航空領(lǐng)域知識(shí)自動(dòng)提取技術(shù)初步研究.pdf

1、目前CBT開(kāi)發(fā)水平日益提高，技術(shù)趨向成熟。在開(kāi)發(fā)過(guò)程中，CBT系統(tǒng)需要大量的后臺(tái)知識(shí)庫(kù)做支撐。文本知識(shí)的自動(dòng)提取成為CBT技術(shù)開(kāi)發(fā)的關(guān)鍵技術(shù)之一。 本文以實(shí)現(xiàn)CBT開(kāi)發(fā)中知識(shí)獲取的自動(dòng)化為目的，研究和實(shí)現(xiàn)了采用信息提取技術(shù)和自然語(yǔ)言處理技術(shù)來(lái)處理航空領(lǐng)域培訓(xùn)材料知識(shí)的自動(dòng)識(shí)別和提取。本文限定文本為航空領(lǐng)域教材，知識(shí)形式采用電子文本語(yǔ)言。人工總結(jié)出知識(shí)的典型句式，歸納出模式。并且利用正則表達(dá)式表達(dá)模式，對(duì)文本進(jìn)行粗匹配。

2、在粗匹配的基礎(chǔ)上，采用知識(shí)的詞語(yǔ)隸屬度和句子隸屬度對(duì)粗匹配得到的句子進(jìn)行篩選。詞語(yǔ)隸屬度的計(jì)算使用專(zhuān)業(yè)語(yǔ)料庫(kù)和普通語(yǔ)料庫(kù)，先對(duì)這兩個(gè)語(yǔ)料庫(kù)進(jìn)行分詞，然后分別統(tǒng)計(jì)詞頻，通過(guò)得到的詞頻信息計(jì)算詞語(yǔ)隸屬度。句子隸屬度的計(jì)算基于詞語(yǔ)隸屬度。對(duì)于同一知識(shí)重復(fù)出現(xiàn)的情況，本文目前采取了簡(jiǎn)單處理，使用文本分類(lèi)方法VSM從中計(jì)算相似度，并從中選取值最大的，存入知識(shí)庫(kù)。 實(shí)驗(yàn)結(jié)果表明，開(kāi)放測(cè)試時(shí)知識(shí)提取系統(tǒng)的平均召回率可達(dá)83.78％，正確率可達(dá)