申请/专利权人：中国人民解放军国防科技大学

申请日：2022-12-27

公开（公告）日：2024-04-05

公开（公告）号：CN115860002B

主分类号：G06F40/30

分类号：G06F40/30;G06F40/295;G06F40/211;G06F16/35;G06N3/0464;G06N3/0455;G06N3/08;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.04.14#实质审查的生效;2023.03.28#公开

摘要：本发明属于作战任务信息识别技术领域，具体提供了一种基于事件抽取的作战任务生成方法及系统，其中方法包括：对原始的作战指令文本进行预处理，使用由神经网络构建的多重语义编码器，逐级学习捕获实体、句子、篇章三个层级的语义信息；建立作战任务抽取模型，并训练作战任务抽取模型参数；利用训练好的作战任务抽取模型，对待预测的作战指令文本进行作战任务信息抽取。基于事件抽取的作战任务生成方法，将作战任务视为一种战场事件，利用机器算法从文本中自动抽取作战任务，有助于建立机器对作战指令文本语义的理解，能够为作战任务关联分析、打击目标分配、兵力火力配置等后续工作的智能化实现提供重要支撑。

主权项：1.一种基于事件抽取的作战任务生成方法，其特征在于，包括以下步骤：S1，对原始的作战指令文本进行预处理，将其从非结构化文本转换为词汇矩阵；S2，构建作战指挥领域预训练语言模型，将待处理的词汇矩阵转换为词嵌入矩阵，对词嵌入矩阵中逐行进行序列标注；S3，使用由神经网络构建的多重语义编码器，逐级学习捕获实体、句子、篇章三个层级的语义信息，同时融入句子本地和文档全局的上下文来增强算法对文档中各个任务参数的辨识度；具体包括：S31，针对标注出的所有实体，在其词嵌入序列上执行最大池化运算，聚合实体所有成分词汇的词嵌入生成一个单一的实体嵌入；S32，对词嵌入矩阵的每一行执行最大池化运算，将任意句子的词嵌入序列聚合于一个具有固定维度的句子嵌入中；S33，在所有已获得的实体嵌入中添加句子的位置特征；S34，对句子的嵌入向量使用基于Transformer方法的编码器将句子外部的篇章信息编码进该句子的嵌入向量中；S35，对所有句子的嵌入向量执行最大池化运算，获得整篇文档的嵌入；S4，基于对作战指令文本的语义特征学习结果，建立作战任务抽取模型，并训练作战任务抽取模型参数；具体包括：S41，以枚举的方式对已知的作战任务类型进行预定义，对于每种预定义的作战任务类型列举出它们所包含的任务属性并指定这些属性的排布顺序，每个作战任务类型与其拥有的属性集合构成一个作战任务描述模板；S42，以作战任务描述模板为抽取框架，首先生成一个虚拟的根节点，抽取出文档中存在的作战任务指称并将其添加到根节点上，然后根据提前预定义好的作战任务描述模板，为作战任务指称节点依次添加属性节点；S43，使用基于Transformer模型的解码器通过条件概率计算依次预测出训练样本中每个实体对应的作战任务属性标签；S44，依据作战任务描述模板中作战任务属性集合的默认次序，将预测标签类型与作战任务属性类型相一致的实体逐个链接至对应的作战任务属性节点上，并利用该实体的真实标签和预测标签计算出一个交叉熵损失函数，一个作战任务描述模板中所有属性节点损失函数之和即为当前训练样本最终的损失函数；S45，根据步骤S44计算出的损失函数优化模型参数，完成当前作战任务属性的实体添加操作后，然后继续进入下一个训练样本的处理进程，重复上述操作直至损失函数小于预定的阈值或者模型迭代次数达到预设的次数；S5，利用训练好的作战任务抽取模型，对待预测的作战指令文本进行作战任务信息抽取。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种基于事件抽取的作战任务生成方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD