基于多层裁决规则网络的联合训练快速裁决方法及装置

本发明涉及指挥信息系统模拟训练领域，尤其涉及一种基于多层裁决规则网络的联合训练快速裁决方法、装置、电子设备及计算机可读存储介质。

背景技术：

1、裁决是联合训练过程中的关键环节，是及时发现训练过程偏离训练计划或目标的情况，有效监测这种偏离并定量分析偏移的程度重要手段。目前裁决主要从战略级和战术级两方面进行，战略级通过专家经验打分获得最终的裁决结果，战术级通过裁决规则获得最终的裁决结果。

2、目前演习训练裁决处理大部分采用定性的方式进行裁决：

3、1)、配备经验丰富的专职观察控制员，通过人工现场观察来裁决联合训练结果；

4、2)、建设完备的场地监控支援系统，包括信息搜集系统、演习跟踪监视系统等，通过监视信息判断裁决结果；

5、3)、通过卫星拍摄现场照片，事后进行裁决结果判断。

6、定性的方式进行裁决依赖于人工，降低了联合训练裁决输出的效率和准确性。

技术实现思路

1、本发明提供一种基于多层裁决规则网络的联合训练快速裁决方法、装置、电子设备及计算机可读存储介质，其主要目的在于联合训练裁决输出的效率和准确性。

2、为实现上述目的，本发明提供的一种基于多层裁决规则网络的联合训练快速裁决方法，包括：

3、利用预设的裁决规则模板，从指定的演训数据库中提取裁决规则组成裁决规则体系；

4、获取待裁决联合训练的演训设计数据，从所述裁决规则体系中，筛选与所述演训设计数据的相关度满足预设相关性条件的规则组成关键规则集；

5、根据所述关键规则集构建所述待裁决联合训练的多层裁决规则网络；

6、获取预先构建的演训知识图谱，利用所述演训知识图谱及所述多层裁决规则网络，构建近似推理图神经网络；

7、对所述近似推理图神经网络进行训练，得到训练后的近似推理图神经网络；

8、获取所述待裁决联合训练的演训实施数据，利用训练后的近似推理图神经网络，根据所述演训实施数据生成所述待裁决联合训练的裁决结果。

9、可选地，所述利用预设的裁决规则模板，从指定的演训数据库中提取裁决规则组成裁决规则体系，包括：

10、对所述预设的裁决规则模板进行语法解析，得到裁决关键词及裁决条件字段；

11、根据所述裁决关键词及裁决条件字段组装数据库查询语句；

12、利用所述数据库查询语句从所述指定的演训数据库中抓取数据；

13、对抓取到的数据执行语义划分，得到语义单元；

14、将每个所述语义单元填充到所述裁决规则模板中，得到裁决规则；

15、汇集所有裁决规则，得到所述裁决规则体系。

16、可选地，所述从所述裁决规则体系中，筛选与所述演训设计数据的相关度满足预设相关性条件的规则组成关键规则集，包括：

17、对所述裁决规则体系中的每条裁决规则进行向量转换，得到裁决规则向量集；

18、将所述演训设计数据划分为预设数量的演训单元，并对每个所述演训单元进行文本向量转换，得到演训向量集；

19、从所述演训向量集中，依次提取相邻的两个演训向量作为当前演训向量及下一演训向量；

20、计算所述当前演训向量与所述裁决规则向量集中每个裁决规则向量之间的相关度，选取满足所述预设相关性条件的裁决规则组成当前临时中心规则集；

21、计算所述下一演训向量与所述裁决规则向量集中每个裁决规则向量之间的相关度，选取满足所述预设相关性条件的裁决规则组成下一演训临时中心规则集；

22、将所述当前临时中心规则与所述下一演训临时中心规则的交集作为当前演训向量的中心规则集；

23、将所述下一演训向量作为所述当前演训向量，返回上述的计算所述当前演训向量与所述裁决规则向量集中每个裁决规则向量之间的相关度，选取满足所述预设相关性条件的裁决规则组成当前临时中心规则集的步骤，直到所述演训向量集为空，汇集所有中心规则集，得到所述关键规则集。

