目标行为挖掘与检索分析方法、系统、计算机设备及应用与流程

本发明属于目标行为信息处理
技术领域：
，尤其涉及一种目标行为挖掘与检索分析方法、系统、计算机设备及应用。
背景技术：
：目前，最接近的现有技术：随着大数据时代的发展，大量的数据涌入网络中，由于数据量大、数据种类多、数据传输效率高、数据价值高等因素的影响，往往会造成知识的分析、组织和利用无法有效进行。因此，需要一种可以对大量知识进行有效组织和利用的方法，来解决这一问题，使得更好地管理、组织、理解大量的信息，挖掘出信息之间隐藏的知识。目标行为挖掘与检索分析作为空中智能系统的一种有价值的决策信息，越来越受到人们的广泛关注。在空中智能系统中，行为分析的结果可以辅助研究人员进行意图识别和态势评估，从而对战场情况全方位掌控。目标行为分析就是对大量的、多种类型的数据进行有效地组织和利用，从而形成一定的知识理解。现有技术一采用模糊神经网络的方法将目标属性构建成训练样本，从而完成行为分析，但是这种方法存在训练时间长且准确率较低的问题；现有技术二对目标瞄准线角度、目标类型、姿态信息和位置等信息，采用多特征融合的方式对目标属性信息进行确定，但融合过程中容易出错，造成准确率较低。在如今互联网极为发展的信息时代，上述方法都存在数据形式单一、信息不足的局限性，因而无法全面的对目标行为分析。知识图谱的出现解决了传统系统无法对知识充分组织和利用的问题，在众多领域取得了成功。现有技术三提出一种bilstm-crf的知识抽取方法，对美国军事网涉及到的信息数据进行知识抽取，形成知识库，由此关联到和目标有关的行为信息；现有技术四利用百科知识构建军事领域知识图谱，并实现了基于军事装备领域的知识问答。该技术通过网络爬虫不断获取原始百科数据，利用高质量的百科知识对知识图谱构建过程中的知识抽取、知识融合、知识图谱的储存与更新等关键技术进行研究，并在已构建的知识图谱基础上实现了军事装备领域的知识问答，有效利用了网页中的零散军事装备数据，实现了军事装备知识图谱的构建。如今是大数据的时代，极为丰富的海量信息流入到网络系统中，如何从这些信息中抽取出有价值的知识，从而形成对知识的充分组织和利用，是一个充满挑战的问题，传统的信息系统对于知识的分析、组织和利用显得力不从心，知识图谱的出现使这些问题迎刃而解。目前大部分知识图谱仅仅刻画了目标的静态知识信息，而实际情况中，知识往往具有两种特性，第一，知识往往带有时间标签；第二，时间靠前的知识可能会对时间靠后的知识产生影响。知识的组织、展示与搜索，是知识图谱功能的主要体现，丰富准确的数据是构建知识图谱的重要条件，目标行为信息含有丰富的时间信息，传统的知识图谱都是仅仅利用了目标的静态知识信息，对目标的动态行为信息缺乏组织和利用，不能对不同层次和粒度的抽象概念进行描述，造成目标行为挖掘分析的结果不直观、不易分析等。通过上述分析，现有技术存在的问题及缺陷为：传统的知识图谱都是仅仅利用了目标的静态知识信息，对目标的动态行为信息缺乏组织和利用，对目标行为挖掘分析的结果造成影响。解决以上问题及缺陷的难度为：在极为丰富的海量信息流入到网络系统的情况下，如何对大量的知识进行有效利用；当所抽取的信息具有多样性时，如何提高知识抽取的准确性；当含有动态信息时，如何全面的分析目标的行为；解决以上问题及缺陷的意义为：上述技术问题是目标动态的行为分析中一些急需解决的问题。选择知识图谱模型和知识抽取方法，可以对大量的知识进行有效利用，提高知识抽取的准确性。解决目标行为挖掘与检索分析问题，一直是空中智能系统的一个重难点。因此，解决上述技术问题有非常重要的作用。技术实现要素：针对现有技术存在的问题，本发明提供了一种目标行为挖掘与检索分析方法、系统、计算机设备及应用。本发明是这样实现的，一种目标行为挖掘与检索分析方法，所述目标行为挖掘与检索分析方法以知识检索的形式得到目标行为信息，从时间维度上组织知识，考虑了不同时间段之间知识存在的联系，将目标的静态属性信息和动态知识信息相结合，依据提取出的知识信息对目标行为进行挖掘分析。