姓名：孟永超? ? ?學(xué)號：22011110013
轉(zhuǎn)自：
https://blog.csdn.net/weixin_45882672/article/details/121852447?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164767366216780269888421%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=164767366216780269888421&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~rank_v31_ecpm-6-121852447.nonecase&utm_term=6G&spm=1018.2226.3001.4450
【嵌牛導(dǎo)讀】
隨著5G技術(shù)的逐漸成熟和人工智能技術(shù)的飛速發(fā)展，各個國家都開始馬不停蹄的展開了對新一代通信技術(shù)6G的研究和探索，知識圖譜作為人工智能技術(shù)的一個重要分支，如何將知識圖譜技術(shù)應(yīng)用到6G技術(shù)的研究中，是一項很有意義的研究。
【嵌牛鼻子】5G、人工智能、6G、知識圖譜
【嵌牛提問】如何理解新一代的6G通信技術(shù)？什么是知識圖譜？如何將知識圖譜與6G技術(shù)相結(jié)合？
【嵌牛正文】?
1、6G簡介
? ? ? ? 近年來，隨著5G、人工智能(AI, artificial intelligence) 和大數(shù)據(jù)技術(shù)的不斷革新，智能移動物聯(lián)網(wǎng)業(yè)務(wù)的興起和迅速發(fā)展引發(fā)了新一輪信息技術(shù)革命浪潮，“萬物互聯(lián)”對海量業(yè)務(wù)數(shù)據(jù)即時獲得、分析和交換的需求日益增長。為支撐海量連接場景下多類型終端的差異化服務(wù)質(zhì)量，5G引入了多種無線接入技術(shù)和基于服務(wù)的網(wǎng)絡(luò)架構(gòu)[1][2]。隨著移動通信技術(shù)的演進(jìn)，移動網(wǎng)絡(luò)形態(tài)呈現(xiàn)多樣化與異構(gòu)化以滿足各種差異化的業(yè)務(wù)需求。
? ? ? ? 當(dāng)前，全球各地陸續(xù)啟動了6G研究工作，業(yè)界指出“數(shù)字孿生，智能泛在”的6G網(wǎng)絡(luò)發(fā)展愿景，同時期望結(jié)合AI等技術(shù)的發(fā)展，滿足人們?nèi)找嬖鲩L的高性能網(wǎng)絡(luò)需求，覆蓋全社會的千行百業(yè)，實現(xiàn)社會智慧互聯(lián)和行業(yè)數(shù)字化轉(zhuǎn)型[3][4]。
? ? ? ? 6G將充分利用各種頻譜資源，比如太赫茲，可見光，結(jié)合超大規(guī)模天線技術(shù)，全雙工技術(shù)，智能超表面，空天地一體等技術(shù)實現(xiàn)全覆蓋。然而，6G中層出不窮的新業(yè)務(wù)對網(wǎng)絡(luò)的要求也各不相同，這樣就會造成網(wǎng)絡(luò)運維的復(fù)雜度增加。此外，現(xiàn)有的商用無線網(wǎng)絡(luò)已經(jīng)擁有大量可配置無線參數(shù)，面對未來海量設(shè)備的接入和快速變化的業(yè)務(wù)需求，傳統(tǒng)的以設(shè)備為中心的人工運維的模式難以為繼、性能難以保障、用戶服務(wù)質(zhì)量難以滿足，迫切需要一種更靈活、更簡潔的智慧網(wǎng)絡(luò)，以適配未來6G海量智能業(yè)務(wù)的高不確定性。
