皮爾達(dá)偉斯·巴吐?tīng)?，?捷,2*

（1.西南交通大學(xué)計(jì)算機(jī)與人工智能學(xué)院，成都 611756；2.可持續(xù)城市交通智能化教育部工程研究中心，成都 611756）

0 引言

網(wǎng)絡(luò)信息內(nèi)容治理已成為國(guó)家戰(zhàn)略的重要部分，“網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定”明確了網(wǎng)絡(luò)信息內(nèi)容治理在治理目標(biāo)、主體、客體、過(guò)程、工具5 個(gè)方面的核心要義［1］。近年來(lái)，在國(guó)鐵企業(yè)信息化治理過(guò)程中，借助人工智能的AI+內(nèi)容安全技術(shù)能夠高效發(fā)現(xiàn)問(wèn)題，但在發(fā)現(xiàn)違規(guī)和風(fēng)險(xiǎn)問(wèn)題之后，如何及時(shí)識(shí)別事件類別、判斷風(fēng)險(xiǎn)級(jí)別、定位響應(yīng)部門、決策應(yīng)急預(yù)案仍然缺乏研究。劉鐵民［2］指出突發(fā)事件情景構(gòu)建是當(dāng)前公共安全領(lǐng)域最前沿科學(xué)問(wèn)題之一，采用“情景-應(yīng)對(duì)”的理論與方法，是國(guó)內(nèi)外公共安全領(lǐng)域近年來(lái)提出的一種行之有效的科學(xué)手段。本文基于“情景-應(yīng)對(duì)”模型和知識(shí)圖譜，提出了一種面向鐵路領(lǐng)域在線客服內(nèi)容違規(guī)和風(fēng)險(xiǎn)的應(yīng)急管理系統(tǒng)和方法。

1 違規(guī)和風(fēng)險(xiǎn)應(yīng)急管理研究現(xiàn)狀

朱世強(qiáng)等［3］指出知識(shí)圖譜等技術(shù)的發(fā)展，能夠加速將內(nèi)容安全治理向自動(dòng)化、智能化、高效化、精準(zhǔn)化方向推進(jìn)，并建議建立健全合法有效的監(jiān)管機(jī)制和人工智能內(nèi)容安全標(biāo)準(zhǔn)體系。王建亞等［4］對(duì)網(wǎng)絡(luò)信息內(nèi)容安全風(fēng)險(xiǎn)進(jìn)行研判和特征分析，將網(wǎng)絡(luò)信息內(nèi)容安全分為9類，分析了每種風(fēng)險(xiǎn)的內(nèi)涵和表現(xiàn)，并對(duì)各類型風(fēng)險(xiǎn)進(jìn)行了場(chǎng)景化解構(gòu)。白文琳等［1］按照戴明環(huán)PDCA 循環(huán)思路，同時(shí)將治理目標(biāo)、主體、客體、過(guò)程、工具等政策要素全部納入，設(shè)計(jì)了“PDCA-五維要素”治理行動(dòng)邏輯。范維澄等［5］提出了公共安全體系的三角形模型，突發(fā)事件及其應(yīng)對(duì)中存在三個(gè)主體：突發(fā)事件、承災(zāi)載體、應(yīng)急管理。張輝等［6］在面向國(guó)家應(yīng)急平臺(tái)體系的基礎(chǔ)科學(xué)問(wèn)題和集成平臺(tái)研究中突出了“情景-應(yīng)對(duì)”型決策的重要性。郭世剛等［7］研究了突發(fā)事件應(yīng)急決策方法等演變，將現(xiàn)有決策模型分為經(jīng)驗(yàn)直覺(jué)法、“預(yù)測(cè)-應(yīng)對(duì)”模型、“情景-應(yīng)對(duì)”模式三類。仲秋雁等［8］基于知識(shí)元構(gòu)建了非常規(guī)突發(fā)事件情景模型。王寧等［9］提出了一種基于應(yīng)急案例的情景決策支持方法。吳艷華等［10?11］研究了“情景-應(yīng)對(duì)”模型在鐵路領(lǐng)域的應(yīng)用。

2 情景模型設(shè)計(jì)

在本文創(chuàng)建鐵路領(lǐng)域在線客服違規(guī)和風(fēng)險(xiǎn)管理知識(shí)圖譜過(guò)程中，在客服平臺(tái)和相關(guān)網(wǎng)站和公眾號(hào)采集近年來(lái)在客服違規(guī)方面發(fā)生過(guò)的案例，再通過(guò)網(wǎng)上檢索到的案例對(duì)各個(gè)實(shí)體的屬性進(jìn)行保存，通過(guò)整合來(lái)構(gòu)建鐵路在線客服違規(guī)的事件庫(kù)。本文創(chuàng)建的情景模型如圖1所示。

