侯启真，袁天一，王罗平

(中国民航大学 电子信息与自动化学院，天津 300300)

0 引言

民航安全是民航业长久的主题[1]，在美国的航空安全自愿报告系统(ASRS,aviation safety reporting system)获得成功后，全世界众多国家纷纷开始建立适合自身实际的航空安全自愿报告系统，我国创建了中国民用航空安全自愿报告系统[2]。该系统所收集的报告中含有报告人所见所闻的民航安全隐患故障，需要总结归纳引发故障的原因和控制故障发生的措施来防止重大事故的发生，从而保障民航系统安全运行。随着时间积累，报告数量不断增长，每份报告的非结构文本所含要素信息得不到充分分析，传统的事件分析方法面对大量的文本很耗费人力也很依赖分析人员的专业能力。

为了充分利用这些事件报告，需要检测并提取出文本中的事件本质要素，这些要素存在于非结构化的文本中，且这些要素正是影响着民航运行安全的风险要素，主要是人、机、环境的一些状态信息。而命名实体识别正是能够做到检测和识别此类文本要素的关键技术，命名实体识别是一项序列标记任务，中文命名实体识别就是将每个文字或符号检测为其对应的实体类别。随着深度学习的兴起，循环神经网络(RNN，recurrent neural network)较适用于处理命名实体识别这样的序列标注任务[3]。但是面对长文本序列，RNN的梯度消失与梯度爆炸的缺陷严重影响其序列标注效果。长短时记忆网(LSTM，long short-term memory)是一个特殊的循环神经网络，网络利用输入门、遗忘门和输出门来管理序列化数据[4-5]，在命名实体识别任务上取得了较为优异的效果。……