多模态态势感知的知识表示、表示学习和知识推理

TP202; 针对多模态态势存在知识表示困难、知识化过程复杂、多模态知识难以融合、知识智能应用程度低等难题,提出了面向战场态势感知多模态数据及知识的统一知识表示模型,实现了事实类知识、动态事件、规则知识和多模态知识等高效表示.在此基础上,引入基于知识图谱的表示学习技术,为多模态数据及知识的统一处理提供了方法,可支撑多模态知识的提取、融合、补全和联合学习,从而实现战场态势感知知识图谱的构建;最后,以表示学习为基础,提出了基于态势感知知识图谱的知识推理框架,实现能力强、高效率、可解释的复合推理,为上层应用提供实现途径.