进一步，所述目标行为挖掘与检索分析方法包括：第一步，在本体和知识组织体系的指导下对原始数据库进行知识抽取；第二步，在完成知识抽取后，进行知识融合，加入一定的专家知识和第三方数据库；第三步，进行知识校验，对知识的质量进行评估，使目标知识库中的信息都是高质量的有用信息；第四步，将构建完成的知识图谱采用存储介质存储，形成高质量的知识库，采用查询引擎、自然交互、语义分析支撑技术，支撑知识检索、规律分析、知识问答、时敏事件知识应用；第五步，对形成的知识图谱以及检索出的信息进行分析，将目标的静态属性信息和动态知识信息相结合。进一步，所述目标行为挖掘与检索分析方法的目标行为通过对知识图谱的检索得到与目标相关的知识，依据知识对目标进行挖掘分析；知识检索框架包括知识获取与加工、解析与知识检索两大阶段；知识获取与加工阶段形成知识图谱后，用于支撑解析与知识检索阶段，最终获取到与目标有关的知识信息，依据目标信息对目标行为进行分析；对于知识抽取部分，层级解析实现对指定类型目标相关信息的抽取，字段解析基于jieba分词和领域词、辅助词库，抽取出特定的实体、关系、属性，标准化处理是对时间和单位的处理，采用正则表达式匹配的方式进行时间统一，形成一定规模的结构化知识库；知识存储部分负责知识的存储，采用文档型数据库mongodb进行存储，形成知识库后，向上层提供服务支撑。对于语义理解部分，用户输入检索语句，同知识抽取处理方法一样，进行语义分析处理；对于知识检索部分，采用基于关系模板穷举的方法进行实体与查询属性项之间的对应，依据模板将解析出的字段信息转换成数据库查询语句，最终返回用户需要的与目标相关的信息，根据查询出的目标规律信息，依据一定的先验知识或者规则分析目标的行为。进一步，所述目标行为挖掘与检索分析方法采用爬虫技术爬取信息，同时生成一定数量、一定规则的目标飞行规律数据，作为构建知识图谱的数据源。进一步，所述目标行为挖掘与检索分析方法采用的是jieba分词工具，实现中文分词、词性标注、关键词抽取、获取词语位置功能；利用jieba分词工具进行词性标注以及分词处理，对处理后的数据进行知识抽取，知识抽取面向大量的数据，通过自动化的技术抽取出可用的实体、关系、属性信息，应根据具体场景特点采用相应的知识抽取技术。进一步，所述目标行为挖掘与检索分析方法基于领域词及辅助词的知识抽取完成规则的收集并作为构建军事领域知识的模式与数据格式，依据军事领域术语和一定规则对军事领域知识图谱的实体类型、关系以及属性进行事先定义形成自定义词典，形成自定义词典后，利用构建的自定义词典进行字段解析，对于时间和单位要进行标准化处理，最终形成目标范畴库、目标属性库、目标地点库领域词库；采用正则表达式的方式对时间进行标准化处理；采用文档型数据库mongodb进行存储，将数据存入mongodb中，首先要与mongodb建立连接，并创建存储数据的数据库文件信息，读取json文件中的数据，然后进行数据处理，对于处理过的每一行数据用新的变量存储，将新的变量插入到mongodb数据库中；构建完成的知识图谱，基于模板匹配的方式实现知识检索，完成了目标的行为挖掘分析，对用户输入的检索问题进行问题语义分析，将问题表示成结构化形式的检索语句，在知识图谱中检索答案。进一步，所述目标行为挖掘与检索分析方法还包括：1)用户输入采用自然语言表示的问题；通过利用自然语言处理方法理解用户问题。2)采用jieba分词工具结合领域词、辅助词库，对输入文本进行分词处理，提取出实体、属性、关系；其中的识别过程同样采用基于领域词、辅助词配合正则表达式的方法。领域词库依据军事领域知识进行构建，包含实体名、关系名、属性名及属性值，相应名词的近义词作为辅助词库，经过分词后提取出实体、关系、属性，并进行词性标注，加入近义词的目的是为了解决输入词汇多样化的问题，确保准确性和鲁棒性。3)将分词后的提取结果链接到知识图谱中的具体实体；便于后续知识检索模板与实体的链接；4)按照查询模板，生成数据库查询语句；经过问句解析将用户输入转化成计算机可以理解的语言后，采用模板匹配的方法，基于模板匹配的知识检索关键在于能够依据问题找到对应的模板。