基于事理图谱的空中目标意图判证方法及系统

本发明属于空中目标意图判别
技术领域：
，特别涉及一种基于事理图谱的空中目标意图判证方法及系统。
背景技术：
：随着现代飞行器技术不断发展，遂行各类应用任务的类型不断增加。实际应用中，对高价值空中目标意图及时准确地判证，可以保证对应用环境态势的全面掌控，有利于对应用环境情况实时分析研判，以做出及时响应。对于应用双方而言，空中目标的意图判证是复杂的，需要耗费大量的时间和人力。面对冗杂的空中目标的飞行活动文本数据，人工判证意图存在较明显的出错率，所以亟需研究出一种能辅助人员进行判证，且具有较好效果的意图判证方法。当前关于判证空中目标意图的研究主要采用两种方法：一是多属性决策，二是基于知识推理。多属性决策可以综合处理大量信息但缺乏推理能力，基于知识推理的方法计算量过大且完备性难以保障。例如，基于深度神经网络的空中目标意图识别，是对多属性决策的改进，通过自身训练得到特征状态与意图之间的规则，用于表示两者的对应关系，提高识别意图的准确率。再如，基于直觉模糊产生式规则推理(ipr)和多属性决策的空中目标意图判证模型结合了多属性决策和知识推理两种方法的优点，提高了结果的准确率，但具体可行性还有待探究。技术实现要素：为此，本发明提供一种基于事理图谱的空中目标意图判证方法及系统，通过已有的空中目标的飞行活动文本数据，抽取其中的飞行活动事件，挖掘事件之间的演化规律和模式，构建空中目标意图事理图谱，借助构建的事理图谱进行意图判证，提升空中目标实际应用环境态势的全面掌握，有利于对空中目标进行及时管控。按照本发明所提供的设计方案，提供一种基于事理图谱的空中目标意图判证方法，包含如下内容：依据空中目标飞行活动文本数据获取其活动领域内的典型事件类型；通过设定每一类典型事件所对应的事件触发词及事件元素，并对空中目标飞行活动文本数据进行分析来进行事件抽取，获取其飞行活动中的典型事件和非典型事件；通过对所有事件标注标签属性并结合图数据库来构建空中目标飞行活动事理图谱；针对待处理的空中目标飞行活动数据，通过事件抽取并基于事理图谱来匹配事件类型，判证空中目标意图。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，针对空中目标飞行活动文本数据，首先通过正则表达式进行字符替换和数据清洗，然后依据词聚类方法获取典型事件。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，典型事件类型获取中，通过对文本数据进行分词、词性标注和语法分析，抽取主谓关系和动宾关系二元组，确定飞行活动事件候选触发词，形成候选触发词集合；通过预设过滤规则对候选触发词集合中的触发词进行过滤，并基于词语语义相似度进行词汇聚类，形成飞行活动领域典型事件类型。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，预设过滤规则包含但不限于：保留集合候选触发词中一般动词和动名词，过滤掉其他类型动词；和/或，依据集合中候选触发词与空中目标飞行活动领域相关程度，过滤掉相关程度小于设定阈值的触发词。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，获取的典型事件类型包含：起飞、伴飞、经停、抵达、普通飞行、部署、盘旋及降落。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，事件抽取中，通过分析空中目标飞行活动文本数据识别事件类型，若为典型事件类型，则通过命名实体及模式匹配来进行事件抽取；若为非典型事件类型，则通过句法成分之间关系分析获取非典型事件触发词和事件元素。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，针对非典型事件类型，依据句法成分之间关系分析结果，将核心词设置为事件触发词，并结合主语和宾语成分的定语获取事件元素。