摘 要：在雷达目标识别应用领域，为提升雷达目标识别精度，我们构建了一种基于目标特性知识图谱。主要是描述面向雷达目标识别领域的行业知识图谱技术，我们抽取雷达目标识别领域所具有的特定实体与特定关系，并在此基础上完成语义网络的构建。该语义网络中包含雷达目标识别目标特性知识，对提升雷达目标识别能力提供一种解决思路。

关键词：雷达目标识别;知识图谱;知识抽取;目标特征

中图分类号：TP391.1 文献标识码：A DOI：10.3969/j.issn.1003-6970.2021.03.045

本文著录格式：王斌.面向雷达目标识别领域的知识图谱构建技术[J].软件，2021，42（03）：156-157

Knowledge Graph Construction Technology for Radar Target Recognition

WANG Bin1，2，3

（1.The 38th Research Institute of China Electronics Technology Group Corporation， Hefei  Anhui  230088;

2.Key Laboratory of Aperture Array and Space Application， Hefei  Anhui  230088;

3.Key Laboratory of Intelligent Information Processing， Hefei  Anhui  230088）

【Abstract】：In the application field of radar target recognition， in order to improve the accuracy of radar target recognition， we have constructed a knowledge map based on target characteristics. Mainly to describe the industry knowledge graph technology for the radar target recognition field. We extract specific entities and specific relationships in the radar target recognition field， and complete the construction of the semantic network on this basis. The semantic network contains knowledge of target characteristics of radar target recognition， which provides a solution for improving the ability of radar target recognition.

【Key words】：radar target recognition;knowledge graph;knowledge extraction;target feature

1知识图谱内涵

知识图谱（Knowledge Graph）主要是用来描述真实客观世界中不同实体之间的定义以及概念，同时对不同实体之间联系进行挖掘、分析和表达，并构建实体与实体之间的相互关系[1-2]。最早是2012年谷歌公司提出“知识图谱”的基本概念，用于支撑其公司搜索引擎的语义搜索建立的知识库。随着互联网科技的快速发展，新一代人工智能的广泛应用，知识图谱的内涵越来越丰富。

根据知识图谱中所涉及的知识类型不同，可以将知识图谱分为通用知识图谱（GKG，General-purpose Knowledge Graph）和垂直领域或行业领域知识图谱（DKG，Domain-specific Knowledge Graph），其中二者注意区别是其所涵盖的知识体系不同，如表1所示。

本论文主要是描述面向雷达目标识别领域的行业知识图谱技术，我们抽取雷达目标识别领域所具有的特定实体与特定关系，并在此基础上完成语义网络的构建。该语义网络中包含雷达目标识别目标特性知识，具有很强的针对性和专门性，因此对目标特性知识的准确性和精度要求相对较高。……