基于語義匹配與組合的模型重用技術(shù)研究

　　摘要：為解決作戰(zhàn)體系概念模型與作戰(zhàn)體系仿真想定的數(shù)據(jù)壁壘，對仿真想定的智能映射與模型重用技術(shù)進行研究。采用 DOM 技術(shù)對概念模型進行解析。基于本體理論構(gòu)建作戰(zhàn)領(lǐng)域知識庫，定制網(wǎng)絡(luò)爬蟲以建立領(lǐng)域同義詞庫。通過 SWRL 規(guī)則庫，調(diào)用推理機實現(xiàn)語義層面的關(guān)系推理。設(shè)計智能匹配算法，將語義關(guān)系映射到仿真模型的組合關(guān)系。采用 DOM 技術(shù)確定對象節(jié)點，生成仿真平臺可執(zhí)行的想定文件，實現(xiàn)了系統(tǒng)仿真模型的組合重用，同時基于上述流程搭建了作戰(zhàn)體系仿真想定智能生成軟件平臺。

　　田星雨; 曾廣迅; 高云博; 龔光紅; 李妮， 系統(tǒng)仿真學報 發(fā)表時間：2021-10-13

　　關(guān)鍵詞：語義組合;作戰(zhàn)體系;模型重用;仿真想定;語義匹配

　　引言

　　隨著科學技術(shù)的快速發(fā)展，信息化軍事背景下的未來戰(zhàn)爭不再局限于少量作戰(zhàn)單元之間的簡單作戰(zhàn)，而是趨向于作戰(zhàn)體系之間的對抗。體系因此成為了國內(nèi)外學者的重點研究內(nèi)容。

　　體系設(shè)計全生命周期，包括體系結(jié)構(gòu)設(shè)計、體系建模仿真、體系仿真結(jié)果評估等三部分。作戰(zhàn)體系概念模型作為體系結(jié)構(gòu)設(shè)計結(jié)果，從頂層角度為建模仿真人員提供了作戰(zhàn)實體、作戰(zhàn)活動的抽象描述。但由于作戰(zhàn)體系概念模型與作戰(zhàn)體系仿真想定在數(shù)據(jù)粒度、表現(xiàn)形式上的差異，二者無法直接實現(xiàn)數(shù)據(jù)復用。同時，目前國內(nèi)尚未形成成熟的仿真想定系統(tǒng)，缺乏從概念模型到仿真想定的智能化映射軟件。面對軍事領(lǐng)域仿真的多樣性、復雜性，仿真想定生成領(lǐng)域?qū)ο攵ㄉ傻闹悄芑?、想定模型的可重用性提出了越來越高的要求?/p>

　　模型重用問題是仿真領(lǐng)域的前沿課題，被列為仿真領(lǐng)域最具挑戰(zhàn)性的 4 個研究領(lǐng)域之一[1]。通過對商用軟件二次開發(fā)，將模型信息分類，能夠?qū)崿F(xiàn)仿真模型的快速建模，但其缺點是針對特定仿真軟件，適用范圍較小[2]。目前針對模型重用已有許多標準和工具，但在作戰(zhàn)仿真領(lǐng)域的具體應(yīng)用較少。

　　因此，面向作戰(zhàn)領(lǐng)域開展仿真實體與行為模型組合重用的研究具有重要意義。本文通過對作戰(zhàn)領(lǐng)域武器裝備、作戰(zhàn)行動概念進行表示，基于本體理論建立領(lǐng)域知識庫，通過智能映射算法與語義推理設(shè)計，實現(xiàn)概念模型到仿真想定的映射，完成概念模型知識的重用、系統(tǒng)原有仿真模型的組合重用，降低體系設(shè)計開發(fā)成本，有效縮短體系設(shè)計周期。