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，事理图谱构建中，对所有事件进行唯一编号，挖掘空中目标飞行活动事件之间的关系，并通过标签属性标注同一数据中的多个事件，设定标签属性相同的事件之间具有顺承关系，利用图数据库构建并存储空中目标飞行活动事理图谱。作为本发明基于事理图谱的空中目标意图判证方法，进一步地，针对待处理的空中目标飞行活动数据，首先进行事件抽取，并通过事理图谱匹配事件类型；若通过事理图谱匹配不到事件类型，则利用关键词进行模糊匹配来确定事件类型隶属关系。进一步地，本发明还提供一种基于事理图谱的空中目标意图判证系统，包含：类型获取模块、事件抽取模块、图谱构建模块和意图匹配模块，其中，类型获取模块，用于依据空中目标飞行活动文本数据获取其活动领域内的典型事件类型；事件抽取模块，用于通过设定每一类典型事件所对应的事件触发词及事件元素，并对空中目标飞行活动文本数据进行分析来进行事件抽取，获取其飞行活动中的典型事件和非典型事件；图谱构建模块，用于通过对所有事件标注标签属性并结合图数据库来构建空中目标飞行活动事理图谱；意图匹配模块，用于针对待处理的空中目标飞行活动数据，通过事件抽取并基于事理图谱来匹配事件类型，判证空中目标意图。本发明的有益效果：本发明，从空中目标飞行活动文本数据出发发现该领域的典型事件，对非结构化的文本信息进行结构化表示，并通过构建空中目标飞行活动事理图谱和空中目标意图事理图谱进行目标意图判证；采用领域事件词聚类的方法发现空中目标飞行活动领域的典型事件，使空中目标飞行活动领域事件类型和事件论元角色的定义更为明确；构建的空中目标飞行活动图谱和意图事理图谱直观清晰地展示空中目标的飞行活动变化和飞行活动与意图之间的关联关系，有利于进行空中目标的意图判证，便于对空中目标的实时监控，具有较好的应用前景。附图说明：图1为实施例中基于事理图谱的空中目标意图判证方法流程示意；图2为实施例中典型事件类型聚类流程示意；图3为实施例中事件抽取流程示意；图4为实施例中依存句法分析结构示意；图5为实施例中目标意图事理图谱示意。具体实施方式：为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。本发明实施例，提供一种基于事理图谱的空中目标意图判证方法，包含如下内容：依据空中目标飞行活动文本数据获取其活动领域内的典型事件类型；通过设定每一类典型事件所对应的事件触发词及事件元素，并对空中目标飞行活动文本数据进行分析来进行事件抽取，获取其飞行活动中的典型事件和非典型事件；通过对所有事件标注标签属性并结合图数据库来构建空中目标飞行活动事理图谱；针对待处理的空中目标飞行活动数据，通过事件抽取并基于事理图谱来匹配事件类型，判证空中目标意图。通过已有的空中目标的飞行活动文本数据，抽取其中的飞行活动事件，挖掘事件之间的演化规律和模式，构建空中目标意图事理图谱，借助构建的事理图谱进行意图判证。通过构建事理图谱来判证空中目标的意图的合理性在于：第一，空中目标的飞行活动具有一定的规律和模式，事理图谱恰好能描述空中目标的飞行活动；第二，事理图谱的边代表事件之间的关系，而顺承关系和因果关系事理图谱适用于研究飞行目标的意图判证：将飞行活动看作一系列具有顺承关系的事件，而这一系列事件又可以抽象为一个原因事件，将意图作为结果事件，两者之间的因果关系作为事理图谱中事件之间的因果关系。从应用上来说，挖掘空中目标飞行活动事件的顺承关系和空中目标飞行活动与意图的因果关系，采用事理图谱的方式将其直观展示，可应用于空中目标飞行活动和意图的因果分析，为空中目标的意图判证提供了新的分析工具和途径，为预判意图提供支持，甚至可以协助预判空中目标的飞行活动变化。