圖1 情景模型

其中，事件（Event）實(shí)體是用來(lái)存儲(chǔ)所有事件的實(shí)體，在識(shí)別出鐵路在線客服內(nèi)容違規(guī)和風(fēng)險(xiǎn)后，都存儲(chǔ)在這里，是整個(gè)情景模型的主體。用此實(shí)體來(lái)創(chuàng)建情景表的主體，通過(guò)各種屬性來(lái)充實(shí)事件實(shí)體的各個(gè)知識(shí)內(nèi)容，此實(shí)體的實(shí)體父類為情景，與形式為不相交的類，并且沒(méi)有添加其他的公理等描述。事件的實(shí)例是整個(gè)事件的承載者。

將鐵路客服過(guò)程中產(chǎn)生的事件實(shí)例采集到Protégé 中，如圖2 所示。通過(guò)對(duì)事件的屬性：事件id、事件類型名稱、事件發(fā)生原因、對(duì)象、事件發(fā)生時(shí)間來(lái)對(duì)應(yīng)一個(gè)唯一的事件，如圖3所示。

圖2 Protégé中的事件實(shí)例

圖3 Protégé中事件的對(duì)象屬性和數(shù)據(jù)屬性示例

形式（Form）實(shí)體是鐵路在線客服違規(guī)的形式，鐵路客服違規(guī)通常有多個(gè)形式，比如一個(gè)事件是文章中所采用的圖片是其他公司所注冊(cè)的，此事件的形式就被定義為圖片侵權(quán)。事件和形式實(shí)體是構(gòu)建情景表的主體成分，形式實(shí)體與事件實(shí)體同屬于情景實(shí)體父類。此實(shí)體的不相交實(shí)體為事件。此實(shí)體包含的實(shí)例包括公眾號(hào)文章錯(cuò)誤，公告消息違規(guī)等形式的實(shí)例，這些實(shí)例構(gòu)成了事件的形式的集合，將具有相同形式性質(zhì)的事件打包成一個(gè)形式，方便應(yīng)對(duì)措施采取的統(tǒng)一性。

在應(yīng)急事件發(fā)生的過(guò)程中，將事件中的相似類型抽象歸納于一起，形成客服違規(guī)事件對(duì)應(yīng)的形式，例如，圖片侵權(quán)相關(guān)、公告消息違規(guī)、隱私信息采集告知、公眾號(hào)文章錯(cuò)誤、外部網(wǎng)站發(fā)布、客服無(wú)法聯(lián)系、投訴無(wú)門、無(wú)法線上退票、字體侵權(quán)、客服態(tài)度惡劣、非實(shí)名購(gòu)票、app崩潰、客服誤導(dǎo)乘客等。在Protégé中創(chuàng)建形式的實(shí)例如圖4所示，圖5展現(xiàn)了主要的數(shù)據(jù)屬性（形式id、形式名稱）和對(duì)象屬性（形式_措施、形式_風(fēng)險(xiǎn)識(shí)別）。

圖4 Protégé中的形式實(shí)例

圖5 Protégé中形式的對(duì)象屬性和數(shù)據(jù)屬性示例

將唯一的事件id 和形式id 以事件_形式的關(guān)系形成聯(lián)系，將事件歸合為一個(gè)形式，通過(guò)形式再來(lái)確定所應(yīng)該采取的應(yīng)急解決方案。