　　1 基于本體的作戰(zhàn)領(lǐng)域知識庫構(gòu)建

　　基于 DoDAF 2.0 理論，明確概念模型解析的整體路線，采用 DOM 技術(shù)對.xml 格式的作戰(zhàn)體系概念模型文件開展解析，通過 DOM 樹的生成與查詢，實現(xiàn)指定類型數(shù)據(jù)的篩選。分析解析數(shù)據(jù)與概念模型中節(jié)點的映射關(guān)系，確定概念模型與仿真想定之間可進行復用的作戰(zhàn)概念數(shù)據(jù)，即概念模型中的武器裝備、作戰(zhàn)行為數(shù)據(jù)。由于命名形式、數(shù)據(jù)語義、數(shù)據(jù)粒度等方面的差距，數(shù)據(jù)無法直接映射至仿真想定，需建立作戰(zhàn)領(lǐng)域知識庫，為后續(xù)匹配、語義推理提供知識支撐。

　　1.1 基于本體的作戰(zhàn)領(lǐng)域知識庫構(gòu)建流程

　　本體是指揮信息系統(tǒng)與作戰(zhàn)仿真系統(tǒng)的基礎(chǔ)。本體的概念最初在哲學領(lǐng)域引入，其含義為“對世界上客觀存在物的系統(tǒng)描述”。隨著互聯(lián)網(wǎng)、計算機領(lǐng)域技術(shù)的逐漸發(fā)展，本體受到了諸如語義網(wǎng) [3]、知識工程[4]、生物醫(yī)學[5]和人工智能[6]等多個領(lǐng)域的關(guān)注。

　　本體知識庫的構(gòu)建，是指運用本體技術(shù)，基于本體理論構(gòu)建知識庫系統(tǒng)。關(guān)于領(lǐng)域本體構(gòu)建方法，骨架法和企業(yè)建模法首先出現(xiàn);隨著本體技術(shù)的發(fā)展，形成了七步法、Methontology 方法、 KACTUS 工程法等本體構(gòu)建方法。這些方法對開展本體構(gòu)建工作具有指導意義。其中，應(yīng)用較為廣泛的七步法，是斯坦福大學提出的一種自頂向下的本體構(gòu)建方法。七步法的本體構(gòu)建步驟明確清晰，包括本體分析、合并、概念添加等本體構(gòu)建過程，對構(gòu)建作戰(zhàn)領(lǐng)域本體具有較強的指導意義。

　　基于本體的知識庫構(gòu)建思路通常分為自頂向下、自底向上兩種。自頂向下方法含義為，從頂層概念開始對知識庫進行細化，搭建良好的層次分類結(jié)構(gòu)，再對本體庫進行底層本體添加;而自底向上方法含義為，首先從底層本體入手，對本體進行歸納組織，提取底層概念，之后通過逐步抽象提取上層概念，整合形成完整知識庫。

　　由于不同本體構(gòu)建人員的專業(yè)領(lǐng)域知識存在差異，為構(gòu)建無歧義的領(lǐng)域本體，實際構(gòu)建更多采用自頂向下、自底向上思路相結(jié)合的方式。根據(jù)本體的具體應(yīng)用和作戰(zhàn)領(lǐng)域特點，本文提出作戰(zhàn)領(lǐng)域本體構(gòu)建的流程方法，其具體過程如圖 1 所示。

　　手動構(gòu)建領(lǐng)域本體庫的方法依賴于本體開發(fā)工具，用于進行本體的構(gòu)建、存儲、查詢、推理等。 Protégé是一個開源本體編輯器，本文采用 Protégé 本體構(gòu)建軟件，對上層本體進行手工構(gòu)建。

　　1.2 本體構(gòu)建

　　1.2.1 自頂向下的本體構(gòu)建

　　(1)確定本體范疇和構(gòu)建目的

　　本文所要構(gòu)建的領(lǐng)域本體，具體范圍為軍事領(lǐng)域的武器裝備、功能組件、作戰(zhàn)行為及其他上層概念。作戰(zhàn)領(lǐng)域本體的構(gòu)建目標為，以結(jié)構(gòu)化形式對作戰(zhàn)領(lǐng)域知識進行表示，對作戰(zhàn)領(lǐng)域中武器裝備、作戰(zhàn)行動概念及概念間相互關(guān)系進行描述，實現(xiàn)領(lǐng)域知識的重用與共享。