? ? ? ? AI作為大數(shù)據(jù)的重要使能技術(shù)，學(xué)術(shù)界和產(chǎn)業(yè)界已經(jīng)針對AI內(nèi)生的6G網(wǎng)絡(luò)展開了研究，并取得了積極的成果[5]。6G期待通過AI內(nèi)生增強網(wǎng)絡(luò)架構(gòu)的適變性，使網(wǎng)絡(luò)更好地支撐多樣化服務(wù)和多應(yīng)用場景，實現(xiàn)網(wǎng)絡(luò)與用戶需求的實時互動，并使網(wǎng)絡(luò)可以更好地滿足用戶需求，構(gòu)建高效的可重構(gòu)柔性無線網(wǎng)絡(luò)。知識圖譜是人工智能的一個重要分支，機(jī)器具有認(rèn)知能力的基石，在AI領(lǐng)域具有非常重要的地位。知識圖譜將人與知識智能地連接起來，能夠?qū)Ω黝悜?yīng)用進(jìn)行智能化升級，為用戶帶來更智能的應(yīng)用體驗[6]。將知識圖譜應(yīng)用到6G網(wǎng)絡(luò)中，可以為6G網(wǎng)絡(luò)提供一種快速便捷的業(yè)務(wù)和意圖檢索能力，并利用知識圖譜中“龐大”的網(wǎng)絡(luò)知識庫針對業(yè)務(wù)場景和需求進(jìn)行推理，生成滿足業(yè)務(wù)需求的智能網(wǎng)絡(luò)。然而，當(dāng)前知識圖譜在網(wǎng)絡(luò)智能化方面才處于起步階段。
2、知識圖譜
? ? ? ?知識圖譜，是通過將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識架構(gòu)達(dá)到多學(xué)科融合目的的現(xiàn)代理論。知識圖譜以結(jié)構(gòu)化的形式描述客觀世界中概念、實體及其關(guān)系，將互聯(lián)網(wǎng)的信息表達(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。
? ? ? ? 知識圖譜的邏輯結(jié)構(gòu)可分為模式層與數(shù)據(jù)層，模式層是核心，數(shù)據(jù)層是基礎(chǔ)。模式層在數(shù)據(jù)層之上，存儲的是根據(jù)數(shù)據(jù)層提煉過的知識，包括實體、關(guān)系以及實體的類型和屬性等對象之間的聯(lián)系。數(shù)據(jù)層主要是由一系列的事實組成，知識以事實（fact）為單位存儲在圖數(shù)據(jù)庫。如果以“實體－關(guān)系－實體”或者“實體－屬性－性值”三元組作為事實的基本表達(dá)方式，則存儲在圖數(shù)據(jù)庫中的所有數(shù)據(jù)將構(gòu)成龐大的實體關(guān)系網(wǎng)絡(luò)，形成“知識圖譜“[6]。
? ? ? ? 知識圖譜主要技術(shù)包括知識獲取、知識表示、知識存儲、知識建模、知識融合、知識計算、知識運維等七個方面，盡管目前已取得了很多成就，但仍在快速演進(jìn)當(dāng)中。從應(yīng)用的角度，知識圖譜逐漸向領(lǐng)域或行業(yè)知識圖譜應(yīng)用拓展，如金融、醫(yī)療、公安、醫(yī)療、司法、電商等，同時知識圖譜的標(biāo)準(zhǔn)化工作仍在進(jìn)行中。
? ? ? ?新華三深耕網(wǎng)絡(luò)行業(yè)三十余年，在計算、存儲、網(wǎng)絡(luò)、安全等領(lǐng)域有著大量的來自行業(yè)、生產(chǎn)、研發(fā)、運維等維度的專家和生產(chǎn)資料過程數(shù)據(jù)。新華三已于2021年7月份將網(wǎng)絡(luò)通信行業(yè)知識貢獻(xiàn)到OpenKG上，填補了該行業(yè)的空白。https://mp.weixin.qq.com/s/bov41msc-anaAa6qJ5orNA。之后，新華三以當(dāng)前6G研究為契機(jī)，繼續(xù)研究6G網(wǎng)絡(luò)行業(yè)知識庫，并已取得了一系列的進(jìn)展。
3、6G網(wǎng)絡(luò)知識庫的構(gòu)建
? ? ? ? 6G的網(wǎng)絡(luò)知識主要包括三大類：網(wǎng)絡(luò)架構(gòu)的知識，網(wǎng)絡(luò)運維知識，和業(yè)務(wù)知識。
