10.12407/j.issn.2097-2075.2022.01.029
基于循环神经网络的作战文书实体关系抽取
基于指挥信息系统的作战文书智能处理是未来指挥智能化的基础,采用自然语言处理的方法从非结构化作战文书中抽取出结构化的作战数据对于辅助指挥员决策有着重要意义.其中作战文书实体之间的语义关系是战场态势理解的基础,对于获取对抗双方中的作战编成、部署位置、目标状态、指挥关系具有重要价值.针对作战文书实体关系抽取中传统方法的人工构建特征不充分、军事领域中文分词不准确、输入与输出之间的相关性考虑不足等问题,本文提出了基于深度学习的关系抽取方法.结合双向长短时记忆(Bi-LSTM)神经网络对较长句子上下文的记忆能力、字向量对汉字语义的表示能力和注意力机制对输入与输出相关性的学习能力,构建了 Character+Bi-LSTM+Attention实体关系抽取模型.为验证方法的有效性,在学员训练文书语料集上进行了实验,实验结果表明,该方法抽取效果较传统方法有进一步提高.
作战文书、实体关系抽取、深度学习
1
TP391.1(计算技术、计算机技术)
2023-10-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
29-35