空中交通管制特情是民航运输过程中遭遇的紧急特殊情况,对其的处置原则是尽可能的精准和高效。若未能有效处置,将引发重大飞行事故。然而,传统的特情处置依赖于人工,难以满足精准和高效的要求。利用知识图谱技术对空中交通管制特情信息...空中交通管制特情是民航运输过程中遭遇的紧急特殊情况,对其的处置原则是尽可能的精准和高效。若未能有效处置,将引发重大飞行事故。然而,传统的特情处置依赖于人工,难以满足精准和高效的要求。利用知识图谱技术对空中交通管制特情信息进行知识抽取、表示和管理,并用于辅助空中交通管制人员,方便其进行特情处置,可有效提升空中交通管制特情应急处置效率。因此,提出一种自顶向下的空中交通管制特情处置知识图谱构建方法。首先,自顶向下定义知识图谱的概念、关系及其知识架构,形成模式层。接着,考虑到空中交通管制特情案例记录文本训练量较小且领域性实体较多的特点,采用融合双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络深度学习模型和规则知识的实体抽取模型双向转换编码器(bi-directional encoder representations from transformers,BERT)-BiLSTM-条件随机场(conditional radom fields,CRF)+正则表达式(regular expression,RE)抽取实体。在此基础上,利用BiLSTM+自注意力(self-attention,SA)模型对实体间关系进行抽取。之后,采用Jaccard相关系数进行知识融合。最后,利用Neo4j图数据库对构建的空中交通管制特情处置知识图谱进行可视化,并对其在民航空中交通管制特情处置决策支持中的应用前景进行分析,为空中交通管制部门的实际应用提供参考。展开更多
文摘空中交通管制特情是民航运输过程中遭遇的紧急特殊情况,对其的处置原则是尽可能的精准和高效。若未能有效处置,将引发重大飞行事故。然而,传统的特情处置依赖于人工,难以满足精准和高效的要求。利用知识图谱技术对空中交通管制特情信息进行知识抽取、表示和管理,并用于辅助空中交通管制人员,方便其进行特情处置,可有效提升空中交通管制特情应急处置效率。因此,提出一种自顶向下的空中交通管制特情处置知识图谱构建方法。首先,自顶向下定义知识图谱的概念、关系及其知识架构,形成模式层。接着,考虑到空中交通管制特情案例记录文本训练量较小且领域性实体较多的特点,采用融合双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络深度学习模型和规则知识的实体抽取模型双向转换编码器(bi-directional encoder representations from transformers,BERT)-BiLSTM-条件随机场(conditional radom fields,CRF)+正则表达式(regular expression,RE)抽取实体。在此基础上,利用BiLSTM+自注意力(self-attention,SA)模型对实体间关系进行抽取。之后,采用Jaccard相关系数进行知识融合。最后,利用Neo4j图数据库对构建的空中交通管制特情处置知识图谱进行可视化,并对其在民航空中交通管制特情处置决策支持中的应用前景进行分析,为空中交通管制部门的实际应用提供参考。