使用“事理图谱”来判证空中目标的意图，从新的角度出发，利用事理图谱的优点，将空中目标的飞行活动以图谱的方式展现，辅助意图的判证，提高人员的判证准确性。针对空中目标飞行活动领域的事件类型和事件论元角色定义不明确、从公开源获取的空中目标飞行活动报文数据量少，构建的事理图谱规模较小导致目标意图判证效果不理想等情形，本案实施例中，参见图1所示，采用基于空中目标飞行活动领域事件词聚类的方式发现该领域的典型事件，并针对每种事件设计事件模板；针对构建的事理图谱规模较小的问题通过新增关键词模糊匹配方式获取目标意图。作为本发明实施例中基于事理图谱的空中目标意图判证方法，进一步地，针对空中目标飞行活动文本数据，首先通过正则表达式进行字符替换和数据清洗，然后依据词聚类方法获取典型事件。使用正则表达式进行字符替换，对空中目标飞行活动文本数据进行数据清洗，使用领域事件词聚类的方法发现空中目标飞行活动领域的典型事件，具体步骤包括分词、词性标注、依存句法分析、动词细分类、领域相关度计算、语义相似度计算等。进一步地，典型事件类型获取中，通过对文本数据进行分词、词性标注和语法分析，抽取主谓关系和动宾关系二元组，确定飞行活动事件候选触发词，形成候选触发词集合；通过预设过滤规则对候选触发词集合中的触发词进行过滤，并基于词语语义相似度进行词汇聚类，形成飞行活动领域典型事件类型。参见图2所示，对空中目标飞行活动文本进行分词、词性标注和依存句法分析，抽取出主谓sbv和动宾vob二元组，确定在句子中充当重要成分的动词“起飞”等词作为飞行活动事件候选触发词，形成候选触发词集合。针对候选触发词集合中的噪声数据使用保留候选触发词中的一般动词、动名词和领域相关度两种过滤规则进行触发词过滤。预设过滤规则可包含但不限于：保留集合候选触发词中一般动词和动名词，过滤掉其他类型动词；和/或，依据集合中候选触发词与空中目标飞行活动领域相关程度，过滤掉相关程度小于设定阈值的触发词。例如，保留候选触发词中的一般动词、动名词的过滤规则是将动词分为系动词vx、助动词vz、形式动词vf、趋向动词vq、补语动词vb、一般动词vg、名动词vn和副动词vd八大类；领域相关度过滤规则是领域相关度来体现候选触发词与空中目标飞行活动领域的相关程度，用(候选触发词在v在领域预料中出现的频率)/(该候选触发词在通用领域中出现的频率)计算。对于触发词的含义和用法之间的相似程度，采用基于《同义词词林(扩展版)》的词语语义相似度计算、基于知网hownet词语义原概念的词语语义相似度计算和基于word2vec的词语语义相似度算法可将相似度高的词汇聚类完成事件触发词聚类。经过触发词抽取、过滤和聚类后获取的典型事件类型可包含：起飞、伴飞、经停、抵达、普通飞行、部署、盘旋及降落。作为本发明实施例中基于事理图谱的空中目标意图判证方法，进一步地，事件抽取中，通过分析空中目标飞行活动文本数据识别事件类型，若为典型事件类型，则通过命名实体及模式匹配来进行事件抽取；若为非典型事件类型，则通过句法成分之间关系分析获取非典型事件触发词和事件元素。进一步地，针对非典型事件类型，依据句法成分之间关系分析结果，将核心词设置为事件触发词，并结合主语和宾语成分的定语获取事件元素。对空中目标飞行活动文本数据进行分析，识别事件类型。对于识别为典型事件的采用命名实体识别结合模式匹配的方法进行事件抽取，对于识别为非典型事件的采用基于依存句法分析的方式进行事件抽取。其中，典型事件抽取主要包括对空中目标飞行时间、地点和实体(型号、呼号、编号和数量等)的抽取。参见图3所示，对于时间、地点的识别使用命名实体识别结合模式匹配的方法，准确的命名实体识别任务可将时间识别，再结合时间表达的常用形式进行模式匹配，将识别为地点和组织机构的实体作为地点，结合设计的模式“以xx为起降地”、“在xx上空飞行”等抽取地点。对于实体的抽取，主要是型号、呼号、编号、数量等，可使用模式匹配方法，考虑各种属性的特征，抽取符合条件的字母及数字字符串，例如：编号一般为6位或7位数字、型号中间有横杠等。