一种6G全场景知识图谱及其构建方法

一种6g全场景知识图谱及其构建方法
技术领域
1.本发明属于通信技术领域，具体涉及一种6g全场景知识图谱及其构建方法。


背景技术：

2.在6g网络中，全域全场景特性导致业务需求的高复杂性和动态变化。如何确定不同场景下异构服务的需求，转化成网络kpi(key performance indicator，关键绩效指标)，并相应地对网络资源进行调度是待解决的一个关键问题。针对这一挑战，需构建一种6g全场景按需服务工作架构，而按需服务的第一步需要先对场景进行认知和理解。在得到完全的场景认知信息后，便可以直接进行网络调配决策，为各类用户提供对应的服务。因此，使用什么样的方法实现对各类场景的认知，从所感知到的信息数据中提取必要的场景和服务特征并获取对场景的完整详细的认知，对提高下一代网络的智能性和灵活性具有重要意义。
3.知识图谱作为存储海量结构化知识的一种方法，因其强大的表达能力在各个领域都有广泛的应用。因此，为了获取完整的场景信息并为下游任务提供相应决策方案，将知识图谱应用于对场景的认知理解是必要的一环。通过场景知识图谱的构建，可以形成对场景的完备的规范描述，再将场景图谱通过高效的知识表示学习方法融入到网络中，这样即使实际流入网络的场景信息具有残缺甚至错误，也可以通过在图谱上的匹配和推理获取对场景较为精确和完整的认知，同时也能为下游的任务输出所需的信息甚至是决策方案。这一过程将极大地提高网络的智能化和自主性，同时也具有一定的创新意义。因此设计一种构建6g全场景知识图谱的方法是有合理性和重要性的。
4.然而目前在通信领域中仅有一些小规模的知识图谱构建实例，例如频谱识别、特定场景下的无线电监测等，这些小规模的知识图谱应用的场景非常有限，甚至仅能用于单一的通信场景。缺少一种能够作为知识库以辅助下一代通信网络进行场景认知与决策的大规模场景知识图谱的构建方法。


技术实现要素：

5.为了解决现有技术中存在的上述问题，本发明提供了一种6g全场景知识图谱及其构建方法。本发明要解决的技术问题通过以下技术方案实现：
6.本发明的一个方面提供了一种6g全场景知识图谱的构建方法，包括：
7.进行6g场景核心要素分析，定义6g全场景本体的基本架构；
8.完善所述基本构架的组成部分并确定知识图谱实体类型；
9.根据所述知识图谱实体类型定义不同种类的关系以连接不同类型的实体；
10.从获取的6g全场景相关数据中提取所需要的实体和关系并以三元组的形式进行存储，构建6g全场景知识图谱。
11.在本发明的一个实施例中，所述6g全场景本体的基本架构包括四个核心要素：环境、资源、主体和需求，其中，所述环境表示6g场景所依赖的现实世界的真实环境，所述资源
表示6g场景中能够利用的各类资源，所述主体表示6g场景中具有特定需求的用户，主体是存在于特定环境中的主体，所述需求表示6g场景中所具有的各类服务。
12.在本发明的一个实施例中，根据下游任务需要完善所述基本构架的组成部分并确定知识图谱实体类型，包括：
13.根据下游任务需要为所构建的6g全场景知识图谱定义下述实体类型：
14.场景类实体：包括所有的通信场景或已定义但未完全实现的通信场景；环境类实体：场景所处的现实环境；服务/需求类实体：在具体环境中各种具体的服务或用户需求；资源类实体：场景中能够被使用的各类资源；主体类实体：场景中完成某项服务过程中的所有参与者；kpi类实体：用来描述服务对应的具体kpi；方法类实体：在各类通信环境中使用的技术、提出的各种策略或解决方案；特征类实体：描述不同场景、不同环境、不同技术、不同需求或服务具有的各种属性；能力类实体：用来表示技术、设备、场景等所具有的完成某个目标的能力。
15.在本发明的一个实施例中，所述下游任务需要6g全场景知识图谱提供完整的场景信息以辅助系统进行按需服务资源调度决策，其中，所述场景信息包括服务的kpi指标或者相应的决策方案。
16.在本发明的一个实施例中，根据所述知识图谱实体类型定义不同种类的关系以连接不同类型的实体，包括：为所述知识图谱实体类型定义下述关系类型：