? ? ? ?在網(wǎng)絡(luò)架構(gòu)上，相比于5G，6G網(wǎng)絡(luò)將提供全覆蓋，全頻譜，全應(yīng)用，強安全的普適通信，通信的維度從“二維”轉(zhuǎn)向“三維”，利用全頻譜將通信從當(dāng)前的地面通信轉(zhuǎn)向“空天地?！比S度的通信模式，以提供具有廣覆蓋、大連接、低時延，高可靠性和高精度定位的通信，所以6G相應(yīng)的網(wǎng)絡(luò)架構(gòu)也將發(fā)生根本性的變化。
? ? ? ?對于網(wǎng)絡(luò)運維，面對更加復(fù)雜的網(wǎng)絡(luò)架構(gòu)和眾多新的應(yīng)用場景，當(dāng)前的運維知識不足以應(yīng)對未來的網(wǎng)絡(luò)，而傳統(tǒng)的人工運維耗時耗力，所以需要在豐富的運維知識庫基礎(chǔ)上利用人工智能的方式來實現(xiàn)網(wǎng)絡(luò)的運維。
? ? ? ?在業(yè)務(wù)和性能的角度，6G的業(yè)務(wù)將在5G的基礎(chǔ)上進(jìn)行擴(kuò)展，例如進(jìn)一步增強的移動寬帶（feMBB）、超大規(guī)模機(jī)器類通信（umMTC）和增強的高可靠低時延通信（euRLLC），長距離高移動性通信（LDHMC）和超低功耗通信（ELPC）、、超高速低時延通信（uHSLLC）和超高數(shù)據(jù)密度（uHDD等）[4]，支持更豐富的業(yè)務(wù)場景和類型，同時業(yè)務(wù)的性能也進(jìn)行了相應(yīng)的提升，比如feMBB的最大速率從100Mbps提高到1Gbps，euRLLC中可靠性從99.999%提升到99.99999%，時延降低到1ms以下。
? ? ? ? 然而，網(wǎng)絡(luò)知識庫的獲取存在著諸多挑戰(zhàn)。雖然當(dāng)前各標(biāo)準(zhǔn)化組織的標(biāo)準(zhǔn)化文檔，比如3GPP，ETSI等的標(biāo)準(zhǔn)，各產(chǎn)業(yè)聯(lián)盟的白皮書，如工業(yè)互聯(lián)網(wǎng)白皮書，智慧港口白皮書等，各科研機(jī)構(gòu)的研究報告和論文可以提供大量的數(shù)據(jù)，但是這些資料大部分都是基于應(yīng)用場景介紹使能技術(shù)和一些所需的性能指標(biāo)，不同的資料中雖然場景和性能指標(biāo)都類似，但是數(shù)據(jù)結(jié)構(gòu)卻不統(tǒng)一。因此造成數(shù)據(jù)分散，數(shù)據(jù)結(jié)構(gòu)化程度不高，大量有價值的知識更多是存在于非結(jié)構(gòu)化的文本中。這些數(shù)據(jù)專業(yè)性強、術(shù)語繁多，從理解上來看與通用語言理解存在很深的鴻溝，從邏輯上來看場景又十分復(fù)雜。而在當(dāng)時，開源的電子信息或者網(wǎng)絡(luò)通信行業(yè)詞庫知識（尤其是5G、6G網(wǎng)絡(luò)知識庫）為零，常識知識為零，帶標(biāo)注可訓(xùn)練的數(shù)據(jù)為零。而要實現(xiàn)6G網(wǎng)絡(luò)的知識抽取，就必須在眾多瑣碎的文獻(xiàn)資料中不斷的分析提煉，在困難中不斷破冰。
a、業(yè)務(wù)知識庫構(gòu)建
? ? ? ? 知識處理一定是一個從易到難，從粗到細(xì)、從人工到自動的過程。首先，為了構(gòu)建一個初始的知識庫，首要的目標(biāo)是數(shù)據(jù)結(jié)構(gòu)化。資料管理通常是樹形結(jié)構(gòu)，如新華三官網(wǎng)，以樹狀結(jié)構(gòu)梳理了產(chǎn)品類型-產(chǎn)品系列-規(guī)格型號的關(guān)系，在產(chǎn)品規(guī)格型號一頁，又以表格記錄了產(chǎn)品的各種軟硬件規(guī)格描述。所以，可以使用爬蟲系統(tǒng)收集和解析產(chǎn)品之間“isA”和“sameAs”的關(guān)系，以無監(jiān)督+詞向量的方式對齊了產(chǎn)品規(guī)格特性，最終以模板映射到圖上三元組關(guān)系。
? ? ? ?對于當(dāng)前的5G業(yè)務(wù)和未來的6G業(yè)務(wù)，根據(jù)業(yè)務(wù)的服務(wù)等級（SLA），其主要性能包括數(shù)據(jù)速率，時延，可靠性，抖動，定位精度等方面。5G/6G業(yè)務(wù)類型涉及多個行業(yè)，如娛樂、教育、工業(yè)生產(chǎn)、交通、農(nóng)業(yè)等，每種行業(yè)的業(yè)務(wù)的性能各不相同。當(dāng)前海量文獻(xiàn)，如行業(yè)標(biāo)準(zhǔn)、論文、白皮書等，對各個行業(yè)的業(yè)務(wù)性能定義的數(shù)據(jù)格式不同，并且相同行業(yè)的業(yè)務(wù)性能定義也有差異。表 1和表 2分別給出了3GPP標(biāo)準(zhǔn)中定義的工廠自動化的業(yè)務(wù)性能指標(biāo)和中國通信行業(yè)標(biāo)準(zhǔn)中定義的全連接工廠的業(yè)務(wù)性能指標(biāo)。從中可以看出，不同資料中定義的這些業(yè)務(wù)知識均不具備結(jié)構(gòu)化的性質(zhì)，絕大部分都是非結(jié)構(gòu)化數(shù)據(jù)。所以從海量文獻(xiàn)中提取6G網(wǎng)絡(luò)數(shù)據(jù)并組成網(wǎng)絡(luò)知識三元組面臨巨大的挑戰(zhàn)。
? ? ? ?為了解決以上存在的5G/6G業(yè)務(wù)知識庫中無結(jié)構(gòu)化數(shù)據(jù)的問題，我們采用如下步驟并構(gòu)建知識庫：
? ? ? ?首先，利用爬蟲工具和關(guān)鍵字檢索搜集互聯(lián)網(wǎng)中各種5G/6G相關(guān)資料，如白皮書、峰會會議資料、標(biāo)準(zhǔn)文檔、應(yīng)用場景分析等，將其存放在候選資料庫中，如圖 1所示。注意：未來的候選資料庫會隨時進(jìn)行更新。
? ? ? ? 其次，利用標(biāo)記的關(guān)鍵字和數(shù)據(jù)解析器去解析候選資料庫中的文本和表格信息，并將于關(guān)鍵字匹配的相關(guān)信息提出來并保存，保存的信息類型是原始的文本和表格。提取的主要數(shù)據(jù)包括典型應(yīng)用場景、應(yīng)用場景的子場景、子場景中的典型業(yè)務(wù)、典型業(yè)務(wù)的一些網(wǎng)絡(luò)需求和性能指標(biāo)等等。如表 1和表 2中所示。
? ? ? ?然后，由于檢索解析到的表格形式和數(shù)據(jù)類型不統(tǒng)一，均屬于非結(jié)構(gòu)化數(shù)據(jù)，并不能直接用于構(gòu)建業(yè)務(wù)知識庫。所以需要人工進(jìn)行檢查、修改、整理，使形式各樣的數(shù)據(jù)規(guī)范化，形成最終的結(jié)構(gòu)化數(shù)據(jù)，并將上述所有數(shù)據(jù)均保存到csv文件當(dāng)中。部分典型的業(yè)務(wù)子場景如圖 2所示，智能電網(wǎng)中場景-子場景-典型業(yè)務(wù)-性能指標(biāo)的結(jié)構(gòu)化數(shù)據(jù)如圖 3所示。
? ? ? ?最后，在業(yè)務(wù)模型和數(shù)據(jù)準(zhǔn)備完畢之后，利用一個數(shù)據(jù)映射的文件將模型中的頂點標(biāo)簽，邊標(biāo)簽與csv數(shù)據(jù)對應(yīng)起來，針對具體業(yè)務(wù)，解析業(yè)務(wù)和其具體性能指標(biāo)，然后將其映射成三元組關(guān)系。不同三元組根據(jù)實體與實體之間關(guān)系，共同形成的知識圖譜，最后構(gòu)成完整的知識圖譜。
? ? ? ?知識圖譜構(gòu)建示例：知識圖譜平臺使用的是H3C的圖引擎系統(tǒng)。根據(jù)上文中介紹的業(yè)務(wù)場景模型，設(shè)計出知識圖譜的模型結(jié)構(gòu)如圖 4所示。圖中模型的圓代表頂點標(biāo)簽，而有向箭頭代表邊標(biāo)簽，邊標(biāo)簽和頂點標(biāo)簽都有其對應(yīng)的名稱。頂點標(biāo)簽共有5個，分別代表基站，網(wǎng)絡(luò)切片，業(yè)務(wù)場景，子場景和具體業(yè)務(wù)。邊標(biāo)簽為了便于檢索，設(shè)定為一個，表示位于邊標(biāo)簽的起點的頂點標(biāo)簽與末端的頂點標(biāo)簽是從屬的關(guān)系。
? ? ? ?最終完成的知識圖譜的部分可視化圖像如圖 5所示：
? ? ? ?圖中紅色的圓圈對應(yīng)上述模型中base_stations頂點標(biāo)簽，綠色、藍(lán)色、黃色和紫色分別對應(yīng)slices頂點標(biāo)簽、scenario頂點標(biāo)簽、sub_scenario頂點標(biāo)簽和service頂點標(biāo)簽，邊標(biāo)簽與模型中類似。如此，一個基礎(chǔ)的6G業(yè)務(wù)知識圖譜構(gòu)建完成。
b、網(wǎng)絡(luò)知識庫構(gòu)建
? ? ? ?根據(jù)上文所述，6G網(wǎng)絡(luò)將是一個3維的網(wǎng)絡(luò)從而實現(xiàn)全維度的網(wǎng)絡(luò)覆蓋。6G的整體網(wǎng)絡(luò)架構(gòu)還處于研究階段，業(yè)界并未一個統(tǒng)一的共識。但是基于當(dāng)前的5G網(wǎng)絡(luò)架構(gòu)推測，未來6G網(wǎng)絡(luò)也劃分成三個層面：核心網(wǎng)，承載網(wǎng)和接入網(wǎng)。核心網(wǎng)基于SDN/NFV技術(shù)通過不同的網(wǎng)元實現(xiàn)數(shù)據(jù)的核心匯聚功能，主要執(zhí)行接入管理、會話管理、數(shù)據(jù)匯聚轉(zhuǎn)發(fā)、用戶鑒權(quán)、網(wǎng)絡(luò)切片管理、策略控制等功能；承載網(wǎng)作為連接核心網(wǎng)和接入網(wǎng)的單元，是6G網(wǎng)絡(luò)中必不可少的一環(huán)，其主要網(wǎng)元包括光纖、核心路由器和交換機(jī)等網(wǎng)絡(luò)傳輸設(shè)備；6G的全維度網(wǎng)絡(luò)覆蓋主要通過接入網(wǎng)來完成，接入網(wǎng)網(wǎng)元可以在地面（地面基站）、海上（海洋基站）、空中（無人機(jī)，衛(wèi)星等）。對于不同的網(wǎng)絡(luò)實體，其基本屬性包括：資源類型、地理位置、IP地址、鄰居、接口鏈路、具備的能力、性能規(guī)格等。
? ? ? ?對于網(wǎng)絡(luò)知識庫的構(gòu)建，可以在組網(wǎng)的過程中通過人工的方式手工構(gòu)建，也可以在網(wǎng)絡(luò)建設(shè)完成并運行之后由各個網(wǎng)元設(shè)備自行上報進(jìn)行構(gòu)建。當(dāng)前，我們根據(jù)網(wǎng)絡(luò)仿真工具在網(wǎng)絡(luò)運行過程中初步構(gòu)建了接入網(wǎng)網(wǎng)絡(luò)切片的知識庫，其構(gòu)建過程如下：
? ? ? ?首先，配置網(wǎng)絡(luò)仿真文件，配置文件分為5個部分，分別為基站，切片，移動模式以及客戶端以及一些預(yù)設(shè)參數(shù)，其中基站的參數(shù)包含了基站的帶寬容量，覆蓋范圍(coverage)，以及基站的三維坐標(biāo)(x, y, z)。而切片參數(shù)包括時延容忍度、服務(wù)質(zhì)量等級、帶寬保證量、最大帶寬、客戶優(yōu)先級等參數(shù)。這些仿真輸入?yún)?shù)作為知識庫的一部分結(jié)構(gòu)化數(shù)據(jù)。基站和客戶端的位置信息如圖 12所示，其中橙色為基站，藍(lán)色為客戶端，基站包括地面站和空中站。
