基于语言理解的军用文书到标绘制的智能转换

基于语言理解的军用文书到标绘制的智能转换

目前，各国军队积极将计算机模仿技术应用于作战指挥训练。作战指挥仿真系统能为受训人员提供支持其进行指挥活动和指挥决策所需的虚拟战场环境和指挥环境。军事标图和文书处理是作战仿真系统的重要内容。结合这两种作业的军用文书文本标图具有重要的理论研究价值和广阔的应用前景。在传统的指挥作业过程中,基本上是文图分离的工作方式,即指挥官口授的同时,至少要两个不同的参谋分别进行文图的记录和标绘。然后分别下发,图文之间没有关联。在手工标绘的过程中,由于参谋人员的工作习惯和业务水平的差异,很有可能产生图文之间的语义表达偏差。利用计算机对军用文书进行信息抽取和自动标绘,将成为提高军队指挥效率的有效手段。汉语的复杂性特点,给计算机处理中文带来了很大的难度。在国内,对中文信息处理的研究主要还停留在理论的层次上,目前绝大部分系统都是基于某一专业受限制领域内。在军用文书图文转换方面,还没有成型的实用系统,现有的原型系统都是基于结构信息的文图转换,信息抽取的过程是由人工完成的。本系统的主要任务是在计算机对自然语言理解的基础上,结合军用作战文书专业领域规则,通过信息提取和军标标绘两个过程,实现由计算机对作战文书文本进行分析、理解、提取标绘信息、进行自动标图作业的功能,进一步提高指挥作业的速度和效率。1军标标录模块本系统为用户提供了一个功能强大、使用方便、快捷的智能标图工具。系统以标绘信息提取模块和军标标绘模块为核心。标绘信息提取模块负责从军用文书中提取出标绘信息;它在字典库、规则库、信息提取模型库等多种知识库支持下进行自然语言理解和标绘信息的提取,并对提取的结果用标绘信息框架进行实例化。该模块的主要功能是:把基于自然语言的串行化军用文书文本转化为结构化的标绘信息框架实例集,计算机按照这些特定的数据结构存储、检索数据,由此来实现对知识的理解。军标标绘模块负责在结构化标绘信息框架实例的基础上进行军标对象的生成,可以结合不同的军标处理模型库在相应的指挥作业开发平台上进行军标对象的自动生成和显示。同时,把这两个模块封装为Webservice,使得本系统可以对军用文书的信息提取提供基于Internet的分布式远程处理。通过调用Web服务,将文书处理过程中提取出来的军标对象信息存储为XML(extensiblemarkuplanguage)文档,军事标图作业系统获取XML文档中的军标对象信息后进行自动标图工作,最终生成了战场势态图。其系统结构,如图1所示。2主模块系统芯模块的设计2.1简化信息提取模型自然语言信息提取是一系列浅层自然语言处理技术的结合体。为了将非结构化的自然语言文本转化到结构化的信息库中,需要多种自然语言处理技术的协同工作。从某种意义上,这些处理技术将以串行的方式运行,即前一个步骤的处理输出结果将作为后一步骤的输入。这种工作方式优点是模块内部结构简单,便于分级调试。根据传统的自然语言处理技术,汉语的信息提取模块中大致应包含的处理步骤应当包括了分词处理、名称分析、语法分析、语义分析、场景匹配、一致性分析、推理判断、模板匹配填充等处理步骤。但串联方式的处理,带来的问题是,各个阶段处理的准确性高度依赖于前端输出的正确性。例如:假设信息提取全过程由n个串联子过程组成,第k个子过程的查准率(或者查全率)分别为Pk,则整个模块的查准率(或者查全率)应为P=∏k=1nPk∏k=1nΡk。因此,可以改变信息提取模型结构,根据应用领域的特殊性,简化串行结构的长度,以提高模块整体的性能。由于军用文书具有以下一些特性,所以简化信息提取模型是可能的。一方面,军用文书的主题分类比较明显。论述的主题比较固定,利于用提取模板加以描述。另一方面,各类文本的格式相对简单、固定。通常很少出现句式的变化,陈述过程中句法规则也相对简单。其次,文本标图的信息提取对象比较明确。