面向态势感知的国家安全事件图谱构建研究

doi:10.3772/j.issn.1000-0135.2021.11.004

情报学报

2021, Vol. 40

Issue (11): 1164-1175 DOI: 10.3772/j.issn.1000-0135.2021.11.004

专题约稿

本期目录 | 过刊浏览 | 高级检索

面向态势感知的国家安全事件图谱构建研究

李纲^1,2, 王施运^1,2, 毛进^1,2, 李白杨¹

1.武汉大学信息资源研究中心，武汉 430072
2.武汉大学信息管理学院，武汉 430072

Construction of National Security Event Map and Its Application for Situation Awareness

Li Gang^1,2, Wang Shiyun^1,2, Mao Jin^1,2, Li Baiyang¹

1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
2.School of Information Management, Wuhan University, Wuhan 430072

摘要
图/表
参考文献
相关文章 (10)

全文: PDF (2741 KB) HTML (109 KB)
输出: BibTeX | EndNote (RIS)

摘要国家安全大数据给国家安全管理带来了极大挑战。在危机发生时，如何整合海量、多源、异构且动态变化的国家安全事件大数据，并从中挖掘有价值的情报，实现国家安全事件的情景描述和态势理解，是国家安全事件管理的关键。因此，本文尝试从国家安全事件态势感知的情报需求出发，提出一种新的国家安全大数据组织模型——国家安全事件图谱，在此基础上，探究国家安全事件图谱的自动化构建流程，以及基于国家安全事件图谱实现态势感知的方法路径。本文所提出的国家安全事件图谱能够实现事件、实体及其相互关系的知识表示、结构化组织与有效管理，丰富了情报学中信息组织的理论和方法体系。同时，能够服务于国家安全事件态势的全面监控与感知，为国家安全事件管理决策提供情报支撑。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李纲
	王施运
	毛进
	李白杨

关键词 ：国家安全, 态势感知, 知识图谱, 事件图谱

收稿日期: 2021-02-05

基金资助:国家自然科学基金重大项目课题“国家安全大数据综合信息集成与分析方法”（71790612）；国家自然科学基金创新群体项目“信息资源管理”（71921002）。

作者简介: 李纲，男，1966年生，教授，博士生导师，主要研究方向为网络信息资源管理、竞争情报；王施运，女，1997年生，博士研究生，主要研究方向为信息组织与信息分析；毛进，男，1988年生，副教授，硕士生导师，主要研究方向为信息组织、大数据分析，E-mail：danveno@163.com；李白杨，男，1991年生，博士后，助理研究员，主要研究方向为信息资源管理、国家安全大数；

引用本文:

李纲, 王施运, 毛进, 李白杨. 面向态势感知的国家安全事件图谱构建研究[J]. 情报学报, 2021, 40(11): 1164-1175.
Li Gang, Wang Shiyun, Mao Jin, Li Baiyang. Construction of National Security Event Map and Its Application for Situation Awareness. 情报学报, 2021, 40(11): 1164-1175.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.11.004 或 https://qbxb.istic.ac.cn/CN/Y2021/V40/I11/1164

1 王能干, 王坚, 凌卫青. 基于本体的突发事件应急服务模型研究[J]. 计算机与现代化, 2014(1): 192-195, 200.
2 中央国家安全委员会第一次会议召开, 习近平发表重要讲话[EB/OL]. (2014-04-15) [2021-10-30]. http://www.gov.cn/xinwen/2014-04/15/content_2659641.htm.
3 曾大军, 曹志冬. 突发事件态势感知与决策支持的大数据解决方案[J]. 中国应急管理, 2013(11): 15-23.
4 巴志超, 李纲, 安璐, 等. 国家安全大数据综合信息集成: 应用架构与实现路径[J]. 中国软科学, 2018(7): 9-20.
5 赵一鸣. 知识图谱是一种知识组织系统吗?[J]. 图书情报知识, 2017(5): 2.
6 丁效, 李忠阳, 刘挺. 事理图谱: 事件演化的规律和模式[EB/OL]. (2019-07-23) [2021-05-07]. https://cloud.tencent.com/developer/article/1469579.
7 杨月华, 杜军平, 梁美玉. 基于本体的突发事件领域知识建模[J]. 中南大学学报(自然科学版), 2011, 42(S1): 859-864.
8 刘宗田, 黄美丽, 周文, 等. 面向事件的本体研究[J]. 计算机科学, 2009, 36(11): 189-192, 199.
9 朱文跃, 刘宗田. 基于事件本体的突发事件领域知识建模[J]. 计算机工程与应用, 2018, 54(21): 148-155.
10 马雷雷, 李宏伟, 连世伟, 等. 一种自然灾害事件领域本体建模方法[J]. 地理与地理信息科学, 2016, 32(1): 12-17.
11 黄风华, 晏路明. 基于Jena的台风灾害领域本体模型推理[J]. 计算机应用, 2013, 33(3): 771-775, 779.
12 陈泽强, 陈能成, 杜文英, 等. 一种洪涝灾害事件信息建模方法[J]. 地球信息科学学报, 2015, 17(6): 644-652.
13 漆桂林, 高桓, 吴天星. 知识图谱研究进展[J]. 情报工程, 2017, 3(1): 4-25.
14 杜志强, 李钰, 张叶廷, 等. 自然灾害应急知识图谱构建方法研究[J]. 武汉大学学报(信息科学版), 2020, 45(9): 1344-1355.
15 李泽荃, 徐淑华, 李碧霄, 等. 基于知识图谱的灾害场景信息融合技术[J]. 华北科技学院学报, 2019, 16(2): 1-5.
16 陶坤旺, 赵阳阳, 朱鹏, 等. 面向一体化综合减灾的知识图谱构建方法[J]. 武汉大学学报(信息科学版), 2020, 45(8): 1296-1302.
17 李攀成. 公共安全领域知识图谱的知识融合技术研究[D]. 成都: 电子科技大学, 2019.
18 Endsley M R. Design and evaluation for situation awareness enhancement[J]. Proceedings of the Human Factors Society Annual Meeting, 1988, 32(2): 97-101.
19 Endsley M R. Toward a theory of situation awareness in dynamic systems[J]. Human Factors, 1995, 37(1): 32-64.
20 Theureau J. Nuclear reactor control room simulators: human factors research and development[J]. Cognition, Technology & Work, 2000, 2(2): 97-105.
21 崔令飞, 郭永红, 邵鹏志, 等. 运用时空大数据增强战场态势感知能力[J]. 国防科技, 2021, 42(2): 127-132.
22 杨霄, 张澍裕, 邓晓军. 面向战场综合态势感知的物联网技术应用[C]// 中国航天电子技术研究院科学技术委员会2020年学术年会论文集. 北京: 中国航天电子技术研究院科学技术委员会航天电子发展战略研究中心, 2020: 612-617.
23 Bass T. Multisensor data fusion for next generation distributed intrusion detection systems[C]// Proceedings of the IRIS National Symposium on Sensor and Data Fusion. West Lafayette: COAST Laboratory, Purdue University, 1999: 24-27.
24 席荣荣, 云晓春, 金舒原, 等. 网络安全态势感知研究综述[J]. 计算机应用, 2012, 32(1): 1-4, 59.
25 陶源, 黄涛, 张墨涵, 等. 网络安全态势感知关键技术研究及发展趋势分析[J]. 信息网络安全, 2018(8): 79-85.
26 Sakaki T, Matsuo Y, Kurihara S, et al. The possibility of social media analysis for disaster management[C]// Proceedings of the 2013 IEEE Region 10 Humanitarian Technology Conference. IEEE, 2013: 238-243.
27 Laylavi F. A framework for adopting Twitter data in emergency response[D]. Victoria: The University of Melbourne, 2017.
