13、粒度知识发现框架：火灾救援事件数据报告系统案例研究

粒度知识发现框架：火灾救援事件数据报告系统案例研究

1. 引言

国家消防救援部门通常配备事件数据报告系统（IDRS）来收集行动信息。然而，现有的 IDRS 大多仅停留在简单报告层面，缺乏对救援行动风险和物流相关领域知识的建模，也无法以有意义的方式组织和分析数据。

语义驱动的数据组织，即粒度化，对于分析既有数据支持又易于用户理解的事件至关重要。利用领域知识构建具有语义和统计意义的粒度，是创建复杂现实世界现象模型的关键，这一过程可称为粒度知识发现。

本文提出扩展波兰版 IDRS（EWID），使其能从大量半结构化运营报告中提取有用知识。领域知识在数据清洗和转换中发挥重要作用，如检测和处理异常值、定义有意义的特征等。

2. 平台设计动机

知识发现过程与 KDD 阶段（选择、预处理、转换、数据挖掘、解释/评估）一致，且在每个阶段都需与专家密切互动。

专家在解决问题时，并非简单选择重要特征，而是使用抽象数据表示。例如，专家可能会提及类似事件组、房屋密度或重型设备等数据库中不存在的属性，对于时间也会使用自己的量化方式，如“下午”或“清晨”。

因此，基于领域知识的模型需要操作抽象数据以匹配专家的表示，这促使了粒度层的创建。粒度层的抽象概念需从原始数据层推导而来，但原始数据存在质量问题，缺乏语义信息，因此引入了质量数据层。这样，平台形成了自然的多层结构，顶层为模型层。

以下是平台的分层结构：
| 层次 | 描述 |
| ---- | ---- |
| 原始数据层 | 收集来自各种来源的数据 |
| 质量数据层 | 包含高质量数据，解决原始数据的质量问题 |