17.继承类关系：表示一实体属于另一实体的组成部分或属于它的子类；属性类关系：描述实体具有的某些特征属性；需求类关系：表示实体间的需求关系；能力类关系：表示实体具有完成某个目的的能力类型；比较类关系：实体间的对比关系。
18.在本发明的一个实施例中，从获取的6g全场景相关数据中提取所需要的实体和关系并以三元组的形式进行存储，包括：
19.从现有文献或公开数据集中提取符合构建该6g全场景知识图谱内容的知识，并以{实体a，关系，实体b}的三元组形式存储所有提取的知识；
20.对提取的大量6g全场景相关知识三元组进行清洗，将具有相似词义的实体进行合并，形成所构建的6g全场景知识图谱知识库。
21.在本发明的一个实施例中，对提取的大量6g全场景相关知识三元组进行清洗，将具有相似词义的实体进行合并，包括：
22.将无法明确实体间关系或有残缺数据项的三元组知识进行删除，将具有相同含义的三元组知识关系出现频率最高的三元组作为最终知识加入知识图谱的知识库中；
23.将具有相似词义的实体进行合并，选取唯一标准词语加入所述知识库中。
24.本发明的另一方面提供了一种6g全场景知识图谱，利用上述实施例中任一项所述的构建方法进行构建，所述知识图谱以{实体a，关系，实体b}三元组形式保存在txt或json文件中。
25.与现有技术相比，本发明的有益效果在于：
26.1、本发明将该知识图谱作为知识库融入到下一代通信网络中以提高其对场景的认知能力以及实现按需服务的决策能力。该方法对通信场景进行要素分解并根据实际任务的需要构建出完整的场景本体结构，形成了对通信场景的完备规范的描述，并定义了相应的实体和关系类型，规范了场景知识的范围。
27.2、本发明在通信领域中构建一个有关场景认知与决策的知识图谱，此知识图谱可作为一个知识决策库用以辅助下一代通信网络架构以提升其智能性、灵活性和自主性。同时，传统的领域知识图谱的构建过程较为复杂，数据收集和标注过程也将消耗大量的时间，且所构建出的知识图谱往往因规模过大，涵盖范围过广而难以用于下游任务。相较于其他领域知识图谱的构建，本发明的优势在于结合了特定的需求，通过分析此图谱需要为下游任务提供什么样的信息进行了本体要素分解，最终构建了一种用于特定任务的领域知识图谱。这一方法将构建的图谱规模大大缩减，节省资源同时也能更好的应用于下游任务，对领域知识图谱的构建有一定的指导意义。
28.以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
29.图1是本发明实施例提供的一种6g全场景知识图谱的构建方法的流程图；
30.图2是本发明实施例提供的一种6g全场景的场景本体构架示意图；
31.图3示例性地显示了一个三元组知识图；
32.图4是本发明实施例提供的一种6g全场景知识图谱的部分示意图。
具体实施方式
33.为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种6g全场景知识图谱及其构建方法进行详细说明。
34.有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。
35.应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
36.请参见图1，图1是本发明实施例提供的一种6g全场景知识图谱的构建方法的流程图，该构建方法具体包括以下步骤：
37.s1：进行场景核心要素分析，定义6g全场景本体的基本架构。
38.具体地，本实施例的6g全场景本体由四个核心要素组成：环境、资源、主体和需求。环境指场景所依赖的现实世界的真实环境，资源指场景中可利用的各类资源，主体指场景中有特定需求的用户，需求指场景中所具有的各类服务。主体是存在于特定环境中的主体，而存在于特定环境中的主体具有不同的需求，用户的需求在通信网络中以各类网络指标来衡量，因此需求的实现依赖网络资源的合理分配，而不同的环境也会对资源的分布或者类型产生影响，这四者相互作用共同构成了网络场景。同时，这些组成部分又各有其特征，如
