基于本體的作戰(zhàn)文書分詞的關(guān)鍵技術(shù)研究.pdf

1、隨著“信息化”軍事作戰(zhàn)時(shí)代的到來,單純?nèi)斯ぬ幚砗Ａ康淖鲬?zhàn)文書已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足信息提取的快速性和正確性的要求,那么人們希望計(jì)算機(jī)能像人腦一樣具有“邏輯思維”并且“理解”作戰(zhàn)文書的內(nèi)容。眾所周知,作戰(zhàn)文書是由連續(xù)的、沒有分隔符的中文字符串組成的,而計(jì)算機(jī)理解功能的最底層處理單位是詞,因此對(duì)作戰(zhàn)文書進(jìn)行分詞是關(guān)鍵性技術(shù),這一步驟處理的正確與否直接影響對(duì)作戰(zhàn)文書的后續(xù)處理——詞性標(biāo)注、語法分析、關(guān)鍵信息提取、地圖的態(tài)勢(shì)標(biāo)注等,甚至可以決定作戰(zhàn)文

2、書理解的成敗。因此,對(duì)于作戰(zhàn)文書的分詞研究是一項(xiàng)重要的課題。本文針對(duì)作戰(zhàn)文書的記述特點(diǎn),進(jìn)行的主要研究工作和取得的成果如下:
　　(1)詳細(xì)介紹了中文分詞理論和應(yīng)用系統(tǒng)的發(fā)展歷程,并論述了進(jìn)行作戰(zhàn)文書分詞研究的重要性和必要性。
　　(2)主要從基于單字和基于詞的兩種不同類別概述了漢語分詞技術(shù)的理論研究,并且分析了應(yīng)用在常見分詞系統(tǒng)中的分詞算法,通過分析,明確了歧義問題和新詞識(shí)別是阻礙中文分詞技術(shù)發(fā)展的兩個(gè)關(guān)鍵問題。
　

3、　(3)鑒于作戰(zhàn)文書的格式及其內(nèi)容的多樣性,引入具有語義關(guān)系的本體技術(shù),利用OWL本體描述語言來描述本體,同時(shí),采用斯坦福大學(xué)開發(fā)的Protégé軟件來構(gòu)建軍事領(lǐng)域本體,用具有高度概括性和邏輯推理性的軍事領(lǐng)域本體來代替?zhèn)鹘y(tǒng)的分詞詞典,從而實(shí)現(xiàn)概念的推理和共享。
　　(4)提出了一種基于本體的正向和逆向最大匹配的作戰(zhàn)文書分詞算法。首先,針對(duì)作戰(zhàn)文書的類別及其自身特有的用詞規(guī)范,構(gòu)建了一系列的提取規(guī)則,包括日期、地名、部隊(duì)名稱和專有名

4、詞提取規(guī)則;第二,結(jié)合作戰(zhàn)文書本體、提取規(guī)則、詞典,分別利用正向和逆向最大匹配算法進(jìn)行作戰(zhàn)文書切分;第三,對(duì)切分過程中出現(xiàn)歧義的字段,利用軍用領(lǐng)域本體的語義相關(guān)性和上下文相關(guān)度處理,最終得到一種合理的分詞結(jié)果。
　　(5)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)作戰(zhàn)文書分詞軟件原型系統(tǒng)。該系統(tǒng)主要包括三個(gè)模塊:預(yù)處理模塊、分詞模塊和歧義合成模塊。基于評(píng)估分詞的指標(biāo),對(duì)比分析了本分詞系統(tǒng)與中科院的分詞系統(tǒng) ICTCLAS、哈工大的分詞系統(tǒng)的分詞結(jié)果,驗(yàn)證說