? ? ? ?其次，根據(jù)配置的文件執(zhí)行網(wǎng)絡(luò)切片的仿真。在仿真過程中的，實時的記錄和收集仿真的中間結(jié)果和最終的輸出結(jié)果，包括部分網(wǎng)絡(luò)性能數(shù)據(jù)，如客戶連接率、網(wǎng)絡(luò)切片帶寬使用率、客戶切換率、數(shù)據(jù)速率、時延等參數(shù)。所有的仿真結(jié)果數(shù)據(jù)均會進(jìn)行搜集，保存成結(jié)構(gòu)化的CSV文件。部分保存后的切片數(shù)據(jù)如圖 7所示。
? ? ? ?最后，根據(jù)輸入配置文件和仿真過程中搜集到的結(jié)構(gòu)化數(shù)據(jù)，同樣利用一個數(shù)據(jù)映射文件將模型中的頂點標(biāo)簽、邊標(biāo)簽與csv數(shù)據(jù)對應(yīng)起來，然后將網(wǎng)絡(luò)切片、基站、參數(shù)、性能指標(biāo)等映射成三元組關(guān)系。不同三元組根據(jù)實體與實體之間關(guān)系，共同形成的知識圖譜，最后構(gòu)成完整的網(wǎng)絡(luò)知識圖譜。其中基站和切片的三元組示意圖如圖 8所示。
? ? ? ?當(dāng)前搜集的知識圖譜數(shù)據(jù)可以為后續(xù)探討其他人工智能算法的應(yīng)用提供網(wǎng)絡(luò)數(shù)據(jù)，如結(jié)合強化學(xué)習(xí)測試動態(tài)的切片算法對網(wǎng)絡(luò)性能的影響和6G網(wǎng)絡(luò)生成等，這些目前還在研究過程中。
? ? ? ?對于核心網(wǎng)和承載網(wǎng)的網(wǎng)絡(luò)知識庫構(gòu)建，H3C還在探索階段，后續(xù)將在接入網(wǎng)知識庫的基礎(chǔ)上，構(gòu)建出其他網(wǎng)絡(luò)知識庫。
4、總結(jié)
? ? ?當(dāng)前，5G已經(jīng)逐步覆蓋到了大部分的個人業(yè)務(wù)，逐漸向垂直行業(yè)進(jìn)行擴(kuò)展。作為下一代的移動通信系統(tǒng)，6G的研究和探索才剛剛起步。6G與知識圖譜的結(jié)構(gòu)更是處于萌芽階段，新華三將持續(xù)在這個方向上進(jìn)行探索，并期待與同行的專家一起共筑6G與知識圖譜的美好未來。
參考文獻(xiàn)
[1] PENG M G, LI Y, ZHAO Z Y, et al. System architecture and key technologies for 5G heterogeneous cloud radio access networks[J]. IEEE Network, 2015, 29(2): 6-14.
[2] 3GPP TS 23.501, System Architecture for the 5G System; Stage 2, 2021.
[3] 中國移動研究院. 2030+愿景與需求報告[S]. 2019.
[4] YOU X H, WANG C X, HUANG J, et al. Towards 6G wireless communication networks: Vision, enabling technologies, and new paradigm shifts. Sci China Inf Sci, vol. 64, no. 1, Jan. 2021, doi: 10.1007/s11432-020-2955-6.
[5] SUN Y H, PENG M G, ZHOU Y C, et al. Application of machine learning in wireless networks: key techniques and open issues[J]. IEEE Communications Surveys & Tutorials, 2019, 21(4): 3072-3108.
[6] 中國電子技術(shù)標(biāo)準(zhǔn)化研究院. 知識圖譜標(biāo)準(zhǔn)化白皮書, 2019.
