基于Neo4j的实景三维成果质检知识图谱构建

胡兵 刘璇 付宁波 任苗

（江西省自然资源测绘与监测院，江西 南昌 330002）

［摘 要］实景三维成果类型新颖、多样，对此类成果进行检查时，存在检查内容和评价指标不统一、检查不全面等问题。为确保实景三维成果质量，提高成果质检效率，针对实景三维成果检验智能化程度低、质检知识缺乏等问题，本文依据实景三维成果产品知识、检验知识、评价知识、支撑知识等不同分类规则，建立实景三维成果质检本体模型及其语义关系，最后基于Neo4j图数据库软件构建实景三维成果智能化检验知识图谱，并应用于实景三维成果检验实践中，有效提高检验工作效率，推动实景三维成果智能化质量检验。

［关键词］实景三维；知识图谱；质量检验；本体模型；Neo4j图数据库

0 引言

2024年8月，中共中央、国务院印发的《关于加快经济社会发展全面绿色转型的意见》中特别强调推进实景三维中国建设与时空信息赋能应用的重要性［1］。因此，需要加快关键技术研发，助力实景三维建设高质量发展。近年来，实景三维中国建设在标准制定、关键技术、软件开发、质量控制等方面做了大量研究，并取得丰富成果［2］。其中，实景三维成果质量控制是保障实景三维建设高质量发展的重要环节。成果质量检验工作覆盖实景三维生产及质量管理的整个过程，质检工作的效率和准确度是保障实景三维成果质量的重要部分。目前，实景三维成果智能化检验程度较低、效率不高，限制了质检的发展及结果的可信度。因此，提高实景三维成果智能化检验程度，统一质检标准，是实景三维成果质量管理亟须解决的一个重要问题。

知识图谱的概念最早由谷歌在2012年提出，它是以图的方式揭示事物相互之间的关系，并进行形式化的描述，形成可以被机器理解的大规模知识库［3］，文献［4-5］提出智能化测绘相关概念，并围绕智能化测绘的关键技术环节，提出构建时空场景知识图谱。文献［6-10］对遥感与地理知识图谱进行了相关研究，推动了测绘地理信息智能化发展。但是在测绘成果质检领域对知识图谱等开展的应用研究不多。文献［11］指出需要构建实景三维中国建设质检技术框架，构建时空语义模型，推动知识图谱等技术在质检中的应用。文献［12］针对新型基础测绘质检技术进行了探讨，提出了现代化质检研究内容与方向。文献［13-14］针对现有测绘成果如何进行质检智能化检验进行了探讨。

针对实景三维成果智能化质检的研究较少，为提高实景三维成果质检智能化程度，统一质检标准和评价指标，优化质检程序及工作效率，本文将引入知识图谱相关理论，探讨实景三维成果质量检验本体概念体系与本体语义关系，建立实景三维成果质量检验知识图谱，推动实景三维成果质量服务范式的变革。

1 质量检验本体概念体系

在知识图谱的构建过程中，本体概念体系起着至关重要的作用，它为知识的抽取和融合提供了规范和标准。本体概念体系需要考虑实体的属性、关系以及其所属的概念，通过对实体进行分类和定义，建立起一套严谨的概念体系［15］。知识图谱的构建是一个复杂而系统的过程，其中概念体系设计是重要的一环。通过本体概念体系，可以有效地搭建起一个完整、准确的知识图谱，清晰地呈现实景三维成果质量检验知识的结构和内在逻辑，为实景三维成果质量检验领域的研究和实践提供有力支持。

构建实景三维成果质量检验本体概念体系，需要充分考虑不同分类规则下的知识组织，确保各类成果的质检内容和评价指标能够得到统一的认识和理解。实景三维成果质量检验知识可以分为四个主要领域：产品知识、检验知识、评价知识和支撑知识，如图1所示。

