胡素峰 张绪鹏 储昭武 王会方

（1.中国特种设备检测研究院 北京 100029）

（2.北京市特种设备检测中心 北京 100029）

（3.上海市质量技术监督局信息中心 上海 200233）

（4. 南京市特种设备安全监督检验研究院 南京 210009）

特种设备是指涉及生命安全、危险性较大的锅炉、压力容器、压力管道、电梯、起重机械、游乐设施、客运索道、场（厂）内专用机动车辆等设备设施，是国民经济和人民生活的重要基础设施[1]。一旦特种设备发生事故，经济损失惨重，社会影响恶劣，多数国家为此都制定了严格的法律法规和技术标准，从设计、制造到使用、报废实施严格管理。60年来，特种设备安全监察工作通过建立和完善特种设备法规标准体系，保障了特种设备安全，有效地抑制了事故发生，法规文件体系自身也呈现出多层次的关系。特种设备法规文件体系图谱表达，就是利用图谱的形式，显示法规文件之间的包含、从属、承接等层次关系，通过法规条目的数字化处理、分析，对其碎片化、结构化、指标化，实现文字到数字化，数字化到知识化的转换。

图谱也被称为知识图谱，是显示领域知识发展进程和结构关系的图形化工作，用可视化技术描述知识及其载体，分析、构建、绘制它们之间的相互联系，通过将应用数学、图形学、信息可视化技术、信息科学等学科的等理论与方法结合，并利用图的形式，展示了领域知识的结构、发展、前沿以及整体架构，达到多学科融合目的的现代理论[2-3]。特种设备知识图谱，把复杂的特种设备法规文件知识，通过自然语言处理和可视化表达的方式显示出来，揭示了特种设备法规文件体系的发展规律和整体架构，为特种设备安全管理提供知识支撑。

特种设备法规图谱表达的意义在于管理好特种设备知识，提高特种设备知识获取和转化能力，是特种设备行业落实互联网+政务服务建设的需求[4-6]。完善特种设备法规文件体系建设，开展特种设备法规文件图谱建设，能够增强特种设备管理队伍素质，提高执业的权威性，做到有法可依，有例可循。

1 特种设备法规体系图谱表达的意义

特种设备法规体系图谱，用于表达特种设备安全监察、安全性能、安全管理、安全技术措施等工作，是实现依法行政监管的重要支撑。利用图谱的手段，使特种设备法规体系文本信息处理更为有效、快速，图谱手段传达的信息往往会高于文字的堆积描述，知识检索和信息展示理解也更便捷和准确。特种设备法规图谱表达的意义在于以下五点。

1)特种设备法规文件的体系建设需求。全国特种设备安全监察人员共计四万余人，年增加超过一万人，主要原因是市县级政府机构改革出现部门“二合一”“三合一”等情况，使得基层监察人员数量大幅增加。新增基层监察人员，对特种设备法规的学习需要时间，更需要加强特种设备法规文件的体系建设，做到使他们知晓需要掌握哪些知识，掌握到何种程度。

2)特种设备行业法制化建设需求。我国特种设备法律—行政法规—部门规章—安全技术规范—相关标准文件体系，从建立之初就在不断完善中，随着《特种设备安全法》《中华人民共和国安全生产法》《中华人民共和国节约能源法》《中华人民共和国石油天然气保护法》《中华人民共和国进出口商品检验法》等一系列法律的颁布，行业法制化建设不断完善[1]。但是，具体到一些细节，有些在上位法中不明确，或是明确了但操作性不强的，还需要查遗补缺，推动实施办法的制定。

3）特种设备法规结构化建设需求。特种设备安全法律法规是特种设备安全监管的法律依据和手段标准，而文件标准则是特种设备法律法规的技术支撑。因此，特种设备法规结构化建设需要特种设备安全法律法规和标准之间应保持高度的一致性和传承性。首先，法律法规与标准中的术语定义应完全一致，否则会导致混淆，削弱法规标准权威。其次，法律法规从大的方面提出定性要求，而标准则是从细节方面，从具体的项目内容提出定量要求，作为法律法规被认可的技术支撑，即满足文件标准要求就意味着也能满足法律法规要求。最后，在制定某项法规或标准时，要加强法规与标准的协调沟通，力争制修订或解释同步。

4）特种设备法规大数据应用需求。当前特种设备大平台数据建设，旨在既满足特种设备、附属设备及相关系统的生产使用过程的各种需求，促进产品产业化、企业现代化、城市智慧发展，又要满足特种设备法规技术标准政策的制定，以及监督检查和检验检测的需要。多方面的需求就需要特种设备法规文件大数据化。一是要采用标准架构对现有的法律法规与标准文件进行结构化处理，异构的体系需要结构化；二是对数量多，时间跨度大的现有法规进行梳理，解决因多次上位法规变动造成的冲突；三是解决大数据框架下，不可避免的数据缺陷。

5）特种设备法规溯源需求。特种设备安全法律法规文件目前仍较为分散，如游乐设施要求分散在多个总局文件中，游乐设施设计文件鉴定规则（试行）、游乐设施监督检验规程、游乐设施安全技术监察规程（试行）等。应尽快将其统一集成为一个安全技术文件体系，以正式形式发布，便于各方执行和操作。

