张兴明

（四川大学视觉合成图形图像技术国防重点学科实验室，成都610065）

根据实际的空中交通管制指令解析任务需求，进行地空通信文本命名实体识别研究，用以辅助指令解析任务。该模型构建方法采用双向的长短时记忆网络结合注意力机制与条件随机场模型。双向长短时记忆网络进行文本的上下文特征信息提取；注意力机制能够更多地关注到与当前输出有关的信息；条件随机场模型能够学习标签之间的约束关系。在少量的地空通信文本标注数据上进行多组对比试验，实验结果证明该方法的有效性，取得较好的识别结果，F1值达到96.61%，可以为指令解析任务提供辅助信息。

命名实体识别；地空通信；深度学习；注意力机制

0 引言

在空中交通管制（Air Traffic Control，ATC）中，地空通信（Air-Ground Communication）是管制员对飞行器进行指挥与调度的唯一途径，其重要程度不言而喻。对通信内容进行实时监控，及时发现错误指令，能够有效避免险情事故发生。近年来，随着深度学习技术不断发展，国内外都已经有研究机构将语音识别技术应用于空中交通管制语音识别中[1]。在空中交通管制语音识别文本基础上做进一步的语义分析与指令提取，可为空中交通管制提供预警信息，如指令复诵一致性检查、相似航班号检测、跑道入侵检测等。

命名实体识别（Named Entity Recognition，NER）[2]是自然语言处理中一项基础性关键任务，可为后续的关系抽取、事件抽取，语义解析提供关键信息。命名实体一般指的是文本中具有特定意义或者指代性强的实体，在地空通信文本中可以将命名实体类型分为三大类，分别是实体类、数字类、指令类。……