風(fēng)險(xiǎn)識(shí)別（Risk Identification）實(shí)體是鐵路在線客服違規(guī)后，通過(guò)識(shí)別風(fēng)險(xiǎn)的等級(jí)來(lái)確定事件所帶來(lái)的影響，根據(jù)影響的程度來(lái)劃分事件的風(fēng)險(xiǎn)優(yōu)先級(jí)，再根據(jù)事件的優(yōu)先級(jí)來(lái)確定事件的處理順序。此方法能夠讓事件處理更加有序，通過(guò)風(fēng)險(xiǎn)識(shí)別來(lái)大大縮小事件的影響程度。風(fēng)險(xiǎn)識(shí)別的屬性包含：風(fēng)險(xiǎn)類別名稱、風(fēng)險(xiǎn)類別id、優(yōu)先級(jí)、響應(yīng)速度、影響程度，如圖6所示。風(fēng)險(xiǎn)識(shí)別實(shí)體是應(yīng)對(duì)計(jì)劃中的重要一環(huán)，確定事件的等級(jí)，其父類為情景，與事件、形式實(shí)體為不相交的類。沒(méi)有添加其他的公理等內(nèi)容。此實(shí)體包含的實(shí)例包括了風(fēng)險(xiǎn)級(jí)別1、風(fēng)險(xiǎn)級(jí)別2、風(fēng)險(xiǎn)級(jí)別3。這些實(shí)例中保存了事件的解決順序和帶來(lái)影響的數(shù)據(jù)信息，對(duì)事件出現(xiàn)時(shí)，能快速、準(zhǔn)確、有序地解決事件起到關(guān)鍵作用。

圖6 Protégé中風(fēng)險(xiǎn)識(shí)別實(shí)例的數(shù)據(jù)屬性示例

在鐵路領(lǐng)域客服違規(guī)事件發(fā)生的初期，能充分地掌握事件（E）、形式（F）、風(fēng)險(xiǎn)識(shí)別（R）等信息，一個(gè)事件（E1）通過(guò)各個(gè)屬性來(lái)判斷事件形式（F1），通過(guò)事件的事件id（E1）屬性對(duì)應(yīng)一個(gè)事件的形式id（F1），以記為（E1?F1）的事件_形式關(guān)系來(lái)表示具體事件E1的對(duì)應(yīng)形式F1。

通過(guò)得到的事件所屬形式，來(lái)確定事件所歸屬的形式，進(jìn)而確定一個(gè)形式所對(duì)應(yīng)的風(fēng)險(xiǎn)識(shí)別中的風(fēng)險(xiǎn)等級(jí)，通過(guò)確定的形式id（F1）對(duì)應(yīng)風(fēng)險(xiǎn)類別id（R1），從而從關(guān)系形式_風(fēng)險(xiǎn)識(shí)別來(lái)對(duì)應(yīng)，記為（F1?R1）。通過(guò)事件、形式、風(fēng)險(xiǎn)識(shí)別的對(duì)應(yīng)關(guān)系可得知事件的明確信息為（E1?F1?R1），某事件的詳細(xì)情景通過(guò)這些關(guān)系構(gòu)建出來(lái)。

3 應(yīng)對(duì)模型設(shè)計(jì)

事件的事件集合表示為（事件、形式、風(fēng)險(xiǎn)識(shí)別），也可以將事件集對(duì)應(yīng)事件的情景集合，再通過(guò)各個(gè)實(shí)體的數(shù)據(jù)屬性來(lái)使知識(shí)的表示更加詳細(xì)。將事件的應(yīng)對(duì)策略創(chuàng)建為事件的應(yīng)對(duì)集，即為（措施、方案），并以這些應(yīng)對(duì)策略中的數(shù)據(jù)屬性將措施的具體行使方式和措施完成后對(duì)后續(xù)存在的問(wèn)題進(jìn)行精化的解決方式。本文創(chuàng)建的應(yīng)對(duì)模型如圖7所示。

措施（Measure）是與事件、形式、風(fēng)險(xiǎn)識(shí)別所構(gòu)成的情景相對(duì)應(yīng)的應(yīng)對(duì)過(guò)程的主體內(nèi)容，措施擁有措施名稱、措施id、部門等數(shù)據(jù)屬性。能夠明確采取措施的響應(yīng)部門，確定了措施在行使的過(guò)程是由什么部門來(lái)進(jìn)行，使得分工明確且能夠通過(guò)對(duì)事件的處理來(lái)評(píng)定部門的績(jī)效。此實(shí)體包含的實(shí)例包括了取消票的效益并要求乘客實(shí)名購(gòu)票、告知隱私信息采集風(fēng)險(xiǎn)等實(shí)例，這些實(shí)例集合成了事件應(yīng)對(duì)集的快速響應(yīng)的解決措施，是直接解決事件的第一步的手段集合。