　　(2)確定領(lǐng)域核心概念集

　　設(shè)計領(lǐng)域本體結(jié)構(gòu)模型的基礎(chǔ)，在于識別作戰(zhàn)領(lǐng)域重要術(shù)語，并據(jù)此建立領(lǐng)域主題概念集。針對本文面向的實際應(yīng)用需求，作戰(zhàn)領(lǐng)域頂層概念涵蓋武器裝備、功能組件、作戰(zhàn)行為、作戰(zhàn)環(huán)境、作戰(zhàn)組織等概念，但僅對其中部分概念進行滿足應(yīng)用需求的關(guān)系描述與推理。

　　(3)建立概念層次結(jié)構(gòu)

　　實體概念，用于描述作戰(zhàn)領(lǐng)域武器裝備的具體類別劃分與層級關(guān)系。功能組件概念是實現(xiàn)作戰(zhàn)領(lǐng)域具體功能的最小組件，如雷達、導彈等本體。參考軍事數(shù)據(jù)網(wǎng)站提出的層級結(jié)構(gòu)，在本文知識庫中建立武器裝備本體知識結(jié)構(gòu)。

　　在作戰(zhàn)領(lǐng)域，對作戰(zhàn)行為進行分析，主要從兩種粒度的行為進行考慮：動作和任務(wù)[7]。

　　動作：即原子行為、原子模型，是最小的、不可再細分的行為概念，定義為任務(wù)實施過程中的步驟或工序;

　　任務(wù)：即組合行為、組合模型，由原子模型組成。任務(wù)是具有明確作戰(zhàn)意圖的軍事行動，定義為執(zhí)行作戰(zhàn)命令的過程。任務(wù)可由若干個動作組成。

　　在《軍語》、作戰(zhàn)條令、條例、相關(guān)文獻[8]中進行概念獲取，明確作戰(zhàn)行動術(shù)語的準確定義。作戰(zhàn)行為可初步分為任務(wù)模型與自主行為，其中任務(wù)模型根據(jù)行為粒度，可分為原子模型、組合模型。原子模型為組合模型的基本組成單元，其又包含多種概念分類。例如機動是為達成一定目的而有組織地轉(zhuǎn)移兵力或火力的作戰(zhàn)行動。對于兵力機動類型，具體包括開進、合圍、追擊、轉(zhuǎn)移、疏散、交替前進等行動樣式。

　　(4)定義屬性及屬性約束

　　對于武器裝備及功能組件，數(shù)據(jù)屬性即為其各類實際參數(shù)，可在已有作戰(zhàn)領(lǐng)域武器裝備本體庫中查詢獲得。對于作戰(zhàn)行為類數(shù)據(jù)，需要對作戰(zhàn)行為進行時間順序上的約束。

　　對象屬性是對領(lǐng)域本體概念間關(guān)系的描述。結(jié)合相關(guān)調(diào)研，對作戰(zhàn)領(lǐng)域頂層概念及其子類的關(guān)系概括如表 1，并依此建立對象屬性。

　　(5)進行實例化

　　在自頂向下的手動構(gòu)建部分，只針對文獻中出現(xiàn)的部分作戰(zhàn)行為描述進行實例添加。

　　至此，在 Protégé中完成作戰(zhàn)領(lǐng)域本體庫初步搭建。該本體庫面向作戰(zhàn)領(lǐng)域相關(guān)概念，共包含 328 個子類、32 個實例屬性、12 個類間關(guān)系。本體庫中初步添加 85 個實例，用于對各類作戰(zhàn)行為提供具體描述，如“沖擊類”原子任務(wù)模型包括“偷襲”、“火力追擊”、“突擊”等行為實例。

