運(yùn)動(dòng)生理參數(shù)知識圖譜構(gòu)建指南（征求意見稿）

Q/LB.□XXXXX-XXXX目次TOC\o"1-1"\h\t"標(biāo)準(zhǔn)文件_一級條標(biāo)題,2,標(biāo)準(zhǔn)文件_附錄一級條標(biāo)題,2,"前言 II1范圍 12規(guī)范性引用文件 13術(shù)語和定義 14知識圖譜構(gòu)建 14.1構(gòu)建步驟 14.2知識抽取加工 24.3知識存儲 34.4圖分析與圖挖掘 3參考文獻(xiàn) 4前言本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識別專利的責(zé)任。本文件由河北體育學(xué)院提出。本文件由中國體育科學(xué)學(xué)會(huì)歸口。本文件起草單位：河北體育學(xué)院、清華大學(xué)、中國科學(xué)院大學(xué)、中國人民大學(xué)、福州大學(xué)、清華海峽研究院（廈門）、南京潤楠醫(yī)療電子研究院有限公司、數(shù)聚工研（北京）科技有限公司。本文件主要起草人：史東林、楊吉江、趙越、雷毅、趙榮建、劉凱、裴梓彤、陳永銳、王忠瑞、李玉榕。運(yùn)動(dòng)生理參數(shù)知識圖譜構(gòu)建指南范圍本文件給出了構(gòu)建運(yùn)動(dòng)生理參數(shù)知識圖譜的基本概念，提供了構(gòu)建知識圖譜的步驟、知識抽取加工、知識存儲、圖分析與圖挖掘等方面的建議。本文件適用于運(yùn)動(dòng)生理參數(shù)知識圖譜的構(gòu)建。規(guī)范性引用文件本文件沒有規(guī)范性引用文件。術(shù)語和定義下列術(shù)語和定義適用于本文件。

知識圖譜knowledgegraph一種以結(jié)構(gòu)化的形式描述客觀世界中概念、實(shí)體及其關(guān)系的方式。注：知識圖譜將互聯(lián)網(wǎng)的海量信息表達(dá)成更接近人類認(rèn)知世界的形式，提供了一種更好地組織、管理和理解互聯(lián)網(wǎng)海量信息的能力。實(shí)體entity具有獨(dú)立邏輯含義的一類概念、人、事物。關(guān)系relationship實(shí)體與實(shí)體之間特定時(shí)間、特定行為下產(chǎn)生的聯(lián)系。屬性attribute實(shí)體或關(guān)系所具有的特性。知識推理knowledgereasoning在計(jì)算機(jī)中進(jìn)行機(jī)器思維、求解問題的過程。心電圖Electrocardiogram心臟活動(dòng)所產(chǎn)生的電活動(dòng)變化的記錄。計(jì)量單位：mV。心率heartrate心臟每分鐘跳動(dòng)的次數(shù)。計(jì)量單位：次/分。呼吸率respiratoryrate每分鐘呼吸的次數(shù)。計(jì)量單位：次/分。血氧飽和度oxygensaturation動(dòng)脈血氧與血紅蛋白結(jié)合的程度，是單位血紅蛋白含氧百分?jǐn)?shù)。計(jì)量單位：百分比，符號：%。知識圖譜構(gòu)建構(gòu)建步驟采用自頂向下的方式構(gòu)建運(yùn)動(dòng)生理參數(shù)知識圖譜，具體步驟如圖1所示。圖1知識圖譜構(gòu)建步驟知識抽取加工的目標(biāo)是將結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化形成滿足知識圖譜存儲要求的標(biāo)準(zhǔn)形式，主要包括數(shù)據(jù)甄別、數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)融合等步驟。知識存儲的目標(biāo)是有效管理知識圖譜依賴的圖數(shù)據(jù)、屬性數(shù)據(jù)。圖分析與圖挖掘是在知識推理技術(shù)之上構(gòu)建分析模型和算法挖掘模型，對知識圖譜進(jìn)行深入挖掘，生成分析挖掘結(jié)果，支撐表1中所列運(yùn)動(dòng)健康應(yīng)用場景的構(gòu)建。表1運(yùn)動(dòng)健康應(yīng)用場景應(yīng)用場景輸入項(xiàng)計(jì)算邏輯輸出結(jié)果運(yùn)動(dòng)適應(yīng)能力評估生理參數(shù)，包括但不限于心率、心電圖、呼吸頻率、血壓、血氧飽和度等根據(jù)運(yùn)動(dòng)過程中的生理參數(shù)變化趨勢，通過圖譜分析和挖掘，計(jì)算適應(yīng)能力指數(shù)或適應(yīng)能力等級輸出運(yùn)動(dòng)適應(yīng)能力評估，評估用戶對運(yùn)動(dòng)的適應(yīng)程度運(yùn)動(dòng)疲勞預(yù)警根據(jù)運(yùn)動(dòng)過程中的生理參數(shù)變化趨勢，通過圖譜分析和挖掘，計(jì)算疲勞指數(shù)或疲勞等級輸出運(yùn)動(dòng)疲勞預(yù)警，提示用戶可能已接近或達(dá)到疲勞狀態(tài)運(yùn)動(dòng)風(fēng)險(xiǎn)評估根據(jù)運(yùn)動(dòng)過程中的生理參數(shù)變化趨勢，通過圖譜分析和挖掘，計(jì)算風(fēng)險(xiǎn)指數(shù)或風(fēng)險(xiǎn)等級輸出運(yùn)動(dòng)風(fēng)險(xiǎn)評估，提示用戶可能存在的健康風(fēng)險(xiǎn)知識抽取加工知識抽取知識抽取主要包括以下4個(gè)步驟?！