基于本體的作戰(zhàn)文書分詞的關鍵技術研究.pdf

1、隨著“信息化”軍事作戰(zhàn)時代的到來,單純?nèi)斯ぬ幚砗Ａ康淖鲬?zhàn)文書已經(jīng)遠遠不能滿足信息提取的快速性和正確性的要求,那么人們希望計算機能像人腦一樣具有“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,而計算機理解功能的最底層處理單位是詞,因此對作戰(zhàn)文書進行分詞是關鍵性技術,這一步驟處理的正確與否直接影響對作戰(zhàn)文書的后續(xù)處理——詞性標注、語法分析、關鍵信息提取、地圖的態(tài)勢標注等,甚至可以決定作戰(zhàn)文

2、書理解的成敗。因此,對于作戰(zhàn)文書的分詞研究是一項重要的課題。本文針對作戰(zhàn)文書的記述特點,進行的主要研究工作和取得的成果如下:
　　(1)詳細介紹了中文分詞理論和應用系統(tǒng)的發(fā)展歷程,并論述了進行作戰(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的理論研究,并且分析了應用在常見分詞系統(tǒng)中的分詞算法,通過分析,明確了歧義問題和新詞識別是阻礙中文分詞技術發(fā)展的兩個關鍵問題。
　

3、　(3)鑒于作戰(zhàn)文書的格式及其內(nèi)容的多樣性,引入具有語義關系的本體技術,利用OWL本體描述語言來描述本體,同時,采用斯坦福大學開發(fā)的Protégé軟件來構建軍事領域本體,用具有高度概括性和邏輯推理性的軍事領域本體來代替?zhèn)鹘y(tǒng)的分詞詞典,從而實現(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,針對作戰(zhàn)文書的類別及其自身特有的用詞規(guī)范,構建了一系列的提取規(guī)則,包括日期、地名、部隊名稱和專有名

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行作戰(zhàn)文書切分;第三,對切分過程中出現(xiàn)歧義的字段,利用軍用領域本體的語義相關性和上下文相關度處理,最終得到一種合理的分詞結(jié)果。
　　(5)設計并實現(xiàn)了一個作戰(zhàn)文書分詞軟件原型系統(tǒng)。該系統(tǒng)主要包括三個模塊:預處理模塊、分詞模塊和歧義合成模塊?；谠u估分詞的指標,對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,驗證說