　　此時，基于自頂向下構(gòu)建思路，已初步完成本體庫構(gòu)建。由于作戰(zhàn)行為存在著語義描述上的多義性與指代不一，需要進一步獲取實例數(shù)據(jù)，根據(jù)底層實例數(shù)據(jù)進行自底向上的本體庫修正。

　　1.2.2 自底向上的本體構(gòu)建

　　隨著網(wǎng)絡(luò)科技的不斷發(fā)展，互聯(lián)網(wǎng)成為信息的載體，對其中信息資源進行自動抓取的程序或者腳本也應(yīng)運而生，它們被稱作網(wǎng)絡(luò)機器人、網(wǎng)絡(luò)爬蟲。面對特定數(shù)量與特定主題的網(wǎng)頁資源，則需要依據(jù)網(wǎng)頁資源的加載方式，對網(wǎng)絡(luò)爬蟲定制化設(shè)計。

　　實驗室已通過網(wǎng)絡(luò)爬蟲技術(shù)，在軍事網(wǎng)站中進行數(shù)據(jù)爬取，對數(shù)據(jù)進行整理，并按照特定組織形式保存于本地 MySQL 數(shù)據(jù)庫中。數(shù)據(jù)庫包括 3104 個 aircraft 類裝備型號數(shù)據(jù)、1754 個 ship 類裝備型號數(shù)據(jù)、330 個 submarine 類裝備型號數(shù)據(jù)，最大深度為 5，武器裝備間主要關(guān)系為上下位關(guān)系，共囊括 5188 種武器裝備型號與具體參數(shù)。

　　本文面向開源軍事術(shù)語網(wǎng)站定制網(wǎng)絡(luò)爬蟲應(yīng)用程序，通過調(diào)用 Requests 庫模擬 Ajax 請求獲取數(shù)據(jù)，調(diào)用 BeautifulSoup 庫解析返回的 HTML 數(shù)據(jù)，并進行篩選、保存。

　　本文整理了 51 個常見行為術(shù)語，以此進行數(shù)據(jù)搜索與爬取，得到 37032 個搜索詞條，保存于本地 MySQL 數(shù)據(jù)庫中。結(jié)合具體應(yīng)用需求，調(diào)用 Jieba 庫實現(xiàn)術(shù)語的詞性標注，結(jié)合手工標注，得到了無歧義的作戰(zhàn)行為類實例數(shù)據(jù) 1212 個詞條。

　　對實例進行手工歸類，確保每個原子行為子類對應(yīng)于多個作戰(zhàn)行為術(shù)語實例。同時，整理形成作戰(zhàn)行為同義詞庫，用于后續(xù)實例添加與語義推理。

　　1.3 實例自動化添加

　　龐大的實例數(shù)據(jù)與其豐富的語義信息，對自動化添加實例的方法提出了較高要求。在對 OWL 文件進行解讀的基礎(chǔ)上，可以通過 re 庫正則字符串，實現(xiàn) OWL 字符串模式匹配與定位，將 MySQL 數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)，轉(zhuǎn)換為 OWL 代碼段插入本體庫文件中，并通過 Protégé軟件讀取擴充后的本體庫進行正確性校驗。

　　為補充同義詞信息，進行同義詞庫自動化添加，通過實例的 same individual as 實現(xiàn)“同義詞” 的語義表達。

　　圖 2 為 Protégé讀取本體庫文件得到的實例個數(shù)及具體信息，添加的實例符合格式要求。

　　至此，作戰(zhàn)領(lǐng)域知識庫的本體已構(gòu)建完成，包含 319 個概念(類)、49 種關(guān)系、84 種數(shù)據(jù)屬性和 5538 個實例。添加的大量實例及其屬性，作為對本體庫的補充，構(gòu)建形成了作戰(zhàn)領(lǐng)域知識庫，既是對知識庫的豐富，也為后續(xù)進行語義匹配、規(guī)則推理提供了數(shù)據(jù)支撐。