主体的行为特征，环境的外在特征和服务的性能特征(kpi，key performance indicator，关键绩效指标)等，我们可以从这些特征中获取某些信息数据用来指导方法来实现资源的合理分配以达到为满足用户需求的目的。
39.例如，在一个车联网的场景中，有一辆行驶在十字路口的无人驾驶汽车，需要监测十字路口的车流和红绿灯情况给汽车提供一个安全预警的服务。在这个场景中，主体是汽车，环境是十字路口，需求是安全预警服务，受到环境的影响资源均由路侧单元提供，由于行驶的汽车对于此服务具有极低的时延和极高的可靠性的指标需求，因此需要一种合适的算法策略对路侧单元间的通信和计算资源进行调度从而保证汽车的安全行驶。通过上述对于场景要素的描述，最终定义的场景本体架构如图2所示。
40.s2：根据下游任务需要完善所述基本构架的组成部分并确定知识图谱实体类型。
41.本步骤根据实际下游任务的需要完善了场景本体架构。在本实施例中，所述下游任务需要指根据需要6g全场景知识图谱提供完整的场景信息以辅助系统进行按需服务资源调度决策，其中，所述场景信息包括服务的kpi指标或者相应的决策方案，具体地，6g全场景知识图谱在本实施例中作为一个从场景、用户到需求kpi或决策映射的知识库，将描述环境、主体和需求的相关数据输入后，需要此知识图谱输出在特定环境特定主体特定需求下对应的kpi指标，以便为下游的按需资源调度任务服务，甚至可以提供相应的资源分配方案作为辅助。据此，在本实施例中，根据下游任务需要为所构建的6g全场景知识图谱定义下述实体类型，作为6g全场景知识图谱的组成：
42.1)场景类实体：包括现有所有的通信场景或已经定义但未完全实现的通信场景；2)环境类实体：场景所处的现实环境；3)服务/需求类实体：在具体环境中各种具体的服务或用户需求；4)资源类实体：场景中能被使用的各类资源；5)主体类实体：场景中完成某个服务过程中的所有参与者；6)kpi类实体：用来描述服务对应的具体kpi；7)方法类实体：在各类通信环境中使用的技术、提出的各种策略或解决方案；8)特征类实体：描述不同场景、不同环境、不同技术、不同需求或服务具有的各种属性；9)能力类实体：用来表示技术、设备、场景等所具有的完成某个目标的能力。请参见表1，表1列举了本实施例在构建6g全场景知识图谱时对于各类实体的选取样例。
43.表1.实体选取样例
44.communications，移动带宽可靠的低延迟通信)，erllc(extremely reliable and low-latency communications,极其可靠和低延迟的通信)和strengthened three 5g scenarios(三种加强型5g场景)。通过专业知识的判断可知，fembb,ummtc,murllc,mbrllc,erllc属于strengthened three 5g scenarios的一部分并且在6g中应该有strengthened three 5g scenarios这一类场景。因此根据表2选择is_part_of(组成部分)和has_scenario(有场景)用来连接这些实体。于是可以从上句中提取出以下几条知识：
57.{fembb，is_part_of，strengthened three 5g scenarios}
58.{ummtc，is_part_of，strengthened three 5g scenarios}
59.{murllc，is_part_of，strengthened three 5g scenarios}
60.{mbrllc，is_part_of，strengthened three 5g scenarios}
61.{erllc，is_part_of，strengthened three 5g scenarios}
62.{6g，has_scenario，strengthened three 5g scenarios}