对于军事标绘而言,主要目的是要在底图或其他载体上用特定的语意符号来标示敌我兵力部署、作战单位的战斗态势、战术动作和战场资源的配置,也就是说感兴趣的内容仅限于需要标绘的部分信息:作战资源、军事行动、时间、位置。基于以上观点,系统的信息提取属于专业受限领域范畴,目的在于获取指定的信息,分析过程通常可以是面向结果的、浅层的或部分的语言分析。在词法分析阶段,系统可以抛开传统的词性标注法而采用语义直接标注法。在句法分析阶段,也只需通过现有的知识库,找出代表指定信息的词汇、短语等块状语言结构,而不需清楚每一语句的完整句法结构树,该阶段的重点是识别与标绘信息有关的名词性短语和动词性短语。在语义分析阶段,其目的在于发现指定标绘信息所涉及的相关内容,解决句间成分传递、指代与引用情况等问题。因此,系统在这些处理过程中将相关步骤合并简化,缩短了处理过程路径的长度,避免过长的串行系统结构可能导致的低查准率和查全率。同时,合并简化处理子过程,减少了处理所需的时间,提高了处理的效率。2.2标录信息提取模块的设计理解语言的过程大体是:对较大语言单元的理解总是通过合理地组合相对较小单元来实现的。简单地说,自然语言分析的任务就是要以一种有效的方式来实现这种理解和组合的过程。对于不同的具体问题,分析的侧重点和内容都可能有所不同。从分析的内容来看,自然语言的分析可分为语法(syntax)分析,语义(semantics)分析和语用(pragmatics)分析。语法描述的是语言单元(例如句子)的构成成分(如谓语动词等)的组合规则;语义揭示的是语言的意义解释;语用学研究的是在不同的语言交际环境下如何理解和运用语言。传统的自然语言分析主要重视的是语法和语义分析。从分析单元的大小来看,自然语言的分析可分为词汇级、短语级、句子级和篇章级等层次的分析。如词汇的形态分析和语法、语义属性的选择,短语的划分及其语法语义功能的确定,句子的结构分析和意义解释,篇章的衔接与连贯等。由于汉语没有形态变化,属于意合分析型语言,因此汉语理解的一般步骤为:原文输入、句子词语切分及词语属性特征标注、语法及句法分析、语义及语用和语境分析、生成目标形式表示、句群及篇章理解等。句子分析上接篇章理解,下联词汇分析,起着承上启下的作用。在自然语言理解中,词汇分析是基础,句子分析是中心,篇章理解是最终目的。那么,一旦得到了句子成分的计算机表示,无论是应用于篇章理解还是机器翻译、人机对话或是情报检索等等方面,都有着实际意义。本文通过模拟人对自然语言的理解过程设计了标绘信息提取模块。图2是简化的标绘信息提取模块系统内部结构。该模块以标绘信息提取模型和知识数据库为基础,实现了对军用文书的分析和理解。标绘信息提取模型也是一种知识库信息,它包含了标绘信息模型表达的组成和结构,同时也确定了信息提取和标绘信息框架模板填充的方法。知识数据库是系统的大脑,它包含:分词阶段所需的专业词库、分词规则库、专业词汇语义库;语法、语义分析阶段所需的短语规则库、语义环境库;信息模型提取阶段所需的标绘信息提取模型库和标绘信息框架库等多种知识信息。同时,为了加强系统的适用性,该模块还引入自学习的概念,通过知识自学习引擎,可把人工调整的部分信息存入系统学习实例库中,及时修正标绘信息提取模型偏差。从整个文本标图系统来看,该模块的主要功能是从非结构化的军用文书电子文件中有针对性地提取感兴趣的信息,形成结构化的标绘信息框架实例,以便提供给系统的后续模块使用。由于汉语的复杂性特点,汉语自然语言理解一般是以句子作为基本处理单位。对于作战文书而言,因其具有格式严谨的风格,一个句子通常能够表达一个较为完整的军事含义,所以该过程中信息提取以句子为基本处理单位,其具体处理步骤如下:(1)文本串的预处理。结合军用文书的行文特点进行语段、语句划分、单句段落层次编号和去除无关文本(噪声)的处理,尽量将文本串转化为有完整语意的中文单句序列。(2)词法分析。对输入串所进行的词一级的处理,主要包含了分词的切分与标注。军用文书作为一种规范体式的公务文书,存在着大量的术语和惯用语。