将分词后的结果与事先定义好的模板进行匹配，找到最符合的模板，将分词后的实体、关系、属性等链接到该模板，5)查询mongodb数据库；到mongodb对应的库中进行查询，6)返回查询结果。将符合条件的查询结果作为答案返回给用户。本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：以知识检索的形式得到目标行为信息，从时间维度上组织知识，考虑了不同时间段之间知识存在的联系，将目标的静态属性信息和动态知识信息相结合，依据提取出的知识信息对目标行为进行挖掘分析。本发明的另一目的在于提供一种实施所述目标行为挖掘与检索分析方法的目标行为挖掘与检索分析系统，所述目标行为挖掘与检索分析系统包括：知识信息抽取模块，用于在本体和知识组织体系的指导下对原始数据库进行知识抽取；知识信息融合模块，用于在完成知识抽取后，进行知识融合，加入一定的专家知识和第三方数据库；知识信息校验模块，用于进行知识校验，对知识的质量进行评估，使目标知识库中的信息都是高质量的有用信息；知识信息存储模块，用于将构建完成的知识图谱采用一定的存储介质存储，最终形成高质量的知识库，采用查询引擎、自然交互、语义分析支撑技术，支撑知识检索、规律分析、知识问答、时敏事件知识应用；目标信息处理模块，用于对形成的知识图谱以及检索出的信息进行分析，将目标的静态属性信息和动态知识信息相结合。本发明的另一目的在于提供一种空中智能系统，所述空中智能系统搭载所述的目标行为挖掘与检索分析系统。结合上述的所有技术方案，本发明所具备的优点及积极效果为：(1)采用知识图谱技术，解决了传统的信息系统无法有效对知识的分析、组织和利用的问题；(2)从多源异构知识载体中提取知识，构建出利于挖掘分析的图形化界面；对不同层次和粒度的抽象概念进行描述，更好地管理、组织、理解大量的信息，挖掘出信息之间隐藏的知识；(3)采用基于领域词、辅助词配合正则表达式的知识抽取技术，提高了知识抽取的多样性和准确性；(4)动态的知识图谱通过引入时间元素，将事件之间的行为通过时间轴进行呈现，从时间维度上考虑知识，发现不同时间段之间知识存在的联系；(5)将静态知识信息和动态行为特点相结合，更加全面地对目标行为进行挖掘分析。本发明提供了一种基于知识图谱的行为挖掘、检索分析方法。以知识检索的形式得到目标行为信息。该架构从时间维度上组织知识，考虑了不同时间段之间知识存在的联系，将目标的静态属性信息和动态知识信息相结合，依据提取出的知识信息对目标行为进行挖掘分析，实现了对知识的有效组织和充分利用。该架构不仅仅是实现了知识检索，而且从时间维度上组织知识，考虑了不同时间段之间知识存在的联系，将目标的静态属性信息和动态知识信息相结合，依据提取出的知识信息对目标行为进行挖掘分析，实现了对知识的有效组织和充分利用。本发明采用知识图谱技术，解决了传统的信息系统无法有效地对知识进行分析、组织和利用的问题。本发明提供了一种基于知识图谱的行为挖掘、检索分析方法。以知识检索的形式得到目标行为信息。该架构从时间维度上组织知识，考虑了不同时间段之间知识存在的联系，将目标的静态属性信息和动态知识信息相结合，依据提取出的知识信息对目标行为进行挖掘分析，实现了对知识的有效组织和充分利用。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。图1是本发明实施例提供的目标行为挖掘与检索分析方法流程图。图2是本发明实施例提供的目标行为挖掘与检索分析系统的结构示意图；图2中：1、知识信息抽取模块；2、知识信息融合模块；3、知识信息校验模块；4、知识信息存储模块；5、目标信息处理模块。图3是本发明实施例提供的目标行为挖掘与检索分析方法的实现流程图。图4是本发明实施例提供的知识检索框架图。图5是本发明实施例提供的几种飞行规律图。图6是本发明实施例提供的知识抽取流程图。图7是本发明实施例提供的目标属性单位标准化处理流程图。图8是本发明实施例提供的时间统一流程图。图9是本发明实施例提供的数据存入mongodb的流程图。图10是本发明实施例提供的知识检索流程图。