图1 实景三维成果质量检验本体概念体系

1）产品知识涉及实景三维成果所有质检工作对象，包括各种成果类型和成果表达方式。其中，成果类型包括地理场景数据成果、基础地理实体数据成果以及数据库成果等。在成果表达方面，可以采用二维成果、三维成果、文本等方式呈现。

2）检验知识是指对实景三维成果质量检验方法和标准的掌握，主要涉及产品实施检验过程中所需的各项知识。实景三维成果的检验工作包括成果抽样、检查和验收等环节。在抽样知识和检查知识方面，涵盖了抽样方法、抽样数量、检查内容、检查结果和检查结果描述等方面的知识内容。

3）评价知识是指对实景三维成果质量评价的理论和方法的熟悉程度，包括如何根据实景三维成果的特点和质量指标进行客观的评价。评价过程涵盖了错漏计分和成果评价等多个方面。为了对检查结果进行准确评定，需要掌握关于错漏计分和成果评价的相关知识。

4）支撑知识是指对实景三维成果质量检验和评价过程中所需的数据支撑知识和资料支撑知识。数据支撑知识包括往年采集的检查点数据，权威部门获取的参考数据等。资料支撑知识包括实景三维各种技术文件、各类成果检验技术规定、参考资料等。

2 质量检验知识图谱结构设计

根据实景三维成果质量检验本体概念体系，对知识图谱进行结构设计，充分考虑实景三维成果的特点和质量检验的需求，设计合理的图谱结构，全面表示实体及其间关系。知识图谱结构设计包括本体模型设计和关系设计，本体模型是定义知识图谱中各类实体类型以及实体的属性，如实景三维成果、质量检验项、检验标准、问题类型等。关系设计是指定义实体间的关系类型，如实景三维成果和质量检验项之间的关联关系、检验结果与评价方式之间的映射关系等。通过定义这些实体及其间关系，形成一个完整的知识图谱结构框架。

2.1 本体模型构建

基于实景三维成果质量检验本体概念体系，将实景三维成果质检知识图谱本体模型分为：产品本体模型、检验本体模型和评价本体模型，分别如图2至图4所示。图2中：Mesh为连续三角面片；LOD（level of detail）为细节层次。

图2 实景三维成果质检产品本体模型（部分）

图3 实景三维成果质检检验本体模型（部分）

图4 实景三维成果质检评价本体模型（部分）

2.2 语义关系设计

知识图谱构建过程中，语义关系设计是其另一项重要任务。设计实景三维成果质量检验知识之间的主要语义关系时，可以参考文献［16］提出的概念间关系：上下位关系、等同关系、与关系、或关系、非关系、矛盾关系、因果关系、时间关系、空间关系等。本文根据实景三维成果检验模型，设计用于描述实景三维成果质量检验知识之间的联系，如表1所示。

表1 实景三维成果质检知识语义关系

表1 （续）

3 基于Neo4j图数据库构建质检知识图谱

Neo4j是一个高性能的原生图数据库，专门用于管理、存储和处理复杂数据关系。与传统关系型数据库不同的是，Neo4j以图的形式来组织数据，顶点和边分别代表数据实体和关系，从而使得数据的存储与查询操作更加直观和高效［17-19］。与传统的关系型数据库相比，Neo4j的数据模型更加贴近现实世界的复杂关系。数据结构不再使用表、行和列来进行组织，而是采用图模型中的节点、关系和属性。每个节点代表一个实体对象，节点之间的关系代表这些实体之间的某种关联，每个节点和关系还可以设置多个属性。通过这种方式，Neo4j能够高效处理复杂关联关系的数据查询，并且在关系变更时不需要大规模的表结构调整，具备更高的灵活性和适应性［20］。Neo4j数据库的引入，大幅提高了对复杂数据关系的处理性能，是构建实景三维成果质量检验知识图谱的理想技术平台。

3.1 定义实体对象，导入Neo4j图数据库

根据实景三维成果质检本体模型，定义质检知识标签及对应的实体对象，如表2所示。表2中：DEM（digital elevation model）为数字高程模型；DSM（digital surface model）为数字表面模型；DOM（digital orthophoto map）为数字正射影像。图数据库可根据具体问题灵活扩充标签与实体对象。