对于非典型事件而言，由于没有给文本中的事件设计固定的模式，不能确定该事件应该具有哪些元素，所以采用基于依存句法分析的办法，通过分析句法成分之间的关系，获取文本中描述事件的主要元素。基于依存句法分析抽取非典型事件的触发词和事件元素，先根据依存句法分析结果，将核心词设置为事件触发词，一般核心词就是句子的谓语；再抽取依存句法分析结果中的主语和宾语，结合这两个成分的定语作为事件的元素。作为本发明实施例中基于事理图谱的空中目标意图判证方法，进一步地，事理图谱构建中，对所有事件进行唯一编号，挖掘空中目标飞行活动事件之间的关系，并通过标签属性标注同一数据中的多个事件，设定标签属性相同的事件之间具有顺承关系，利用图数据库构建并存储空中目标飞行活动事理图谱。进一步地，针对待处理的空中目标飞行活动数据，首先进行事件抽取，并通过事理图谱匹配事件类型；若通过事理图谱匹配不到事件类型，则利用关键词进行模糊匹配来确定事件类型隶属关系。使用空中目标的飞行活动数据按照上述步骤进行事件抽取，抽取得到空中目标飞行活动典型事件和非典型事件。参见图5所示，对所有事件进行唯一编号id，使得每个事件可被其编号代表，设置特定属性的方式挖掘空中目标飞行活动事件之间的关系，用“标签”属性标注一条数据里的多个事件，“标签”属性相同的事件之间具有顺承关系，利用图数据库构建并存储空中目标飞行活动事理图谱。确定各类空中目标飞行活动事件的关键元素，对空中目标飞行活动事理图谱进行节点合并、意图关联和置信度赋予等操作构建空中目标意图事理图谱。并基于空中目标意图事理图谱和关键词模糊匹配方法判证空中目标意图。首先进行事件抽取，对抽取的结构化事件中的事件类型、型号、地点等要素进行匹配识别，可通过编写cypher查询语句，使用生成的cypher语句在意图事理图谱中匹配意图。当使用意图事理图谱匹配不到意图时，改用关键词模糊匹配的方式进行意图匹配，确定事件元素关键词、类型、地点与意图的隶属关系。进一步地，基于上述的方法，本发明实施例还提供一种基于事理图谱的空中目标意图判证系统，包含：类型获取模块、事件抽取模块、图谱构建模块和意图匹配模块，其中，类型获取模块，用于依据空中目标飞行活动文本数据获取其活动领域内的典型事件类型；事件抽取模块，用于通过设定每一类典型事件所对应的事件触发词及事件元素，并对空中目标飞行活动文本数据进行分析来进行事件抽取，获取其飞行活动中的典型事件和非典型事件；图谱构建模块，用于通过对所有事件标注标签属性并结合图数据库来构建空中目标飞行活动事理图谱；意图匹配模块，用于针对待处理的空中目标飞行活动数据，通过事件抽取并基于事理图谱来匹配事件类型，判证空中目标意图。为验证本案方案有效性，下面结合具体实验数据做进一步解释说明：空中目标飞行活动报文数据存储在.txt文件中，形如下文：2月29日上午某空军1架编号为83-0081的kc-10a加油机(mojo91)从a区域基地a11起飞，在b区域上空飞行。1月30日晚某空军1架编号为64-14847的rc-135u侦察机(give31)从c区域基地c11升空，在区域d上空飞行。1月27日某空军第27特种联队1架编号为08-6206的mc-130j特种飞机(rch1031)从基地e起飞，经停区域e1、e2、e3，最后降落在基地f。1月30日下午某海军1架编号为156517的ep-3e侦察机(mn806)从区域g起飞，在区域h上空飞行。1月30日上午某空军1架编号为64-14848的rc-135v侦察机(pythn54)从基地i升空，在区域h上空飞行。……第一步，使用领域事件词聚类的方法发现空中目标飞行活动领域的典型事件，以“1架b-52h轰炸机从j区域内k城市基地l起飞”为例。1a)对空中目标飞行活动文本进行分词和词性标注结果：1(m)、架(q)、b-52h(n)、轰炸机(n)、从(p)、j区域(n)、k城市(n)、基地l(n)、起飞(v)。