单赫源,吴照林,张海粟,刘培磊

(1.国防信息学院,湖北武汉　430010;2.空军工程大学信息与导航学院,陕西西安　710077)



结合词语规则和SVM模型的军事命名实体关系抽取方法*

单赫源1,2,吴照林1,张海粟1,刘培磊1

(1.国防信息学院,湖北武汉430010;2.空军工程大学信息与导航学院,陕西西安710077)

抽取作战文书中的军事命名实体关系,是实现作战文书语义理解的一种有效方法。在分析作战文书中军事命名实体词语规则的基础上,提出了一种结合词语规则和SVM模型的军事命名实体关系抽取方法。首先,使用词语规则整合作战文书中连续出现的军事命名实体并抽取其关系,使其更加适合SVM模型。然后,使用SVM模型对传统规则模板难以使用的词窗、词性和距离等特征进行建模,抽取军事命名实体关系。实验结果表明,优先利用词语规则能充分提高SVM模型抽取军事命名实体关系的效果,与单纯使用SVM模型相比,准确率和召回率分别提高了8.73%和41.71%。

军事命名实体;SVM模型; 实体关系抽取; 词语规则

随着指挥信息系统的广泛运用,作战文书拟制、流转、阅办、管理等各个环节基本实现了电子化,极大地提高了指挥效率。但是,现有系统无法对记述式作战文书的语义进行深入解析,制约了指挥信息系统决策支持功能的发挥。识别记述式作战文书中的军事命名实体,并抽取其相互关系,是指挥信息系统自动理解作战文书语义、构建知识库并用于辅助作战指挥人员决策的有效手段。

由于作战文书行文严谨,用语二义性少,目前作战文书中的军事命名实体关系抽取主要是使用基于知识工程的方法,基于机器学习的方法鲜见于作战文书军事命名实体关系抽取领域。……