圖8 Protégé中措施的對(duì)象屬性和數(shù)據(jù)屬性示例

確定事件的具體情景模型的詳細(xì)信息后，對(duì)情景模型創(chuàng)建應(yīng)對(duì)的模型，通過(guò)形式與措施的關(guān)系屬性形式_措施來(lái)確定事件的應(yīng)對(duì)策略，從措施的數(shù)據(jù)屬性措施id來(lái)確定形式（F1）的對(duì)應(yīng)的措施（M1），將形式和措施形成的關(guān)系形式_措施關(guān)系記為（F1?M1），以此關(guān)系來(lái)確定形式為F1的事件所應(yīng)采取的措施為M1，反向的推理可以推理出事件的完整關(guān)系，事件E1 的形式為F1.形式名稱，此形式風(fēng)險(xiǎn)等級(jí)為R1.風(fēng)險(xiǎn)類別名稱，所應(yīng)采取的措施為M1.措施名稱的應(yīng)對(duì)策略。針對(duì)每一個(gè)不同事件、形式、風(fēng)險(xiǎn)識(shí)別的過(guò)程有不同的應(yīng)對(duì)策略進(jìn)行匹配。

方案（Scheme）是指對(duì)事件措施的后續(xù)補(bǔ)充，方案包括：方案名稱、方案id、方案內(nèi)容、完成速度，如圖9 所示。方案內(nèi)容是對(duì)事件采取的措施的后續(xù)補(bǔ)充，措施完成后，對(duì)后續(xù)相關(guān)的部門進(jìn)行補(bǔ)救，完整地將事件完成，對(duì)后續(xù)的影響進(jìn)一步進(jìn)行完整的措施；方案中的完成速度是指方案在實(shí)行的過(guò)程中應(yīng)該采取的執(zhí)行速度，執(zhí)行的速度應(yīng)不低于方案中規(guī)定完成速度。此實(shí)體包含的實(shí)例包括外部網(wǎng)站發(fā)文方案、客服違規(guī)方案等一系列方案的實(shí)例，這些實(shí)例可以用來(lái)做措施完成后的后續(xù)安排，讓事件的影響逐步消除，直到影響完全消除為止。

圖9 Protégé中的方案實(shí)例

在情景-應(yīng)對(duì)模型構(gòu)建基礎(chǔ)完成后，對(duì)措施進(jìn)行進(jìn)一步的擴(kuò)張，因?yàn)閱渭兊拇胧o(wú)法完成對(duì)事件的后續(xù)處置的完善，通過(guò)擴(kuò)展的方案可以完善對(duì)事件措施的支援，然后通過(guò)措施和方案的關(guān)系，將措施M1 和方案S1 聯(lián)系起來(lái)，將兩者之間的聯(lián)系記為M1?S1。所以事件的整體聯(lián)系為E1?F1?R1和F1?M1?S1。

通過(guò)對(duì)事件、形式、風(fēng)險(xiǎn)識(shí)別、措施和方案的詳細(xì)分析，充分明確了事件的形式和風(fēng)險(xiǎn)級(jí)別，通過(guò)這些明確的信息來(lái)確定采取措施，和措施完成后的后續(xù)方案的響應(yīng)主體。這為進(jìn)一步深入分析事件的應(yīng)急事件處理打下了基礎(chǔ)。

4 鐵路領(lǐng)域在線客服違規(guī)和風(fēng)險(xiǎn)管理知識(shí)圖譜應(yīng)用實(shí)例

本文的主題是鐵路客服違規(guī)和風(fēng)險(xiǎn)管理知識(shí)圖譜，而且要運(yùn)用到情景應(yīng)對(duì)模型，所以在此基礎(chǔ)上創(chuàng)建知識(shí)圖譜的實(shí)體，需根據(jù)知識(shí)圖譜一般構(gòu)建方法，先構(gòu)建并識(shí)別出鐵路風(fēng)險(xiǎn)管理知識(shí)圖譜中的實(shí)體，再確定各個(gè)實(shí)體之間的聯(lián)系，定義實(shí)體之間的屬性，然后根據(jù)實(shí)體之間的聯(lián)系再進(jìn)行鐵路領(lǐng)域知識(shí)圖譜數(shù)據(jù)的抽取、融合和存儲(chǔ)。

4.1 Protégé構(gòu)建知識(shí)圖譜

本文構(gòu)建鐵路領(lǐng)域在線客服和風(fēng)險(xiǎn)管理知識(shí)圖譜采用了Protégé 軟件來(lái)進(jìn)行設(shè)計(jì)，知識(shí)來(lái)自于鐵路在線客服平臺(tái)的案例抽取，抽取案例的平臺(tái)如圖10所示。

圖10 案例平臺(tái)示例

本文創(chuàng)建的鐵路領(lǐng)域在線客服違規(guī)內(nèi)容和風(fēng)險(xiǎn)管理知識(shí)圖譜中一個(gè)完整的關(guān)系實(shí)例如圖11所示。

