[发明专利]一种构建战例本体的方法、装置及存储介质

权利要求书

1.一种构建战例本体的方法，其特征在于，包括：

步骤S1，基于预先获得的战例领域术语，使用预定的本体建模工具构建初步的战例本体；

步骤S2，使用实体抽取模型对战例文本进行抽取，获得抽取出的实体；

步骤S3，采用聚类分析算法对所述抽取出的实体进行聚类分析，得到与所述抽取出的实体相关的概念集合；

步骤S4，将所得到的概念集合融合到所述初步的战例本体中；

步骤S5，使用预先设定的推理规则对融合后获得的战例本体进行推理，获得所需的战例本体。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：

根据《中国人民解放军军语》、《国防科学技术叙词表》和/或已知的经典战例解析列举出所述战例领域术语；

以列举出的所述战例领域术语为基础，归纳出战例领域知识的顶层概念，并对所述顶层概念进行细化，实现对整个战例知识体系的框架描述；

使用protege工具将所述框架描述中的所有战例领域术语按照各自所属的类别设定，其中，所属的类别至少包括如下中的一种：本体概念、本体属性概念、本体概念和/或本体属性概念之间的关系；

基于所述设定，构建所述初步的战例本体。

3.根据权利要求1所述的方法，其特征在于，所述战例领域术语包括如下数据中的一种或多种：作战对象数据、武器装备数据、战场环境数据、战例基础数据和资料报告数据。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2中，所述实体抽取模型为经过训练的、双层多头自注意力的双向长短记忆神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述实体抽取模型包括：Embedding层、MHA-BiLSTM-MHA层以及条件随机场CRF层；其中，MHA表示多头自注意力机制；BiLSTM层用于学习句子序列的时序信息，并且对所述战例文本进行特征提取；所述实体抽取模型两次使用多头自注意力机制，其中，在所述BiLSTM层之前加入的多头自注意力机制用以区分不同输入特征在实体识别任务中的重要程度；在所述BiLSTM层进行特征抽取的过程中使用的多头自注意力机制用于提取关键字符的语义信息；所述CRF层接收所述BiLSTM层的输入，对所述输入进行处理，并输出标签序列。

6.根据权利要求1所述的方法，其特征在于，所述步骤S3包括：

针对所述抽取出的实体中、每个待分类的实体，提取其属性、标签和关系中的一种或多种后，与实体名称进行拼接，使用自然语言处理词向量技术获取拼接后的字符串中的每个字的向量表示，将所有字的向量表示的平均值作为所述待分类实体的词向量；

将所述待分类实体的词向量，输入到Kmeans模型中，使用手肘法确认聚类个数k；

将所述待分类实体的词向量表示与所述聚类个数k输入到所述Kmeans模型中，得到聚类结果,并根据所述聚类结果形成所述概念集合。

7.根据权利要求1所述的方法，其特征在于，所述步骤S5中使用jena技术对所述融合后获得的战例本体进行推理，包括：

导出所述融合后获得的战例本体的RDF文件，将所述RDF文件存储到TDB数据库中；

通过将所述TDB数据库中符合推理要来的数据建立新的关系的方式来编写推理规则，并将编写的推理规则保存到所述TDB数据库中；

执行推理任务。

8.根据权利要求5所述的方法，其特征在于，所述CRF层为线性链条件随机场层。

9.一种构建战例本体的装置，其特征在于，包括存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由处理器执行以实现如权利要求1至8任一所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器执行以实现如权利要求1至8任一所述的方法。