　　2 仿真模型智能映射算法的實現(xiàn)

　　完成作戰(zhàn)領(lǐng)域知識庫搭建工作后，需要通過語義推理，對知識庫中本體的組合、對應(yīng)關(guān)系進行推理補全。之后通過匹配算法的運行，將作戰(zhàn)體系概念模型中的待處理武器裝備、作戰(zhàn)行為數(shù)據(jù)映射至作戰(zhàn)仿真推演平臺模型庫中相似度最高的仿真模型。針對不同類別數(shù)據(jù)的實際匹配需要，本文分別研究了不同的匹配方法。

　　2.1 基于 SWRL 規(guī)則庫的語義推理方法

　　知識圖譜是一種可視化的圖網(wǎng)絡(luò)，由概念、實體、實例、語義關(guān)系、屬性、約束條件組成。在知識圖譜中，概念、實體、屬性或?qū)傩灾低ㄟ^結(jié)點表示，概念、實體的屬性或關(guān)系通過結(jié)點連線表示。作戰(zhàn)領(lǐng)域知識庫旨在構(gòu)建面向作戰(zhàn)仿真的知識圖譜，為作戰(zhàn)領(lǐng)域提供一種面向作戰(zhàn)領(lǐng)域仿真模型體系的、顯式的知識組織模型與表示。

　　在本文以自底向上、自頂向下相結(jié)合的方式構(gòu)建的領(lǐng)域知識庫基礎(chǔ)上，本節(jié)給出基于知識圖譜推理的模型語義組合方法，基于語義網(wǎng)規(guī)則語言(Sematic Web Rule Language, SWRL)，通過定義規(guī)則，實現(xiàn)本體的語義組合。

　　本文搭建的作戰(zhàn)領(lǐng)域知識庫中，SWRL 規(guī)則具體包括以下幾個類型：

　　(1)任務(wù)的執(zhí)行者

　　該類型推理執(zhí)行的前提是，存在組合模型(?CB)與作戰(zhàn)組織或?qū)嶓w(?OPT)，且二者存在執(zhí)行(isOperatedby)關(guān)系?；谏鲜鰲l件，推斷出(?OPT, hasTask, ?CB)，即作戰(zhàn)組織或?qū)嶓w(?OPT)與組合模型(?CB)存在 hasTask 關(guān)系。

　　(2)子任務(wù)的相同執(zhí)行者

　　該類型推理執(zhí)行的前提是，存在原子模型(?PB1)與(?PB2)，且兩者與同一實體或作戰(zhàn)組織(?En)存在執(zhí)行(isOperatedby)關(guān)系。基于上述條件，推斷出(?PB1, same_operator, ?PB2)，即兩個原子模型(?PB1, ?PB2)對應(yīng)于相同執(zhí)行者。

　　(3)任務(wù)組合

　　該類型推理執(zhí)行的前提是，存在組合模型(?CB)與原子模型(?PB)，且兩者與同一實體或作戰(zhàn)組織(?En)存在執(zhí)行(isOperatedby)關(guān)系?；谏鲜鰲l件，推斷出(?PB, isPartOF, ?CB)，即原子模型(?PB)被組合于組合模型(?CB)中。

　　(4)任務(wù)的先后順序或并行

　　該類型推理執(zhí)行的前提是，存在具有相同執(zhí)行者的兩個原子任務(wù)模型(?PB1)與(?PB2)，且二者均具有數(shù)據(jù)屬性 occur_time。通過判定兩者數(shù)據(jù)屬性 occur_time 的大小進行推理，若時間相同，則視為并行任務(wù)(parallel);若時間不同，則較早任務(wù)為較晚任務(wù)的前置任務(wù)(pre_drive)，反之為后置任務(wù)(after_drive)。