依存句法分析结果如下：成分关系句子成分att(1，架)att(架，轰炸机)att(b-52h，轰炸机)sbv(轰炸机，起飞)adv(从，起飞)att(j区域，k城市)att(k城市，基地l)pob(基地l，从)head(起飞)从中抽取出主谓sbv和动宾vob二元组，只有(轰炸机，起飞)满足条件，最后抽取出其中词性为动词的“起飞”，作为候选触发词。使用此方法对大量文本数据进行触发词抽取，得到候选触发词集合。1b)针对候选触发词集合中的噪声数据进行过滤。过滤规则一：保留抽取的候选触发词中的一般动词和动名词，将其他类型的动词舍弃。过滤规则二：使用领域相关度来体现候选触发词与空中目标飞行活动领域的相关程度，计算公式如下所示：dr(v)＝(freq_p(v))/(freq_g(v))其中dr(v)为候选触发词v的领域相关度取值，freq_p(v)是候选触发词v在领域语料中出现的频率，freq_g(v)是该候选触发词在通用领域语料中出现的频率。经排序之后，选择靠前的词作为最终的触发词。1c)采用语义相似度进行事件触发词聚类，得出语义相似度高的词汇如“起飞”和“升空”；“经停”、“停靠”和“停”；“飞越”、“飞行”和“滑行”；“部署”、“布置”和“布防”等。第二步，设计每一类典型事件类型对应事件的触发词和事件元素，具体如下。第三步，对空中目标飞行活动文本数据进行分析，识别事件类型。3a)典型事件抽取，主要包括对空中目标飞行时间、地点和战机实体(战机型号、战机呼号、战机编号和数量)的抽取。以“2月29日上午某空军1架编号为83-0081的kc-10a加油机(mojo91)从a区域基地a11起飞，在b区域上空飞行。”为例，抽取的事件为：事件1：{'events':'起飞','trigger':'起飞','time':'2月29日上午','location':['a区域','基地a11'],'型号':['kc-10a'],'呼号':['mojo91'],'编号':['83-0081'],'数量':['1']}事件2：{'events':'普通飞行','trigger':'飞行','time':'2月29日上午','location':['b区域上空'],'型号':['kc-10a'],'呼号':['mojo91'],'编号':['83-0081'],'数量':['1']}3b)非典型事件抽取，通过分析句法成分之间的关系，获取文本中描述事件的主要元素。现有的中文文本依存句法分析共有15中标注关系，分别是主谓关系(sbv)、动宾关系(vob)、间宾关系(iob)、前置宾语(fob)、兼语(dbl)、定中关系(att)、状中结构(adv)、动补结构(cmp)、并列关系(coo)、介宾关系(pob)、左附加关系(lad)、右附加关系(rad)、独立结构(is)、标点(wp)和核心关系(hed)。例如：“1架c-17运输机已经进入区域b1领空”。依存句法分析结构如图4所示：核心词为“进入”；主语为“运输机”；谓语为“领空”；主语和谓语结合定语成分(att)得到事件元素为“1架c-17运输机”、“区域b1领空”。最终抽取的事件为{(1架c-17运输机)；(进入)；(区域b1领空)}。第四步，由于空中目标飞行活动数据的特殊性，该数据按行描述空中目标的飞行活动，通过逗号分隔一个空中目标的多个飞行活动，得到包含单个事件的字段。典型事件的数据具有14个属性，分别是：事件类型、触发词、时间、型号、呼号、编号、数量、型号2、呼号2、编号2、数量2、方向、地点和标签。其中型号2、呼号2、编号2、数量2四个属性针对“伴飞事件”中“伴飞对象”的存储，非“伴飞事件”判该属性为空，方向属性针对“普通飞行事件”中飞行方向的存储，非“普通飞行事件”判该属性为空。标签属性具有标识功能，标注空中目标一次飞行活动的多个事件，本文采用数字进行标注。