28 Huang Q Y, Xiao Y. Geographic situational awareness: mining tweets for disaster preparedness, emergency response, impact, and recovery[J]. ISPRS International Journal of Geo-Information, 2015, 4(3): 1549-1568.
29 Power R, Robinson B, Colton J, et al. Emergency situation awareness: Twitter case studies[C]// Proceedings of the International Conference on Information Systems for Crisis Response and Management in Mediterranean Countries. Cham: Springer, 2014: 218-231.
30 Salfinger A, Girtelschmid S, Pr?ll B, et al. Crowd-sensing meets situation awareness: a research roadmap for crisis management[C]// Proceedings of the 2015 48th Hawaii International Conference on System Sciences. IEEE, 2015: 153-162.
31 谢新洲, 周晓英, 李月琳, 等. 突发公共卫生事件中的科学应对与思考: 图情专家谈新冠疫情[J]. 信息资源管理学报, 2020, 10(2): 4-16.
32 Xu Z, Zhang H, Hu C P, et al. Building knowledge base of urban emergency events based on crowdsourcing of social media[J]. Concurrency and Computation: Practice and Experience, 2016, 28(15): 4038-4052.
33 新华社. 抗击新冠肺炎疫情的中国行动[EB/OL]. (2020-06-07) [2021-05-07]. http://www.gov.cn/zhengce/2020-06/07/content_5517737.htm.
34 全国人大法规库. 中华人民共和国传染病防治法(修订)[EB/OL]. (2005-08-01) [2021-05-07]. http://www.gov.cn/banshi/2005-08/01/content_19023.htm.
35 唐旭丽, 马费成, 傅维刚, 等. 知识关联视角下的金融知识表示及风险识别[J]. 情报学报, 2019, 38(3): 286-298.
36 郭庆. 中文事件抽取技术研究[D]. 南京: 南京师范大学, 2018.
37 孙辉. 事件时序关系识别的研究与实现[D]. 哈尔滨: 哈尔滨工业大学, 2010.
38 黄一龙. 中文事件关系识别与推理方法研究[D]. 苏州: 苏州大学, 2017.
39 中文突发事件语料库[EB/OL]. (2019-09-27) [2021-05-07]. https://github.com/shijiebei2009/CEC-Corpus.
40 刘如, 周京艳, 李佳娱, 等. 基于数据科学思维的情报事理逻辑揭示与科学解读[J]. 情报理论与实践, 2018, 41(8): 22-27.
41 Pennington J, Socher R, Manning C D. GloVe: global vectors for word representation[C]// Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing. Stroudsburg: Association for Computational Linguistics, 2014: 1532-1543.
42 孙盼, 王琪, 万怀宇. 结合事件链和事理图谱的脚本事件预测方法[J/OL]. 计算机工程. (2021-04-26) [2021-05-07]. https://doi.org/10.19678/j.issn.1000-3428.0060781.
43 朱木易洁, 鲍秉坤, 徐常胜. 知识图谱发展与构建的研究进展[J]. 南京信息工程大学学报(自然科学版), 2017, 9(6): 575-582.
44 胡芳槐. 基于多种数据源的中文知识图谱构建方法研究[D]. 上海: 华东理工大学, 2015.
45 Mikolov T, Chen K, Corrado G, et al. Efficient estimation of word representations in vector space[OL]. (2013-09-07). https://arxiv.org/pdf/1301.3781.pdf.
46 Devlin J, Chang M W, Lee K, et al. BERT: pre-training of deep bidirectional transformers for language understanding[C]// Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Stroudsburg: Association for Computational Linguistics, 2019: 4171-4186.
47 范维澄, 翁文国, 吴刚, 等. 国家安全管理中的基础科学问题[J]. 中国科学基金, 2015, 29(6): 436-443.