图11是本发明实施例提供的单实体单属性检索示意图。图12是本发明实施例提供的单实体多属性与多实体单属性检索示意图。图13是本发明实施例提供的单属性区间、单实体属性最值检索示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。针对现有技术存在的问题，本发明提供了一种目标行为挖掘与检索分析方法、系统、计算机设备及应用，下面结合附图对本发明作详细的描述。如图1所示，本发明提供的目标行为挖掘与检索分析方法包括以下步骤：s101：在本体和知识组织体系的指导下对原始数据库进行知识抽取；s102：在完成知识抽取后，进行知识融合，加入一定的专家知识和第三方数据库；s103：进行知识校验，对知识的质量进行评估，使目标知识库中的信息都是高质量的有用信息；s104：将构建完成的知识图谱采用一定的存储介质存储，最终形成高质量的知识库，采用查询引擎、自然交互、语义分析等支撑技术，支撑知识检索、规律分析、知识问答、时敏事件等知识应用；s105：对形成的知识图谱以及检索出的信息进行分析，将目标的静态属性信息和动态知识信息相结合。本发明提供的目标行为挖掘与检索分析方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的目标行为挖掘与检索分析方法仅仅是一个具体实施例而已。如图2所示，本发明提供的目标行为挖掘与检索分析系统包括：知识信息抽取模块1，用于在本体和知识组织体系的指导下对原始数据库进行知识抽取；知识信息融合模块2，用于在完成知识抽取后，进行知识融合，加入一定的专家知识和第三方数据库；知识信息校验模块3，用于进行知识校验，对知识的质量进行评估，使目标知识库中的信息都是高质量的有用信息；知识信息存储模块4，用于将构建完成的知识图谱采用一定的存储介质存储，最终形成高质量的知识库，采用查询引擎、自然交互、语义分析等支撑技术，支撑知识检索、规律分析、知识问答、时敏事件等知识应用；目标信息处理模块5，用于对形成的知识图谱以及检索出的信息进行分析，将目标的静态属性信息和动态知识信息相结合。下面结合附图对本发明的技术方案作进一步的描述。如图3所示，本发明的目标行为挖掘与检索分析方法采用知识图谱进行目标行为挖掘与检索分析，核心是知识图谱的构建，本发明不仅讨论目标的静态知识信息，还同时考虑了目标的动态行为特点，以结构化数据信息作为原始数据库。首先在本体和知识组织体系的指导下对原始数据库进行知识抽取，以便形成本体化的知识表达；然后，在完成知识抽取后，进行下一步的知识融合，以消除矛盾和歧义，这一过程可加入一定的专家知识和第三方数据库；最后进行知识校验，对知识的质量进行评估，使目标知识库中的信息都是高质量的有用信息。将构建完成的知识图谱采用一定的存储介质存储，最终形成高质量的知识库，采用诸如查询引擎、自然交互、语义分析等支撑技术，支撑知识检索、规律分析、知识问答、时敏事件等知识应用。而后，对形成的知识图谱以及检索出的信息进行分析，将目标的静态属性信息和动态知识信息相结合，从而更加全面地分析目标的行为。如图4所示，目标行为可通过对知识图谱的检索来得到与目标相关的知识，依据这些知识对目标进行挖掘分析。知识检索框架如图所示，主要包括知识获取与加工、解析与知识检索两大阶段。知识获取与加工阶段形成知识图谱后，用来支撑解析与知识检索阶段，最终获取到与目标有关的知识信息，依据目标信息对目标行为进行分析。对于知识抽取部分，层级解析实现对指定类型目标相关信息的抽取，字段解析基于jieba分词和领域词、辅助词库，抽取出特定的实体、关系、属性，标准化处理主要是对时间和单位的处理，采用正则表达式匹配的方式进行时间统一，最后形成一定规模的结构化知识库。知识存储部分负责知识的存储，采用文档型数据库mongodb进行存储。形成知识库后，向上层提供服务支撑。对于语义理解部分，用户输入检索语句，同知识抽取处理方法一样，进行语义分析处理。对于知识检索部分，采用基于关系模板穷举的方法进行实体与查询属性项之间的对应，依据模板将解析出的字段信息转换成数据库查询语句，最终返回用户需要的与目标相关的信息，根据查询出的目标规律信息，依据一定的先验知识或者规则分析目标的行为。