非典型事件数据具有四个属性，分别是：事件类型、触发词、事件元素和标签，其中标签也用于标注同一次飞行活动的多个事件，最终抽取得到341个典型事件和21个非典型事件，包含部分异常事件。第五步，根据事件编号id、标签和关系构建空中目标飞行活动事理图谱，将“标签”属性相同的事件按照前后顺序聚合得到多个(id1，id2)二元组。第六步，对空中目标飞行活动事理图谱进行节点合并、意图关联和置信度赋予等操作构建空中目标意图事理图谱。6a)事件节点的合并，主要是针对事件次要属性的过滤。空中目标的意图一般与战机的型号、战机活动的地点相关，而时间、呼号、编号、数量等属性发挥作用不大，进行事件节点合并时，只保留事件类型、战机型号、活动地点三个重要属性。6b)意图的关联，创建意图节点，再根据已有的飞行活动事件与意图的关系数据，匹配飞行活动事件节点和意图节点，创建关系。6c)置信度的计算包括飞行活动事件节点之间的顺承关系置信度计算和飞行活动事件节点与意图之间的因果关系置信度计算。顺承关系置信度计算方法主要是采取计数的方法，根据上一小节获取的事件id关系二元组，对同一事件节点指向其他事件节点进行计数，再分别求占比获取权值，即为置信度。因果关系置信度与之类似。第七步，优先根据构建的意图事理图谱进行意图的判别，但考虑到事理图谱的规模较小，会出现匹配不到节点的情况。若无法匹配到意图节点，将使用关键词模糊匹配的方式匹配意图。7a)基于空中目标意图事理图谱进行意图判别，根据特定的正则表达式，对抽取的结构化事件中的事件类型、型号、地点等要素进行匹配识别，编写cypher查询语句，使用生成的cypher语句在意图事理图谱中匹配意图。以3a)抽取的事件要素匹配的cypher语句为：match(a:起飞{type:'kc-10a'})-[r1:顺承]->(b:普通飞行{type:'kc-10a'})-[r2:因果]->(c:意图)where(a.locationcontains'区域a,基地a11'or'区域a,基地a11'containsa.location)and(b.locationcontains'区域b上空'or'区域b上空'containsb.location)return(c.type)在空中目标意图事理图谱中匹配的结果为“加油”。7b)由于事理图谱的规模较小，存在匹配不到意图的情况。用关键词模糊匹配的方式进行意图匹配，关键词模糊匹配意图的核心在于依据经验和人的心理过程进行的模糊统计，确定某些事件元素关键词与意图的隶属关系。结合相关人员的经验和对文本数据的研究，得出如表1、表2和表3所示的事件元素关键词和意图的隶属关系：表1事件类型与意图隶属关系表事件类型关键词意图部署军事部署、军事支援盘旋侦察伴飞加油领航、加油表2实体类型与意图隶属关系表实体类型意图运输机运输人员、运输物资加油机加油、加油领航侦察机侦察训练机训练、演练战斗机威慑特殊任务飞机侦察表3地点与意图隶属关系表以“1月30日晚某空军1架编号为64-14847的rc-135u侦察机(give31)从c区域基地c11升空，在区域d上空飞行。”为例。假设其在空中目标飞行活动事理图谱上匹配不到意图，抽取其关键元素：“侦察机”、“波斯湾上空”，根据隶属关系表可以得到其意图为“侦察伊朗”。又如，通过获取无人机等空中飞行器目标活动文本数据，依据文本数据来判断其真实意图(模拟训练、表演展示或其他)等。通过采用领域事件词聚类的方法发现空中目标飞行活动领域的典型事件，使空中目标飞行活动领域事件类型和事件论元角色的定义更为明确；并利用构建的空中目标飞行活动图谱和意图事理图谱直观清晰地展示空中目标的飞行活动变化和飞行活动与意图之间的关联关系，有利于进行空中目标的意图判证，便于演练、模拟训练及虚拟现实技术在游戏中的应用，增强参与者实时交互感知效果。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。当前第1页12