论文部分内容阅读
随着民航业的飞速发展,保障飞行安全、提升飞行能力和降低航空安全事件发生率一直是航空安全管理的重要内容,目前航空安全事件发生的原因呈现复杂化和多元化特征,对航空安全事件发展趋势的预测也面临新的挑战。知识图谱是一种图结构的大规模事实性数据库,可以通过学习历史航空安全事件的多因素、多属性,推理事件的发展规律,本文围绕航空安全事件知识图谱推理方法与应用在以下方面进行了研究:针对目前传统卷积神经网络模型在知识图谱链接预测过程中单独地处理每个三元组信息,无法有效学习实体邻域存在的丰富语义和潜在关系信息的问题,提出了一种基于注意力机制和卷积神经网络的知识图谱链接预测方法(AttGCN),该方法首先获得与每个实体相关联的所有三元组信息,使用卷积神经网络学习三元组特征;然后通过注意力机制衡量不同邻域三元组对目标实体的影响程度,并使用注意力权重更新实体的特征向量,使得实体特征向量融合所有邻域实体特征及其相应的关系特征;最后利用卷积神经网络使用基于特定关系的滤波器交互式的学习头实体和关系特征,并同时对所有的尾实体进行链接预测。实验结果表明,AttGCN方法可以有效学习知识图谱中每个实体的邻域三元组信息,在WN18RR数据集上的MRR、H@10指标相对于TransE提高了29.1%和9%,在FB15k-237数据集上的MRR、H@10指标相对于TransE提高了15.2%和18.1%。以航空事故调查跟踪报告和航空安全自愿报告中的2117个事故作为基础数据,并生成知识图谱,采用TransE算法将实体和关系进行向量化表示;通过AttGCN方法学习与事件实体相关的包含基本信息和风险因素的所有三元组信息,由于综合考虑了历史事件中多种风险因素与事件结果之间的潜在关系,并通过多事件的知识进行链接预测,能够推理出同类事件的特征与演变规律,从而发现可能引发的严重后果,为航空安全事件的预测和预警提供了依据。AttGCN方法在航空安全事件知识图谱上的MRR、H@3指标相对于TransE提高了13.4%和13.2%。