　　(5)實體同級

　　該類型推理執(zhí)行的前提是，存在不相同的兩個實體(?E1)與(?E2)，且兩者均與相同組織(?Un)存在上下級關(guān)系(isSuperior)?；谏鲜鰲l件，推斷兩個實體存在同級關(guān)系，即(?E1, sideway, ?E2)。

　　(6)模型組裝

　　模型組裝推理體現(xiàn)模型體系的“任務(wù)模型—— 自主行為模型——功能組件”的調(diào)用機制。該類型推理執(zhí)行的前提是，存在分類的實體模型(殲擊機?F)，存在執(zhí)行任務(wù)的類型(巡邏任務(wù)屬于平臺運動類型、空戰(zhàn)任務(wù)屬于火控類型……)?；谏鲜鰲l件，推斷出實體必須包含相應(yīng)的功能組件(六自由度運動、指控、火力控制等)。

　　對于上述推理類型，通過編寫 SWRL 領(lǐng)域規(guī)則庫，調(diào)用 Jess 推理機，能夠?qū)Ρ倔w進行語義層面的推理，得到本體的語義組合關(guān)系，其本質(zhì)上即為(頭實體-關(guān)系-尾實體)。之后通過智能映射算法，能夠?qū)⒈倔w映射至相似度最高的仿真模型，將本體組合、對應(yīng)關(guān)系映射至平臺庫內(nèi)仿真模型的組合、對應(yīng)關(guān)系，實現(xiàn)系統(tǒng)原有仿真模型的組合重用。

　　2.2 基于領(lǐng)域知識庫的智能映射算法流程

　　以作戰(zhàn)領(lǐng)域知識庫作為知識支撐，設(shè)計智能映射算法。概念模型解析得到的仿真模型要素，包含 OV-4 視圖中的底層作戰(zhàn)實體數(shù)據(jù)、OV-5b 視圖中的作戰(zhàn)活動數(shù)據(jù)。二者作為智能映射算法的輸入，分別按照不同的映射流程進行處理，如圖 4 所示。

　　2.3 武器裝備映射匹配

　　當解析獲取的待匹配武器裝備數(shù)據(jù)進行匹配時，若其在知識庫內(nèi)存在同義詞，則將該武器裝備實體匹配為其同義詞標準型本體，并將標準型作為算法輸入，進行混合式語義相似度計算，將其映射至相似度最高的仿真模型;若其在知識庫內(nèi)不存在同義詞數(shù)據(jù)，則通過基于字段的相似度計算，將其映射至相似度最高的仿真模型。

　　2.3.1 基于語義相似度的武器裝備匹配算法

　　作為武器裝備智能匹配過程的核心內(nèi)容，語義匹配算法將對概念模型數(shù)據(jù)重用的效果起到關(guān)鍵影響。本文采用一種面向作戰(zhàn)領(lǐng)域提出的混合式語義相似度算法[9]，用于實現(xiàn)武器裝備層面的匹配。該算法針對搭建的作戰(zhàn)領(lǐng)域知識庫，考慮路徑距離、本體特征、特征參數(shù)值等多方面語義信息，并通過加權(quán)結(jié)合取得了較好的應(yīng)用效果。

　　該混合式的語義相似度計算方法如式(1)所示：? 1 2 1 2 1 2 1 2 ? ? ? ? ? ? ? ?? 1 Sim SE SE Sim SE SE Sim SE SE Sim SE SE , , , , ? ? ? p ? ?? ? ?? ? ? ? ? ?? ? (1) 其中? 1 2 , ? p Sim SE SE 為基于路徑距離部分的語義相似度， Sim SE SE ? 1 2 , ? ?為基于本體特征部分的語義相似度， Sim SE SE ? 1 2 , ? ?為基于特征參數(shù)值部分的語義相似度，? 、? 、?參數(shù)用于衡量路徑距離、本體特征和特征參數(shù)值等語義信息所占權(quán)重。

