航空領(lǐng)域術(shù)語定義抽取關(guān)鍵技術(shù)及其應(yīng)用研究.pdf

1、CBT(Computer Based Training)系統(tǒng)作為先進(jìn)培訓(xùn)技術(shù)的重要組成部分，在民航業(yè)的飛行員培訓(xùn)和機(jī)務(wù)培訓(xùn)中具有重要作用。飛行CBT在國內(nèi)外航空公司已有大量的應(yīng)用，而部署機(jī)務(wù)CBT系統(tǒng)也是是國內(nèi)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(shù)語定義抽取技術(shù)從專業(yè)文獻(xiàn)中獲取專業(yè)相關(guān)知識所需的關(guān)鍵技術(shù)展開，并探索了將定義知識應(yīng)用于智能CBT系統(tǒng)中的方法。本文的主要研究內(nèi)容如下:
　　(1)建設(shè)

2、術(shù)語定義抽取實(shí)驗(yàn)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(nèi)外并沒有現(xiàn)成的專供航空領(lǐng)域中文術(shù)語定義抽取研究的語料庫，所以本文的第一項(xiàng)工作就是建設(shè)一個實(shí)驗(yàn)用語料庫。根據(jù)實(shí)驗(yàn)要求，確立了第一階段語料庫的建設(shè)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(yīng)的配套軟件;還對語料庫的各種信息進(jìn)行了詳細(xì)統(tǒng)計(jì)，以此作為本文后續(xù)研究的基礎(chǔ)。
　　(2)確定進(jìn)行術(shù)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(shù)語定義在語料中分布極不平衡的情況，提出以平衡隨機(jī)森林方法來解決術(shù)定義抽取問題;針對構(gòu)建平衡訓(xùn)練集時(shí)隨機(jī)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(shí)例距離分布信息定義的重采樣策略，相比隨機(jī)重采樣方法，提高了定義抽取的F1-measure和F2-measure。
　　(3)改進(jìn)術(shù)語定義抽取的特征選擇方法。針對術(shù)語定義抽取語料中，數(shù)據(jù)分布不平衡以及定義句內(nèi)部存

4、在小析取項(xiàng)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(nèi)分布差異的特征選擇方法。該方法改進(jìn)了傳統(tǒng)特征選擇函數(shù)依賴詞頻統(tǒng)計(jì)結(jié)果主要衡量特征的類間分布差異的缺點(diǎn)。實(shí)驗(yàn)證明在應(yīng)用于平衡隨機(jī)森林方法時(shí)可以以更少的特征達(dá)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(xué)特征進(jìn)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(xué)特征的情況進(jìn)行了總結(jié)，針對定義抽取領(lǐng)域中由于缺乏可定量

5、計(jì)算的方法，導(dǎo)致無法在進(jìn)行定義抽取時(shí)充分利用語言學(xué)特征的問題，以信息熵為基礎(chǔ)提出使用不同層次間的特征組合的組合熵來計(jì)算不同層次的特征組合對定義抽取的影響，并結(jié)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(xué)特征在定義抽取中的作用和利用這些特征進(jìn)行定義抽取提供了一種可計(jì)算的方法。實(shí)驗(yàn)證明了該方法的正確性和有效性。
　　(5)設(shè)計(jì)并實(shí)現(xiàn)了CBT智能考核系統(tǒng)。針對現(xiàn)有AIG(Automatic Item Gener