獢?shù)據(jù)甄別：明確建立知識圖譜的數(shù)據(jù)來源。包含但不限于心率、心電圖、呼吸頻率、血壓、血氧飽和度等運(yùn)動(dòng)生理參數(shù)的數(shù)據(jù)源?！獢?shù)據(jù)清洗：對數(shù)據(jù)中的干擾項(xiàng)，特別是來自互聯(lián)網(wǎng)的錯(cuò)誤信息、虛假信息進(jìn)行清洗，對表示不規(guī)范的數(shù)據(jù)進(jìn)行統(tǒng)一與規(guī)范?！獢?shù)據(jù)轉(zhuǎn)換：將不同形式、不同格式的數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的表達(dá)形式?！獢?shù)據(jù)融合：針對不同來源的數(shù)據(jù)在字段、元組等層次的融合，不涉及實(shí)體、屬性、關(guān)系的融合。知識加工知識加工以知識抽取階段形成的高質(zhì)量基礎(chǔ)數(shù)據(jù)作為輸入，輸出高質(zhì)量的知識圖譜構(gòu)建所依賴的實(shí)體、關(guān)系數(shù)據(jù)并形成運(yùn)動(dòng)生理參數(shù)知識庫。知識加工主要包括如下步驟：——本體設(shè)計(jì)；——實(shí)例獲??；——知識融合。本體設(shè)計(jì)的內(nèi)容主要包括以下4個(gè)方面?！拍顚佣x：明確定義知識圖譜構(gòu)建需要的實(shí)體類型與關(guān)系類型，涉及到運(yùn)動(dòng)健康生理參數(shù)領(lǐng)域概念、概念屬性以及概念之間的關(guān)系?！獙傩远x：明確知識圖譜構(gòu)建的各類實(shí)體需要的屬性名稱?！s束/規(guī)則定義：明確需要約定的限定條件與規(guī)則?！Ｊ骄啠簩ν瑯臃秶膶?shí)體、關(guān)系，選擇盡量精簡的關(guān)聯(lián)與表達(dá)方式。實(shí)例獲取的內(nèi)容主要包括以下4個(gè)方面?！獙?shí)體識別：在完成知識抽取后的數(shù)據(jù)中識別上述已經(jīng)明確的實(shí)體類型對應(yīng)數(shù)據(jù)；——關(guān)系識別：在完成知識抽取后的數(shù)據(jù)中識別上述已經(jīng)明確的關(guān)系類型對應(yīng)數(shù)據(jù)；——實(shí)體鏈指：將完成文本解析后的事件關(guān)聯(lián)方鏈接至對應(yīng)實(shí)體；——文本解析：利用自然語言處理技術(shù)對運(yùn)動(dòng)健康生理參數(shù)相關(guān)文本（心率、心電圖、呼吸頻率、血氧飽和度）進(jìn)行分析，實(shí)現(xiàn)事件關(guān)聯(lián)方的提取、實(shí)體/關(guān)系屬性的槽填充，以及評估的量化結(jié)果。知識融合的主要內(nèi)容包括以下3個(gè)方面?！仓赶猓簩⒕哂邢嗤瑯?biāo)識的兩個(gè)實(shí)體合并為同一實(shí)體?！獙傩匀诤希簩⑼粯?biāo)識實(shí)體下，相同名稱的屬性所對應(yīng)的屬性值進(jìn)行融合?！?guī)范化一：將不同實(shí)體屬性值與不同關(guān)系屬性值的表達(dá)方式進(jìn)行統(tǒng)一。知識存儲概述知識存儲階段將知識圖譜的概念層和數(shù)據(jù)層以計(jì)算機(jī)可識別的數(shù)據(jù)格式進(jìn)行物理保存，針對知識圖譜的知識表示形式設(shè)計(jì)匹配的底層存儲方式，完成各類知識的存儲，以支持對大規(guī)模圖數(shù)據(jù)的有效管理和計(jì)算。圖數(shù)據(jù)存儲圖數(shù)據(jù)存儲內(nèi)容宜包括實(shí)體數(shù)據(jù)和關(guān)系數(shù)據(jù)，分別以實(shí)體表和關(guān)系表的形式體現(xiàn)。圖數(shù)據(jù)存儲方式宜根據(jù)數(shù)據(jù)規(guī)模決定采用分布式存儲或單機(jī)存儲。屬性數(shù)據(jù)存儲屬性數(shù)據(jù)存儲內(nèi)容宜包含實(shí)體屬性和關(guān)系屬性。屬性數(shù)據(jù)存儲方式宜根據(jù)數(shù)據(jù)規(guī)模決定采用分布式存儲或單機(jī)存儲，主要包括單個(gè)和批量屬性數(shù)據(jù)的增加、更新、刪除操作。圖分析與圖挖掘概述圖分析與圖挖掘基于知識推理。知識推理的方法主要包括下列內(nèi)容?！诟怕实闹R推理：根據(jù)知識存在準(zhǔn)確性等不確定因素，通過概率理論進(jìn)行推理判斷?！跈C(jī)器學(xué)習(xí)的知識推理：處理具有集約特征，即知識的獲取、表示和推理合為一體，均通過機(jī)器學(xué)習(xí)訓(xùn)練實(shí)現(xiàn)，從而可以充分利用樣本性知識，而樣本性知識相對來說是最容易獲得