采用数据采集、知识抽取、知识的存储与检索、知识图谱分析这样的技术路线进行研究。知识的数量和质量对于构建知识图谱尤为重要，它决定了最终所能提供的知识服务的广度和深度，以及解决问题的能力，为此，采用爬虫技术从环球军事网爬取军事相关信息，同时生成一定数量、一定规则的目标飞行规律数据，作为构建知识图谱的数据源。选取环球军事网进行数据爬取，其中的人物，战役，武器库，术语库等为军事提供了一个很好的信息平台。最终爬取了包括飞行器、舰艇等8大类武器，轰炸机等100余小类，共计5800项结构化数据。同时，根据一定的规则，对这些类别的飞行器构造一定的飞行规律，不同的飞行规律反映不同的飞行意图。依靠爬虫技术得到的数据往往只含有目标的静态知识信息，不能充分反映目标的规律状态信息，而目标的规律状态信息不仅和目标当前时刻有关，还和目标以前的状态有关，依据场景几种飞行规律示例如图5所示。设置不同的时间段来模拟飞行器的飞行轨迹，不同时间段的飞行高度、飞行速度、通信链路等信息是不同的，而不同的飞行轨迹意味着目标的飞行规律不同，意图不同，对应的威胁等级不同。目标飞行规律信息的数据源是大量的中文文本数据，进行后续军事领域知识图谱的构建需要大量的标注语料，中文文本数据的预处理结果对知识抽取不可或缺。本发明采用的是jieba分词工具，jieba是比较常用的中文文本分词和处理的工具之一，它能实现中文分词、词性标注、关键词抽取、获取词语位置等功能。本发明利用jieba分词工具进行词性标注以及分词处理，然后对处理后的数据进行知识抽取。知识抽取主要是面向大量的数据，通过自动化的技术抽取出可用的实体、关系、属性信息。知识抽取对知识图谱的构建尤为重要，因此，应根据具体场景特点采用相应的知识抽取技术。具体的知识抽取流程如图6所示。基于领域词及辅助词的知识抽取完成规则的收集并作为构建军事领域知识的模式与数据格式。依据军事领域术语和一定规则对军事领域知识图谱的实体类型、关系以及属性进行事先定义形成自定义词典。例如，实体类型有飞行器、舰船舰艇、太空装备等；目标属性有飞行速度、研发时间、机高、飞行时间等；目标地点有中国、美国、俄罗斯、韩国等；属性最值有最大、最高、最短等；目标比较有高于、短于、不等于、不低于等；形成自定义词典后，利用构建的自定义词典进行字段解析，对于时间和单位要进行标准化处理，最终形成目标范畴库、目标属性库、目标地点库等领域词库，以方便后续的知识检索过程。辅助词是为了解决文本数据的多样性，确保抽取的准确性和鲁棒性。由于目标行为含有很多的属性信息和时间信息，在进行具体文本数据处理时，涉及到了不同单位的识别、转换与标准化，以及识别不同的时间表示方法等问题，针对单位的标准化和时间统一的问题，需要进行相应处理。目标属性单位标准化处理流程如图7所示。以目标属性识别中的单位属性为例，同一目标不同的属性具备不同的单位，不同的目标即使是同一属性，单位也可能不同。在进行属性识别时，通用文本中对目标属性的描述呈现多样化，为知识抽取带来一定的麻烦。属性单位不同，大小不同，不能仅仅只识别出文本中的数值，还要对该数值后面的单位进行统一。本发明采用正则表达式的方式对时间进行标准化处理。利用正则表达式进行时间统一流程如图8所示。首先，对于每一行数据含有的每一个键值对，若值包含数据并且符合时间要求，则进行时间检测并进行统一化处理。采用正则表达式检测年份是否符合要求，如果年份符合要求，同样采用正则表达式检测月份、日期、准确时间是否符合要求，如果全部符合要求，再找出时间对应的数字，然后将对应单位抹去，并进行日期补全操作，将补全后的时间按照设定的标准格式进行拼接，形成标准化的时间。本发明在构建好知识图谱后，良好的存储机制是十分必要的，否则不能支持高速度、可扩展、高性能、高并发的查询。采用文档型数据库mongodb进行存储。要将数据存入mongodb中，首先要与mongodb建立连接，并创建用来存储数据的数据库文件信息，读取json文件中的数据，然后进行数据处理，如单位和时间的标准化处理，对于处理过的每一行数据用新的变量存储，将新的变量插入到mongodb数据库中。