为了使系统对这些分词有准确切分的能力,必须首先构建领域相关的专业分词、语义词典。词法分析的另一个重点是提取非登录词。如:部队番号和地名、时间词、兵力词等特征词都具有很大的随意性,不可能事先被录入词典;但是,这些词都有其自身的组合规律,通过分析其组合规律,可以得到类似于数学中通项公式的表达式。因此,可以利用正则表达式进行特征词的提取。出于性能的考虑,本系统采用了最大匹配法的分词规则和语义直接标注的标注方法。经过测试,系统处理过程中的分词和标注的结果能够满足信息抽取的需求。(3)语法、语义分析。在分词语义标注的基础上,利用语义规则,进行与信息提取相关浅层次的、局部的语法分析。其具体步骤是根据现有的语义规则对分词进行递归合并。本系统采用了自底向上的分析方法,使之成为有完整意义的短语块。而这些短语块与信息提取模型中的元素是在同一层面上的。即该过程是将分词串合并、转化为与信息提取模型相匹配的短语语义串。(4)标绘信息提取模型匹配与信息提取。在语义分析的基础上建立不同的标绘信息提取模型,使系统能够识别这些模型,并能够根据模型对匹配的文本进行相应的文书信息提取和模板填充,最后得到标绘信息框架实例对象集。(5)对提取的标绘信息进行人工调整和系统知识库的自学习过程。通过上述处理步骤,系统从军用文书中提取包含标绘信息的框架实例,计算机按照这些特定的数据结构存储、检索数据,实现计算机对军用文书的理解。图3直观地显示了整个标绘信息提取流程。通过这一过程,军用文书语句“机步第1旅配属步兵第4团,在1270.7水准点(66,40)、1298高地(75,52)、乌苏(63,57)地区转入防御”在词法分析阶段由文本串转化为分词串,在语法、语义分析阶段再转化为有独立语义的短语串,最后在句群环境分析和信息提取阶段得到了一个完整的标绘信息框架实例,并填充在统一的模板框架中。2.3军标信息提取在结构化标绘信息框架实例的基础上实现战场态势标绘图中军标符号的生成。其系统结构如图4所示。与标绘信息提取模型一样,引入军标信息提取模型的概念,该类模型要完成标绘信息框架实例到军标对象的转换功能,也就是说:依靠它,系统能够提取出框架实例中所包含的军标对象。系统首先在已有的、确定的军标信息提取模型匹配的基础上,借助人工干预的手段来确定从标绘信息框架实例中提取出来的军标对象的基本标绘属性值,并将其结构化存储于XML文当中;指挥作业开发平台的战术标图接口通过调用系统提供的Web服务,得到军标对象的结构和数据,然后再把这些提取的军标对象转化为平台标绘方案中的真正意义上的军标标绘对象,在平台的电子地图上标志军标符号,由此得到了反映军标文本信息的战场势态标绘图。从整个文本标图系统来看,该模块的主要功能为:在结构化标绘信息框架的基础上进行军标对象的生成,结合与标绘平台相适应的不同的指挥平台军标库,实现标绘信息框架实例到指挥作业开发平台中军标符号的转换。该过程中信息提取是以标绘信息框架实例为基本处理单位,具体处理步骤如下:(1)标绘信息框架实例经过相匹配的军标信息提取模型的处理后得到一系列的军标信息调整组,用户可以在这些军标信息调整组中进行人工干预,最后确定标绘信息框架实例中包含了哪些类军标对象,以及每一军标对象的部分显示属性。(2)结合与平台相适应的指挥作业平台军标库,根据确定的军标类型,进一步得到军标对象的所有标绘属性,使之成为完整的军标对象。这些对象反映了指挥作业开发平台上军标符号的所有基本属性,它不仅包括了符号的类型、定位点信息、颜色、线宽、方向等多种表示属性外,还包括符号注记、单位级别、部队所属等军事属性。在这里用户可以对提取的军标信息进行人工再编辑。系统的人工干预界面如图5所示。(3)指挥作业开发平台通过调用系统封装的Webservice,得到了由军用文书转化而来的军标对象集;由于军标信息提取过程是与平台相关的,即得到的军标信息与平台的数据结构是一致的,系统只要调用指挥作业开发平台