24、可选地，所述计算所述当前演训向量与所述裁决规则向量集中每个裁决规则向量之间的相关度，包括：

25、通过下述算法计算所述相关度：

26、

27、

28、其中，y表示裁决规则向量集，y＝[y1,y2,……yn]，yn表示第n条裁决规则对应的裁决规则向量，n为所述裁决规则体系中的裁决规则的数量，yi表示第i条裁决规则对应的裁决规则向量，表示所述裁决规则向量集中所有裁决规则向量的均值，x表示所述演训向量集，x＝[x1,x2,……xn]，xn表示第n条演训单元对应的演训向量，xi表示第i条演训单元对应的演训向量，表示所述演训向量集中所有演训向量的均值。

29、可选地，所述根据所述关键规则集构建所述待裁决联合训练的多层裁决规则网络，包括：

30、对所述关键规则集中的每条关键裁决规则进行文本分析；

31、根据文本分析结果，识别所述关键规则集中任意两条关键裁决规则之间的语义关系；

32、利用预设的网络传播算法，将每条关键裁决规则作为节点，根据所述语义关系将相应的关键裁决规则对应的节点进行连接，得到所述多层裁决规则网络。

33、可选地，所述的基于多层裁决规则网络的联合训练快速裁决方法还包括：

34、利用下述方法构建所述演训知识图谱：

35、从指定的演训知识库中获取演训信息；

36、从所述演训信息中，抽取实体及实体关系；

37、利用预设的图数据库，根据所述实体关系创建所述实体之间的连接，得到所述演训知识图谱。

38、可选地，所述利用所述演训知识图谱及所述多层裁决规则网络，构建近似推理图神经网络，包括：

39、抽取所述预先构建的演训知识图谱中的实体和关系；

40、利用预设的图嵌入方法，将所述实体和关系转换为知识向量并嵌入到所述多层裁决规则网络中，得到所述近似推理图神经网络。

41、为了解决上述问题，本发明还提供一种基于多层裁决规则网络的联合训练快速裁决装置，所述装置包括：

42、规则体系建立模块，用于利用预设的裁决规则模板，从指定的演训数据库中提取裁决规则组成裁决规则体系；

43、规则网络建立模块，用于获取待裁决联合训练的演训设计数据，从所述裁决规则体系中，筛选与所述演训设计数据的相关度满足预设相关性条件的规则组成关键规则集；

44、推理网络构建模块，用于根据所述关键规则集构建所述待裁决联合训练的多层裁决规则网络，获取预先构建的演训知识图谱，利用所述演训知识图谱及所述多层裁决规则网络，构建近似推理图神经网络；

45、快速裁决计算模块，用于对所述近似推理图神经网络进行训练，得到训练后的近似推理图神经网络，获取所述待裁决联合训练的演训实施数据，利用训练后的近似推理图神经网络，根据所述演训实施数据生成所述待裁决联合训练的裁决结果。

46、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

47、存储器，存储至少一个计算机程序；及

48、处理器，执行所述存储器中存储的程序以实现上述所述的基于多层裁决规则网络的联合训练快速裁决决方法。

49、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于多层裁决规则网络的联合训练快速裁决方法。

50、本发明实施例利用裁决规则体系中的关键规则构建待裁决联合训练的多层裁决规则网络，减少了所述多层裁决规则网络的体量，有利于提升裁决效率，进一步地，根据演训知识图谱及所述多层裁决规则网络构建近似推理图神经网络，所述近似推理图神经网络融合了演训知识图谱的实体关系表达及多层裁决规则网络的裁决规则表达，丰富了所述近似推理图神经网络的表达能力，进而有助于提升所述近似推理图神经网络的推理能力，因此，本发明申请提供的基于多层裁决规则网络的联合训练快速裁决方法，可以提升联合训练裁决的效率和准确性。