[发明专利]一种基于语义网的管制指令分类方法

说明书

本发明公开了一种基于语义网的管制指令分类方法，目的为：构建计算机可读的结构化管制指令，为管制指令的自动化处理提供基础；形成谓词逻辑化结构，为实现知识推理系统提供基础。通过对非结构化的管制指令进行处理，该方法可以实现以下辅助功能：提取管制指令中出现的基本管制术语携带的信息进行提取；对航空器的动作、状态等信息进行提取并模拟仿真；形成计算机可读的结构化信息为知识推理提供数据。该方法针对复杂管制指令包含多个管制意图的情况，通过深度神经网络判断管制指令中不同的论元与其不同管制意图动词间是否发生关联，并将发生关联的动词和论元词语带入语义网进行语义角色标注。

技术领域

本发明属于空中交通管制自动化系统技术领域，尤其涉及一种基于语义网的管制指令分类方法。

背景技术

随着近30年中国民航业的蓬勃发展，空中交通管理的需求不断膨胀，导致安全隐患问题日益突出。据统计资料显示，在过去发生的飞行安全事故中，人为因素占比超过75％，而其中因管制员失误而造成的事故占25％。目前解决因管制员失误而造成的冲突的主流方法是加强场面的监控设备，通过借助场面监视雷达、多点定位系统传感器等设备防止冲突发生。同时，一些基于人工智能的更先进的解决方法也被提出，如利用语音识别技术对管制语音进行识别并转换成文本格式，利用自然语言处理技术提取管制指令的关键信息。管制指令的语义分析需要设计结构化指令模板，传统的做法主要是基于陆空通话规则设计结构化模板，并通过提取关键词的方法提取指令中的基本管制术语、主语、谓语等关键词，该方法无法描述不同的成份词之间的关联，对包含多个不同管制意图动词的复杂管制指令无法更加精确地理解，因此在对实际的管制指令进行语义分析理解的过程中受到限制。

发明内容

发明目的：本发明从语言学的角度对实际管制指令的结构进行分析，并通过结合陆空通话规则和自然语言处理技术的方法对管制指令进行提取形成计算机可以理解的结构化指令，重点对多动词管制指令进行精细化语义角色标注。能解析绝大部分在实际工作环境下所产生的管制指令。

技术方案：本发明通过使用全连接神经网络对复杂管制指令中包含的多个不同管制意图和其对应的论元词语进行分类和提取，并通过语义网对其进行理解，这有助于计算机理解复杂管制指令的意图。本发明可用于针对因管制员错、忘、漏而造成的场面冲突进行辅助告警。特别是针对具有多个管制意图动词的复杂管制指令的理解，并将管制意图组合并转换成系统可以理解的逻辑表达形式三元组，例如管制指令：CES3984，下降到13000米保持。这条管制指令包含两个不同的管制意图，即下降和保持，其他词语与这两个词具有不同的关系，需要使用神经网络将管制指令中分别与不同的管制意图有关联的词进行分类。当本发明用于针对因管制员错、忘、漏而造成的场面冲突进行辅助告警的应用时，包括如下步骤：

步骤1，对管制语音进行语音识别处理，得到文本格式的管制指令；

步骤2，对文本格式的管制指令中包含的词语进行词性分析；

步骤3，基于词性分析结果提取出管制意图，同时对管制指令中的其他词语进行提取，形成候选论元集合；

步骤4，对候选论元集合进行BIO标注处理(BIO标注：将每个元素标注为“B-X”、“I-X”或者“O”。其中，“B-X”表示此元素所在的片段属于X类型并且此元素在此片段的开头，“I-X”表示此元素所在的片段属于X类型并且此元素在此片段的中间位置，“O”表示不属于任何类型)此外增加E标注表示该论元同时与句子中的多个动词有语义关系，并用标注的数据训练全连接神经网络的参数，目标为通过神经网络得到管制意图动词-论元组；

步骤5，对管制指令中的管制意图动词数量进行判断，如果数量大于1个，则进入步骤6；

步骤6，生成输入词向量；

步骤7，使用神经网络对输入的词向量进行分类，得到概率输出值z；

步骤8，判断关系：如果概率输出值z在某一个类别处出现较高的概率，则判定该论元与这个对应的管制意图存在关系，执行步骤10，否则不做处理；