于情境的知识共享与重用方法研究[J].情报学报，2007（2）：179-184.
ZHU X Y，PAN X W，WANG Z C.Research on the approaches to context-based knowledge sharing and reuse[J].Journal of the China Society for Scientific and Technical Information，2007（2）：179-184.
[6] 潘旭伟，顾新建，王正成，等.集成情境的知识管理方法和关键技术研究[J].计算机集成制造系统，2007（5）：971-977.
PAN X W，GU X J，WANG Z C，et al.Methods & key technologies of knowledge management integrating context[J].Computer Integrated Manufacturing Systems，2007，（5）：971-977.
[7] 陈星，黄志明，叶心舒，等.智能家居情境感知服务的运行时建模与执行方法[J].软件学报，2019，30（11）：3297-3312.
CHEN X，HUANG Z M，YE X S，et al.Approach to modeling and executing context-aware services of smart home at runtime[J].Journal of Software，2019，30（11）：3297-3312.
[8] 徐进，朱菁.国内外知识情境研究综述[J].情报杂志，2009，28（3）：23-26.
XU J，ZHU J.A review on the research of knowledge context[J].Journal of Intelligence，2009，28（3）：23-26.
[9] 战洪飞，邬益男，余军合，等.面向业务求解的情境化知识模块建模方法研究[J].情报理论与实践，2018，41（7）：149-154.
ZHAN H F，WU Y N，YU J H，et al.Research on the modeling method of contextualized knowledge module for business problem solving[J].Information studies：Theory & Application，2018，41（7）：149-154.
[10] WANG X H，ZHANG D Q，GU T，et al.Ontology based context modeling and reasoning using OWL[C]//IEEE Conference on Pervasive Computing & Communications Workshops，2004.
[11] 姜永常，金岩.集成情境知识构建的体系设计与系统实现[J].图书情报工作，2013，57（6）：121-126.
JIANG Y C，JIN Y.System design and realization of knowledge architecture integrating context[J].Library and Information Service，2013，57（6）：121-126.
[12] 潘旭伟，李泽彪，祝锡永，等.自适应个性化信息服务：基于情境感知和本体的方法[J].中国图书馆学报，2009，35（6）：41-48.
PAN X W，LI Z B，ZHU X Y，et al.Adaptive personalized information service：context aware and ontology based approach[J].Journal of Library Science in China，2009，35（6）：41-48.
[13] 周明建，赵建波，李腾.基于情境相似的知识个性化推荐系统研究[J].计算机工程与科学，2016，38（3）：569-576.
ZHOU M J，LI J B，LI T.Personalized knowledge recommendation system based on context similarity[J].Computer Engineering & Science，2016，38（3）：569-576.
[14] SMIRNOV A，LEVASHOVA T，SHILOV N.Patterns for context-based knowledge fusion in decision support systems[J].Information Fusion，2015，21：114-129.
[15] 张长征，黄德春，Upmanu Lall，等.基于情境和知识集成的水资源调度流程的知识管理框架研究[J].资源科学，2012，34（10）：1935-1943.
ZHANG C Z，HUANG D C，LALL U，et al.Knowledge management when scheduling the flow of water resources based on context-knowledge integration[J].Resource Science，2012，34（10）：1935-1943.
[16] 丁晟春，侯琳琳，王颖.基于电商数据的产品知识图谱构建研究[J].数据分析与知识发现，2019，3（3）：45-56.
DIN S C，HOU L L，WANG Y.Product knowledge map construction based on the E-commerce data[J].Data Analysis and Knowledge Discovery，2019，3（3）：45-56.
[17] 廖开际，黄琼影，席运江.在线医疗社区问答文本的知识图谱构建研究[J].情报科学，2021，39（3）：51-59.
LIAO K J，HUANG Q Y，XI Y J.Knowledge graph construction of online medical community Q&A texts[J].Information Science，2021，39（3）：51-59.
[18] 徐进.面向工业装配的知识图谱构建与应用研究[J].计算机科学，2021，48（S1）：285-288.
XU J.Construction and application of knowledge graph for industrial aseembly[J].Computer Science，2021，48（S1）：285-288.
[19] 岳昆，阚伊戎，王钰杰，等.面向电子商务应用的知识图谱关联查询处理[J].计算机集成制造系统，2020，26（5）：1326-1335.
YUE K，KAN Y R，WANG Y J，et al.Correlation query processing of knowledge graph oriented to e-commerce applications[J].Computer Integrated Manufacturing Systems，2020，26（5）：1326-1335.
[20] 盛明，陈玉思，张勇，等.一种面向医疗健康领域知识图谱的可扩展系统架构的研究[J].小型微型计算机系统，2019，40（10）：2150-2154.
SHENG M，CHEN Y S，ZHANG Y，et al.Research of an extensible framework for health knowledge graph[J].Journal of Chinese Computer Systems，2019，40（10）：2150-2154.
[21] 邓霄，徐文君，刘佳宜，等.基于知识表示学习的工业云机器人制造能力服务推荐方法[J].计算机集成制造系统，2023，29（3）：719-730.
DENG X，XU W J，LIU J Y，et al.Manufacturing capability service recommendation based on knowledge representation learning for industrial cloud robotics[J].Computer Integrated Manufacturing Systems，2023，29（3）：719-730.
[22] 杨玉基，许斌，胡家威，等.一种准确而高效的领域知识图谱构建方法[J].软件学报，2018，29（10）：2931-2947.
YANG Y J，XU B，HU J W，et al.Accurate and efficient method for constructing domain knowledge graph[J].Journal of Software，2018，29（10）：2931-2947.
[23] 聂同攀，曾继炎，程玉杰，等.面向飞机电源系统故障诊断的知识图谱构建技术及应用[J].航空学报，2022，43（8）：46-62.
NIE T P，ZENG J Y，CHENG Y J，et al.Knowledge graph construction technology and its application in aircraft power system fault diagnosis[J].Acta Aeronautica et Astronautica Sinica，2022，43（8）：46-62.
[24] 王鑫，邹磊，王朝坤，等.知识图谱数据管理研究综述[J].软件学报，2019，30（7）：2139-2174.
WANG X，ZOU L，WANG C K，et al.Research on knowledge graph data management：a survey[J].Journal of Software，2019，30（7）：2139-2174.
[25] YU H，LI H，MAO D，et al.A relationship extraction method for domain knowledge graph construction[J].World Wide Web，2020，23（2）：735-753.
[26] YU C，WANG F，LIU Y H，et al.Research on knowledge graph alignment model based on deep learning[J].Expert Systems with Applications，2021，186：115768.
[27] 何晓珂，张晓东，姜超峰，等.物流术语：GB/T18354-2021[S].北京：中国标准出版社，2021.
HE X K，ZHANG X D，JIANG C F，et al.Logistics terminology：GB/T18354-2021[S].Beijing：Standards Press of China，2021.
[28] GU J X，GOETSCHALCKX M，MCGINNIS L F.Research on warehouse operation：a comprehensive review[J].European Journal of Operational Research，2007，177（1）：1-21.
[29] 邬益男，战洪飞，余军合.面向业务问题求解的知识情境集成建模方法研究[J].软科学，2018，32（3）：134-138.
WU Yinan，ZHAN Honfei，YU Junhe.Research on business problem solving modeling based on knowledge context integration[J].Soft Science，2018，32（3）：134-138.
[30] URH B，ZAJEC M，KERN T，et al.Structural indicators for business process redesign efficiency assessment[C]//6th International Scientific-Technical Conference on Advances in Manufacturing II（MANUFACTURING），May 19-22，2019.Poland，Poznan：Springer，2019：16-32.
[31] HUANG Z，WEI X，KAI Y.Bidirectional LSTM-CRF models for sequence tagging[J].arXiv：1508.01991，2015.
[32] 李晓红，聂旭飞，冯志勇.基于本体和规则的物流知识表示与推理[J].天津大学学报，2008（3）：305-310.
LI X H，NIE X F，FENG Z Y.Knowledge representation and reasoning of logistics system based on ontology and rule[J].Journal of Tianjin University（Science and Technology），2008（3）：305-310.
[33] WANG Y J，YI J J，ZHU X M，et al.Developing an ontology-based cold chain logistics monitoring and decision system[J].Journal of Sensors，2015：1-8.
[34] 李悦，孙坦，鲜国建，等.面向多源数据深度融合的农作物病虫害本体构建研究[J].数字图书馆论坛，2021（2）：2-10.
LI Y，SUN T，XIAN G J，et al.Research on ontology construction of crop diseases and pests for deep fusion of multisource data[J].Digital Library Forum，2021（2）：2-10.