63.同时，本实施例采用图表的方式来展示所有三元组知识之间的关系，如图3所示，其展示了上述示例中所有三元组整体的关系结构。
64.s42：对提取的大量6g全场景相关知识三元组进行清洗，将具有相似词义的实体进行合并，形成所构建的6g全场景知识图谱知识库。
65.通过上述知识提取方法并结合相关领域知识，本实施例从现有语料中提取了大量的6g全场景相关知识并对获得的知识三元组进行了一定程度的清洗，将某些具有高相似度词义的实体进行合并。
66.具体地，将无法明确实体间关系或有残缺数据项的三元组知识进行删除，对具有相同含义的三元组知识只选择一个加入构建的知识库中，例如{fembb，is_part_of，strengthened three 5g scenarios}和{strengthened three 5g scenarios，has_scenario,fembb}，这两个三元组均表达了“fembb是三个加强型5g场景中的一个场景”这一个知识，为避免这种冗余知识的出现，本实施例只选择其中一个关系出现频率最高的三元组作为最终的知识加入知识库，将其他的三元组删除。最后，本实施例将具有高相似度词义的实体进行替换合并，例如fembb和fembb scenario均指明了同一个实体，而本实施例只选取fembb作为这个实体的唯一标准名词将其他词替换合并。上述过程均可通过相应的编程实现，例如对于三元组冗余知识的合并过程，先需要遍历最终得到的知识图谱的txt或json文件，编写相应的正则表达找出语义相同的知识三元组(有相同实体词义但位置不同的三元组)并统计它们的关系在整个文件中的词频，选择词频最高的那一组三元组知识作为最终加入知识库中的三元组。最终，本实施例构建出了如图4所示的知识图谱，图中所展示的只是完整图谱的一部分，其中，一个点表示一个具体的实体，两点之间的联系表示这两个实体之间的关系，最终所构建的完整的知识图谱的相关参数如表3所示。
67.表3.构建的6g全场景知识图谱相关参数
68.三元组数量实体数量关系数量2244265834
69.需要说明的是，本实施例的构建方法还包括：对所构建的6g全场景知识图谱知识库进行数据补充和更新。
70.具体地，若获得了新的6g全场景的相关语料，可以继续通过上述方法进行人工手
动标注添加以更新知识库，也可以选择合适的机器学习方法实现自动的三元组知识抽取以实现知识库的自动化更新。
71.本发明还提供了一种6g全场景知识图谱，利用上述实施例所述的构建方法进行构建，所述知识图谱以{实体a，关系，实体b}三元组形式保存在txt或json文件中。使用时，可通过python、java、c等语言进行读取和其他操作。若要在此知识库中进行简单的查询操作，例如已知场景的类型，用户和环境的特征，想要获取此场景所能提供的各项服务和相应的kpi指标，则可以通过相应的编程语言将已知信息作为正则表达式的规则输入，通过遍历搜索输出最终的结果。若将此知识库作为辅助信息协助系统处理和识别未知场景，则需要通过编程语言编写相应的匹配算法，将输入的数据与知识库中的已有知识进行匹配，输出较高相似度场景下的服务kpi或者相应的决策方法信息。
72.本发明实施例将该知识图谱作为知识库融入到下一代通信网络中以提高其对场景的认知能力以及实现按需服务的决策能力。该方法对通信场景进行要素分解并根据实际任务的需要构建出完整的场景本体结构，形成了对通信场景的完备规范的描述，并定义了相应的实体和关系类型，规范了场景知识的范围。
73.本发明实施例在通信领域中构建一个有关场景认知与决策的知识图谱，此知识图谱可作为一个知识决策库用以辅助下一代通信网络架构以提升其智能性、灵活性和自主性。相较于其他领域知识图谱的构建，本发明实施例结合了特定的需求，通过分析此图谱需要为下游任务提供什么样的信息进行了本体要素分解，最终构建了一种用于特定任务的领域知识图谱。这一方法将构建的图谱规模大大缩减，节省资源同时也能更好的应用于下游任务，对领域知识图谱的构建有一定的指导意义。
74.以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。