航空領域術語定義抽取關鍵技術及其應用研究.pdf

1、CBT(Computer Based Training)系統(tǒng)作為先進培訓技術的重要組成部分，在民航業(yè)的飛行員培訓和機務培訓中具有重要作用。飛行CBT在國內外航空公司已有大量的應用，而部署機務CBT系統(tǒng)也是是國內二級維修單位的必備條件。 本文的工作圍繞CBT系統(tǒng)開發(fā)過程中，利用術語定義抽取技術從專業(yè)文獻中獲取專業(yè)相關知識所需的關鍵技術展開，并探索了將定義知識應用于智能CBT系統(tǒng)中的方法。本文的主要研究內容如下:
　　(1)建設

2、術語定義抽取實驗用語料庫。語料庫是所有自然語言處理研究必須要解決的問題，但是目前國內外并沒有現(xiàn)成的專供航空領域中文術語定義抽取研究的語料庫，所以本文的第一項工作就是建設一個實驗用語料庫。根據(jù)實驗要求，確立了第一階段語料庫的建設規(guī)模，并建立了本文語料庫的開發(fā)規(guī)范并開發(fā)了相應的配套軟件;還對語料庫的各種信息進行了詳細統(tǒng)計，以此作為本文后續(xù)研究的基礎。
　　(2)確定進行術語定義抽取的基本方法。由于研究目的不同，以往用于解決自動問答和搜

3、索引擎排序問題的方法在本文中并不適用。針對術語定義在語料中分布極不平衡的情況，提出以平衡隨機森林方法來解決術定義抽取問題;針對構建平衡訓練集時隨機產(chǎn)生合成樣本的方法無法有效鞏固是少數(shù)類密集分布區(qū)域邊界的問題，提出了采用基于實例距離分布信息定義的重采樣策略，相比隨機重采樣方法，提高了定義抽取的F1-measure和F2-measure。
　　(3)改進術語定義抽取的特征選擇方法。針對術語定義抽取語料中，數(shù)據(jù)分布不平衡以及定義句內部存

4、在小析取項這兩個問題，從特征選擇角度提出基于類間分布差異和類內分布差異的特征選擇方法。該方法改進了傳統(tǒng)特征選擇函數(shù)依賴詞頻統(tǒng)計結果主要衡量特征的類間分布差異的缺點。實驗證明在應用于平衡隨機森林方法時可以以更少的特征達到與傳統(tǒng)filter方法同樣的F1-measure和F2-measure。
　　(4)利用多層次語言學特征進行定義抽取。本文對在信息抽取不同子課題中使用多層次語言學特征的情況進行了總結，針對定義抽取領域中由于缺乏可定量

5、計算的方法，導致無法在進行定義抽取時充分利用語言學特征的問題，以信息熵為基礎提出使用不同層次間的特征組合的組合熵來計算不同層次的特征組合對定義抽取的影響，并結合前文的特征選擇框架用于多層次特征的篩選。該方法為研究不同層次的語言學特征在定義抽取中的作用和利用這些特征進行定義抽取提供了一種可計算的方法。實驗證明了該方法的正確性和有效性。
　　(5)設計并實現(xiàn)了CBT智能考核系統(tǒng)。針對現(xiàn)有AIG(Automatic Item Gener