圖11 知識(shí)圖譜中完整的實(shí)例

Protégé 還提供了圖顯示的功能，此功能可將Protégé 所構(gòu)建的知識(shí)圖譜本體所有的內(nèi)容通過(guò)圖的形式顯示出來(lái)，如圖12所示。

圖12 知識(shí)圖譜可視化

4.2 Neo4j導(dǎo)入和檢索知識(shí)圖譜

將Protégé 里所創(chuàng)建的鐵路領(lǐng)域客服違規(guī)與應(yīng)急風(fēng)險(xiǎn)管理的知識(shí)圖譜本體存儲(chǔ)到Neo4j，就要用到Neo4j 的擴(kuò)展性包neosemantics。在經(jīng)過(guò)Neo4j 內(nèi)置操作語(yǔ)句的修改后，將其顯示為最后的實(shí)體名稱。導(dǎo)入結(jié)果如圖13所示。

圖13 Neo4j圖數(shù)據(jù)展示內(nèi)容

Neo4j 中采用了基于路徑的圖索引，基于這種索引所創(chuàng)建的GraphGrep 是一種典型的圖索引。例如：match（n:‘ns0__事件’）return n。此語(yǔ)句可以輸出所有事件的實(shí)例，如圖14所示。

圖14 事件查詢

在圖數(shù)據(jù)庫(kù)中還可以利用復(fù)雜語(yǔ)句，通過(guò)各個(gè)實(shí)例間所形成的關(guān)系來(lái)對(duì)擁有關(guān)系的數(shù)據(jù)進(jìn)行查詢，如圖15所示。

圖15 查詢示例

match data=（n:‘ns0__事件’｛‘ns0__事件類型名稱’：‘a(chǎn)pp 異常’｝）-［r:‘ns0__事件_形式’］-（m:‘ns0__形式’）return data。所表示的實(shí)際含義為事件類別名稱為app異常的事件所屬的形式是哪個(gè)，從圖中可看出事件app 異常的形式為app崩潰的形式。

4.3 Neo4j中違規(guī)事件的應(yīng)用示例

為驗(yàn)證本文所提出的基于案例的應(yīng)急事件處理辦法，對(duì)事件客服平臺(tái)圖片侵權(quán)的案例進(jìn)行情景-應(yīng)對(duì)模型的驗(yàn)證。首先是此事件集（事件id：1，形式id：1，風(fēng)險(xiǎn)類型id：1），應(yīng)對(duì)集（形式id：1，措施id：1，方案id：1）。此事件的基本表述為E（客服平臺(tái)圖片侵權(quán)），事件所對(duì)應(yīng)的形式為F（形式名稱：圖片侵權(quán)相關(guān)），此類形式F所對(duì)應(yīng)的風(fēng)險(xiǎn)識(shí)別R1（風(fēng)險(xiǎn)類別名稱：風(fēng)險(xiǎn)等級(jí)1），R1 的優(yōu)先集為低，影響程度為有損信譽(yù)，應(yīng)該盡快解決，所采取的措施M（措施名稱：撤回信息），措施M所對(duì)應(yīng)的方案為S（方案名稱：侵權(quán)方案），此方案所采取的方式為對(duì)侵權(quán)的圖片、字體等進(jìn)行整改，對(duì)侵權(quán)的機(jī)構(gòu)進(jìn)行道歉，此方案要求的完成速度為不多于1天。

5 結(jié)語(yǔ)

國(guó)鐵企業(yè)信息化治理過(guò)程中，如何借助知識(shí)圖譜等人工智能技術(shù)將內(nèi)容安全治理向自動(dòng)化、智能化、高效化、精準(zhǔn)化方向推進(jìn)，具有重要的意義。本文結(jié)合知識(shí)圖譜和“情景-應(yīng)對(duì)”模型，提出了一種面向鐵路領(lǐng)域在線客服內(nèi)容違規(guī)和風(fēng)險(xiǎn)的應(yīng)急管理方法。并采用Protégé和Neo4j進(jìn)行了知識(shí)抽取、知識(shí)存儲(chǔ)、和知識(shí)應(yīng)用。并最終以客服平臺(tái)圖片侵權(quán)的案例對(duì)該方法進(jìn)行了驗(yàn)證，該方法能夠較好地輔助鐵路領(lǐng)域在線客服內(nèi)容違規(guī)和風(fēng)險(xiǎn)的應(yīng)急管理。