2 特种设备法规文件图谱表达的方法

特种设备法规图谱表达，应该以特设法为纲，行政法规、部门规章和安全技术规范为框架，结合各地实践中已有案例和经验，做到统筹兼顾、条理清楚、注重实效。

2.1 特种设备法规文件图谱表达的总体结构

特种设备法规图谱表达的总体结构包括特种设备法规知识库、特种设备法规关系库、特种设备法规案例库，以及节能库及第三方接口，以图1所示。知识本体的形式化可以用三元组来表示，知识原子（词）、词的关系集合、规则与操作集。对应知识的三元结构，本体对应特种设备知识库，关系对应特种设备关系库，说明对应特种设备案例库。

图1 特种设备图谱表达的总体结构

特种设备法规知识库包括法律、法规、规章、规范、技术标准文件体系，是对上述知识的数字化、图谱化处理。特种设备法规知识库图谱化处理后能够标识出特种设备法规文件的脉络，便于知识的理解和表达。特种设备法规知识库数字化后能实现关键词、主题词、全文的查找和检索。

特种设备法规关系库。特种设备法规关系库按照相关研究成果，通过对各个法规文件的条款中包含的所有词，包括名词、动词、数量词等，在语言处理中一般把名词、动词作为一级词汇，其他词语作为二级词汇。通过碎片化处理，单个词语作为单一知识表达颗粒。重点描述数据的知识属性，包括指标性和关系性。指标性对性质和指标等进行描述——对象包括人、物、相关方（监、检、制造、使用等）；行为，包括奖励、处罚、封存、停止使用等；性质指涉及各个关键环节和方面，如制造、安装、设计、改造、维保、使用、行业管理、业主、监察、检验等；指标包括时间指标“故障、异常消除后”，数额指标“罚款500元”，事故指标“重大事故”；相关性，与其他文件的关系，包括出处、从属、溯源、继承（引申、细化）、冲突/相容等。关系库关键技术包括基于粗糙集的分词方法、知识提取规则（双向的逆向知识获取和正向创建）、标签知识表达方法、多维度属性标定。

特种设备法规案例库。包括法规案例、监察案例、检验案例、事故案例、节能管理案例、应急案例库、故障库、失效库。以检验案例为例，包括检验工作、检验机构、检验人员的相关规定。检验机构包括检验机构、无损检测、型式试验、安全阀检验、气瓶充装、两工地的管理；检验人员包括人员资格管理，取证、换证的相关规定。

2.2 特种设备法规知识表达实例

特种设备法规知识表达元数据结构见表1。

表1 特种设备法规知识表达元数据结构

以《中华人民共和国特种设备安全法》为例说明特种设备法规知识表达的方法。第四十二条“特种设备出现故障或者发生异常情况，特种设备使用单位应当对其进行全面检查，消除事故隐患，方可继续使用。”通过分词技术确定关键词包括：特种设备、故障、异常、使用单位、全面检查、消除事故隐患，继续使用、检验检测机构。以第一个关键词“特种设备”为例说明。

关键词。特种设备。该关键词的编码为：A4，42——第四节使用，第四十二条；a4，42，1——特种设备；Ma4，42，1=（对象、描述、行为、指标、相关性、备注）。

对象。涉及各个关键方面——设备（电梯、起重、锅炉等八类），本条中八大类均涉及，单位（制造、安装、设计、改造、维保、使用、行业管理、业主、监察、检验等），本条中，涉及维保、使用、行业管理、监察、检验等环节，不涉及制造等环节。

描述。本条中描述包括对象和指标。

行为。指检验机构在涉及冲突或无法可依时采用的方法，可以作为案例记录，并作为下一步的立法依据提出来。

指标。本条中有时间指标“对其进行全面检查，消除事故隐患，方可继续使用”。

相关性。包括本条中“特种设备”涉及的下位法条，也包括列出冲突条款，以后可能包括向上溯源。对于本法条，《特种设备安全监察条例》对于行业管理和监察部门的职责，在第五十一条中规定：“特种设备安全监督管理部门对有证据表明不符合安全技术规范要求的或者有其他严重事故隐患的特种设备，予以查封或者扣押。”而处罚措施在第八十三条中规定：“由特种设备安全监督管理部门责令限期改正；逾期未改正的，处2000元以上2万元以下罚款；情节严重的，责令停止使用或者停产停业整顿。”

备注。无。

3 结束语

目前特种设备法规体系图谱表达面临的困难有三点：一是结构化处理。现有的信息系统采用标准条目架构，但是像案例一般采用的非标准架构，整理查询困难。新的知识图谱系统开发，需要采用标准化架构，无先例可循，此外还有大量的异构体系需要结构化，为图谱扩大使用范围奠定基础。二是工作量大。现有法规数量多，时间跨度大；中间多次上位法规变动，冲突点多。三是没有现成的完整技术可以依托，特种设备法规知识表达，也不同于以概率算法为核心的文本知识发现。此外，大数据框架下，现有知识信息的缺陷不可避免，需要开发统一的开发规则，做好顶层设计。

[1]宋继红. 特种设备法规体系建设研究[J]. 中国特种设备安全，2016，32(04)：19-23+76.

[2]陈悦，刘则渊. 悄然兴起的科学知识图谱[J]. 科学学研究，2005(02)：149-154.

[3]秦长江，侯汉清. 知识图谱——信息管理与知识管理的新领域[J]. 大学图书馆学报，2009(01)：30-37+96.

[4]焦李成，刘芳，缑水平.智能数据挖掘与知识发现[M].西安：西安电子科技大学出版社，2006.

[5]饶克勤，王明亮. 知识管理理论、方法与实践：知识管理与卫生循证决策[M]. 北京：科学出版社，2010.

[6]张玲玲，石勇，朱正祥. 智能知识管理：基本理论及其拓展[M]. 北京：科学出版社，2015.