表2 实景三维成果质检知识实体对象（部分）

在逗号分隔值（comma-separated values，csv）格式文件中建立实体对象，采用Neo4j官方图数据库语言Cypher，编写语句将csv数据加载进Neo4j图数据库。加载前，需要将csv文件数据由默认的美国国家标准学会（American National Standards Institute，ANSI）编码规则转换为通用转换格式（8-bit Unicode Transformation Format，UTF-8）编码规则的数据。数据第一行是实体对象的属性字段名，且属性字段必须包含实体对象的唯一标识码。

由于图数据库用户一般不能直接访问Neo4j本地服务器，csv数据通常作为远程数据导入。因此，可将数据发布到业务网，以数据服务的方式访问csv数据，实现将远程数据加载进Neo4j图数据库中。导入完成后，建立的各种标签及所包含的实体对象以离散点的方式存储在Neo4j图数据库中，图5所示为质检知识图谱中质量元素的实体对象节点。

图5 质量元素实体对象离散节点

3.2 确定实体关系，构建关系图谱

根据实景三维成果质检知识各对象之间的关系，建立各实体之间的关系，主要包括成果-归属-类型、批量-抽取-样本量、质量子元素-隶属-质量元素、成果-检查内容-检查项、检查结果-判定依据-合格条件等关系。关系表同样以UTF-8编码规则的csv格式存储。

通过Cypher语句，将关系表中存储的关系转换为Neo4j图数据库中的关系，结构形式为（节点1）-［关系］->（节点2），如（质量子元素）-［隶属］->（质量元素）。各实体对象节点可通过一个或多个关系相连，建立实景三维成果实体对象和关系。基于实景三维成果质检本体模型与相关关系构建的知识图谱共有462个实体对象节点和1 230个关系边，构建完成的实景三维质量检验知识图谱如图6所示。

图6 实景三维成果质量检验知识图谱

4 应用实践

本文以某地区Mesh三维模型成果质量检验工作为例，利用建立的质检知识图谱，辅助新检验人员开展质量检验工作。

1）检查准备。当检验工作安排给新检验人员后，检查人员在知识图谱中查询Mesh三维模型成果检验所需的支撑知识，包括相关技术规程、生产方式、精度指标、已有参考数据等，查询的知识图谱如图7（a）所示。

图7 Mesh模型成果质检知识图谱查询结果

2）成果抽样。通过知识图谱查询Mesh三维模型成果的成果单位、抽样方法、批次划分与抽样数量等，如图7（b）所示。依据查询到的图谱知识进行相应成果的抽样。

3）成果检查。通过知识图谱查询Mesh三维模型成果详查与概查的内容与方法，如图7（c）所示。针对查询到的检查内容，采用对应的检查方法进行成果质量检验。

4）质量评价。通过知识图谱查询Mesh三维模型错漏计分、错漏类别、质量评分方法以及成果评价等知识，如图7（d）所示。依据查询到的图谱知识对成果质量进行评价，判定成果质量是否合格。

因此，将质检知识图谱应用于成果质量检验活动中，可以有效提高基础数据及资料的使用便捷性，并且帮助质检人员统一质检规则、评价方法及错漏描述等内容，使质检工作更加智能化。

5 结束语

本文建立了基于实景三维成果产品知识、检验知识、评价知识、支撑知识等不同分类规则的概念体系，并据此设计了实景三维成果质检知识本体模型。利用Neo4j图数据库构建了实景三维成果质检知识图谱，实现了相关实体对象和关系的组织管理和查询。通过系统化整合和展示质检知识图谱，为实景三维成果的质量检验活动提供更加有效的支持和指导。将建立的知识图谱应用于实景三维成果检验实践中，大幅提高了检验工作效率，促进了质检工作的智能化和高效化。

此外，构建的质检知识图谱应根据国家或各省市发布的最新实景三维技术文件与规程规范进行实体对象的更新，以保持知识图谱的现势性。

参考文献

［1］国务院办公厅.中共中央、国务院关于加快经济社会发展全面绿色转型的意见［EB/OL］.（2024-7-31）［2024-09-30］.https：//www.gov.cn/zhengce/202408/content_6967665.html.