　　2.3.2 基于字段相似度的武器裝備匹配算法

　　在實際應(yīng)用時，由于數(shù)據(jù)來源的有限性、名稱指代的多樣性，可能出現(xiàn)輸入的武器裝備名稱不包含于作戰(zhàn)領(lǐng)域知識庫的情況。本文基于字段相似度匹配算法，對其進行查找匹配。

　　使用經(jīng)典 Levenshtein 算法用于武器裝備數(shù)據(jù)的字段相似度匹配，采用編輯距離衡量字段相似度。編輯距離定義為兩個字符串進行轉(zhuǎn)換所需的最少編輯次數(shù)。該算法的相似度計算公式為： i m sim n m ??? (2) 其具體原理為：記字符串 t 的長度為 n ，字符串 s 的長度為 m ， n m? ， k n m ? ?，前 m 個字符存在 i 個相同的字符。若使用 m i ? 個字符替換操作，能夠使得字符串 t 的前 m 個字符與字符串 s 完全相同。之后對 s 字符串進行編輯，進行 k 次字符插入，最終其與 t 一致。該流程下編輯距離表示為： m i k m i n m n i ? ? ? ? ? ? ? ?可得 m n n i m i ? ? ? ? ?，則最終求得式(2)。

　　從實際操作出發(fā)，字符替換可以視作刪除、插入兩步操作，因此若對上述算法進行加權(quán)，將刪除、插入操作的 cost 視作 1，將替換的 cost 視作 2 [11]。如此得到改進后的字段相似度計算公式為： 2i sim n m

　　2.4 作戰(zhàn)行為映射匹配

　　結(jié)合知識庫中作戰(zhàn)行為術(shù)語的具體特點，本文采用 Jaro-Winkler 算法用于計算作戰(zhàn)行為本體之間的相似度[12]。

　　Jaro–Winkler Distance 是一種計算兩個字符串之間相似度的算法，適合計算兩個較短字符串之間的相似度。Jaro Distance 算法計算公式為： 1 2 1 3 j m m m t d s s m ? ? ?? ? ? ? ? ? ? ? ? ?式中， j d 為兩字符串的 Jaro 距離; m 為兩字符串完全匹配的字符數(shù); 1 s 與 2 s 為待匹配字符串; 1 s 與 2 s 為待匹配字符串的長度; t 表示所需換位的字符對數(shù)目。

　　Jaro-Winkler 算法在此基礎(chǔ)上，給與起始部分相同的字符串更高的分數(shù)，通過對常量 P 的定義，調(diào)整前綴匹配的權(quán)值。其計算公式為：d d L P d w j j ? ? ? ? ?1 ?式中， w d 為計算得到的語義相似度; j d 為兩字符串的 Jaro 距離; L 為完全相同的前綴字符串長度; P 是一個調(diào)整前綴匹配權(quán)值的范圍常量。

　　經(jīng) 過 調(diào) 參 測 試 ， 本 文 確 定 P ? 0.1 時 的 Jaro-Winkler 算法，用以進行作戰(zhàn)行為映射匹配。

　　3 作戰(zhàn)體系仿真想定生成方法

　　作戰(zhàn)體系仿真想定智能生成部分，需通過對作戰(zhàn)體系概念模型數(shù)據(jù)類型與作戰(zhàn)體系仿真想定描述模塊的對應(yīng)關(guān)系的探究，明確作戰(zhàn)體系仿真想定規(guī)范文件的生成流程。

　　根據(jù)仿真推演平臺導出的想定標準格式，可整理得到作戰(zhàn)體系仿真想定的標準文件模板。依據(jù)本文所分析的作戰(zhàn)體系概念模型數(shù)據(jù)、仿真想定內(nèi)容，對想定生成過程中涉及的數(shù)據(jù)節(jié)點進行整理。表 2 展示了數(shù)據(jù)含義與所在節(jié)點的對應(yīng)關(guān)系。

　　基于已有的作戰(zhàn)體系仿真想定標準模板，在具體實現(xiàn)方法上，本文采用 C#語言作為開發(fā)語言，以 Visual Studio 2019 編譯器為基礎(chǔ)，歸納作戰(zhàn)體系仿真想定生成的實現(xiàn)流程如下：

　?、?依據(jù)仿真想定標準模板文件，調(diào)用 DOM 技術(shù)[13]進行對象節(jié)點構(gòu)建;

　　② 按照模板文件具體格式規(guī)范，將匹配完成的武器裝備、作戰(zhàn)行為數(shù)據(jù)，整合讀取后未經(jīng)匹配的其他類型作戰(zhàn)數(shù)據(jù)，插入指定的對象節(jié)點中;

　　③ 重復步驟①至②，直至構(gòu)建完成仿真想定中全部對象節(jié)點，至此形成仿真想定完整 DOM 樹;

　?、?通過對 Xml 庫的調(diào)用，將 DOM 樹進行逆向生成，得到.xml 格式規(guī)范的作戰(zhàn)體系仿真想定文件，導出至指定路徑;

　?、?將作戰(zhàn)體系仿真想定文件輸入已有的作戰(zhàn)仿真推演平臺，驗證想定生成結(jié)果是否可運行、符合設(shè)計結(jié)果。

　　4 仿真想定生成實例及驗證分析

　　為驗證映射流程，選擇編隊突襲防御體系，讀取其作戰(zhàn)體系概念模型進行驗證。

　　首先通過編寫好的 SWRL 規(guī)則庫，調(diào)用推理機，對知識庫中已有組合模型本體進行語義層面推理，得到任務(wù)本體組合關(guān)系、子任務(wù)先后次序關(guān)系的推理結(jié)果，如圖 5、6 所示。

　　將概念模型作為智能映射算法輸入，得到相似度計算結(jié)果如表 3 所示。

　　通過人工操作，將平臺推薦的高波級驅(qū)逐艦匹配目標 052C 改為基隆級驅(qū)逐艦。

　　對于待匹配作戰(zhàn)行為“空中目標攔截”，選擇知識庫中已有組合模型“空中目標攔截”作為匹配結(jié)果。對組合模型進行語義信息讀取，并對分解后的原子模型進行映射，如圖 7 所示。

　　至此，概念模型中的作戰(zhàn)活動數(shù)據(jù)“空中目標攔截”被分解為“編隊起飛-編隊探測目標-編隊巡邏 -編隊空戰(zhàn)-編隊返航”本體行為序列實現(xiàn)，并通過映射算法匹配至合適的仿真模型組合，實現(xiàn)了仿真平臺庫內(nèi)模型的組合重用。

　　利用實驗室已有的作戰(zhàn)仿真推演平臺，對生成的仿真想定進行讀取，得到初始態(tài)勢界面如圖 8 所示，證明仿真想定文件實現(xiàn)成功讀取。進行仿真推演，作戰(zhàn)態(tài)勢符合情境，想定成功讀取運行。

　　5 結(jié)論

　　本文基于本體理論建立了作戰(zhàn)領(lǐng)域知識庫，基于自頂向下思想構(gòu)建頂層本體，設(shè)計網(wǎng)絡(luò)爬蟲建立作戰(zhàn)行為同義詞庫，通過自動化添加方式對知識庫底層本體加以完善。編寫 SWRL 規(guī)則庫，將對象屬性中的語義信息推理得到本體層面的組合關(guān)系。設(shè)計智能映射算法，針對不同類型的待匹配數(shù)據(jù)，應(yīng)用不同的映射算法，將本體關(guān)系映射至仿真模型的組合關(guān)系，實現(xiàn)模型的組合重用。最后，讀取編隊突防體系概念模型，經(jīng)過語義匹配與組合推理，生成仿真想定，運用仿真推演平臺讀取想定，其運行結(jié)果符合情境，驗證了本文映射流程的有效性、生成仿真想定的有效性。