数据存入mongodb的流程如图9所示。本发明基于知识图谱的目标行为挖掘与检索分析有效利用了目标的信息，将这些信息进行了良好的组织，整合成更符合人类认知的结构化知识，是对知识的高效管理和利用。其中，mongodb数据库中存储的是已经构建好的知识库，为了更好地利用知识库，发挥知识图谱的使用价值，本发明基于知识图谱实现了知识检索，可以挖掘分析出目标行为规律，辅助最终的决策结果。知识图谱检索的研究核心之一在于自然语言问句的解析和理解。在本发明所述的构建完成的知识图谱上，基于模板匹配的方式实现了知识检索，完成了目标的行为挖掘分析，其主要流程如图10所示。首先对用户输入的检索问题进行问题语义分析，为了能够查询数据库，需要将问题表示成结构化形式的检索语句，然后在知识图谱中检索答案。主要包括问句解析模块和检索模块。实现的具体流程是：1)用户输入采用自然语言表示的问题；2)采用jieba分词工具结合领域词、辅助词库，对输入文本进行分词处理，提取出实体、属性、关系等；3)将分词后的提取结果链接到知识图谱中的具体实体；4)按照查询模板，生成数据库查询语句；5)查询mongodb数据库；6)返回查询结果。通常，用户输入的问句形式多种多样，不同的问题在知识图谱中对应的查询方式不尽相同。本发明采用的是基于模板匹配方式进行知识检索，而基于模板匹配的知识检索关键在于能够依据问题找到对应的模板。因此，为了应对多种的问句类型，提高系统的准确性，所采用的问句类型如表1所示。表1知识检索问句类型问句类型问句举例单实体单属性问答苏-27战斗机的机长是多少单实体多属性问答歼-16战机的研发单位和首飞时间是多少多实体单属性问答苏-27战斗机以及lca战斗机的机高是多少单属性区间问答长度最长的宇宙飞船单实体属性最值问答最大飞行速度大于1000公里的战斗机对于信息检索部分，本发明可采用不同的问句类型对这些信息进行检索，依据检索出的信息，结合目标行为分析的一些辅助信息，比如一定的先验知识或者规则，即可完成对目标行为的判定。下面对不同问句类型的查询结果进行展示。(1)单实体单属性的查询结果如图11所示。输入问句：“苏-27战斗机的机长是多少”，可以得到苏-27战斗机的机长是21.93米。输入问句：“阵风战斗机的飞行规律是什么”，“f-15鹰式战斗机的飞行规律是什么”，可以得到和飞行规律信息相同的信息，因为飞行规律与目标意图有关，研究人员可以依据飞行规律信息判别目标对应的意图信息，进而采取相应的措施。检索到阵风战斗机的飞行规律后，可以发现阵风战斗机以300千米每小时的速度先匀速平稳飞行了40分钟，然后以350千米每小时的速度下降飞行了15分钟，随后以280千米每小时的速度平稳飞行35分钟，每一阶段对应几种不同的通信链路。当检索到这些飞行规律信息后，依据阵风战斗机的航迹信息和区域活动规律信息，可对阵风战斗机的潜在意图进行判定。也就是将检索出的信息依据一定的先验知识或者规则对该目标的意图以及威胁等级进行判定。(2)单实体多属性、多实体单属性的检索结果如图12所示。查找“歼-16战机的研发单位和首飞时间是多少”，“苏-27战斗机以及lca战斗机的机高是多少”，可得到对应的目标信息。对于单实体多属性检索，首先对问句进行解析，找到对应的查询模板是实体-属性-属性，依据该模板到mongodb数据库中查找对应信息，得到歼-16战机的研发单位是中国沈阳飞机公司，首飞时间是2011-10-1701:01。对于多实体单属性检索，其检索过程与单实体多属性检索类似，同样可得到问句对应的知识信息。如果得到的是目标的静态知识信息，本发明可将这些静态信息与动态知识信息相结合，综合分析出目标的意图及对应的威胁等级。(3)单属性区间、单实体属性最值的检索结果如图13所示。查找“长度最长的宇宙飞船”，“最大飞行速度大于1000公里的战斗机”，得到关于属性区间值和属性最值的回答。应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。当前第1页12