［2］张保钢，张褚朋，曹筱敏.我国“实景三维”工作开展情况综述［J］.北京测绘，2024，38（4）：457-468.

［3］SINGHAL A.Introducing the knowledge graph：things， not strings［EB/OL］.（2012-05-16）［2024-07-28］.https：//blog.google/products/search/introducing-knowledge-graph-things-not/.

［4］刘经南，郭文飞，郭迟，等.智能时代泛在测绘的再思考［J］.测绘学报，2020，49（4）：403-414.

［5］陈军，艾廷华，闫利，等.智能化测绘的混合计算范式与方法研究［J］.测绘学报，2024，53（6）：985-998.

［6］陆锋，余丽，仇培元.论地理知识图谱［J］.地球信息科学学报，2017，19（6）：723-734.

［7］顾海燕，李海涛，闫利，等.地理本体驱动的遥感影像面向对象分析方法［J］.武汉大学学报（信息科学版），2018，43（1）：31-36.

［8］蒋秉川，万刚，许剑，等.多源异构数据的大规模地理知识图谱构建［J］.测绘学报，2018，47（8）：1051-1061.

［9］张雪英，张春菊，吴明光，等.顾及时空特征的地理知识图谱构建方法［J］.中国科学（信息科学），2020，50（7）：1019-1032.

［10］张永军，王飞，李彦胜，等.遥感知识图谱创建及其典型场景应用技术［J］.遥感学报，2023，27（2）：249-266.

［11］燕琴，翟亮，刘坡.实景三维中国建设关键技术研究综述［J］.测绘科学，2023，48（7）：1-9.

［12］韩文立，张继贤，陈海鹏，等.新型基础测绘质检技术探讨［J］.测绘通报，2022（7）：148-153.

［13］章力博，张继贤，韩文立，等.“五维协同”下的测绘地理信息成果质量检查软件体系初探［J］.测绘通报，2021（2）：131-135，143.

［14］王金栋，韩文立，章立博，等.基于已有资料的自动质检技术研究与实现［J］.测绘通报，2017（2）：109-111，146.

［15］刘纪平，栗斌，石丽红，等.一种本体驱动的地理空间事件相关信息自动检索方法［J］.测绘学报，2011，40（4）：502-508.

［16］贾黎莉.Ontology构建中概念间关系的研究［D］.北京：中国农业科学院，2007.

［17］程耀东，赵建昌，徐军.图形数据库应用技术研究［J］.工程图学学报，2006（1）：143-148.

［18］肖庆都，屈亮亮，侯霞.基于Neo4j图数据库的课程体系知识图谱系统设计与实现［J］.电脑知识与技术，2017，13（36）：130-132.

［19］史政一，吕君可，黄弘.基于Neo4j的城市地下管道信息知识图谱构建研究［J］.中国安全生产科学技术，2024，20（6）：5-10.

［20］张永军，程鑫，李彦胜，等.利用知识图谱的国土资源数据管理与检索研究［J］.武汉大学学报（信息科学版），2022，47（8）：1165-1175.

［中图分类号］P208

［文献标识码］A

［文章编号］1007-3000（2025）08-1153-06

引文格式：胡兵，刘璇，付宁波，等.基于Neo4j的实景三维成果质检知识图谱构建［J］.北京测绘，2025，39（8）：1153-1158.

［收稿日期］2024-09-30

［基金项目］江西省自然资源科技创新项目（ZRKJ20242414）

［作者简介］

胡兵（1987—），男，江西南昌人，硕士，高级工程师，注册测绘师，研究方向为测绘成果质量检验。

E-mail: 445886824@qq.com

［通信作者］刘璇，E-mail：475895799@qq.com