CN115345176A - 一种指挥决策数字信息录入和语义信息识别方法及装置 - Google Patents

Abstract

本发明适用于人工智能、指挥决策技术领域，提供一种指挥决策数字信息录入和语义信息识别方法及装置，所述方法包括：接收输入的计划指令、预警方案指令和大屏切换指令；根据输入的指令选择相应业务逻辑；对业务逻辑数据分别进行标准化编码，当接收到更改指令编码时对修改内容进行定位；如果是语音修改，则获取计划/预警方案的语音数据，并转化为文本，分别进行语义识别；当接收到语义识别结果的确认指令信息，相应完成计划/预警方案的修改；如果是数字修改，则相应完成大屏切换。本发明形成了一种处理数字、语音信息混合输入的指令处理方法，平衡了语义信息的识别精度与效率，在指挥决策系统处理混合信息输入中具有有效的增益效果。

Description

一种指挥决策数字信息录入和语义信息识别方法及装置

技术领域

本发明属于人工智能、指挥决策技术领域，尤其涉及一种指挥决策数字信息录入和语义信息识别方法及装置。

背景技术

指挥决策系统是指在各种指挥决策指令下达之前，根据客观现象、专业知识和装备设施，围绕特定目标任务进行行动方案的选择、优化和决断。通过一系列方法、工具，对指令任务进行分析判断，并对计划任务进程进行修改、预警及大屏显示，协助指挥员进行指挥决策。具有风险性大、时限性强、机断性高的特点，要求指挥员指定指挥决策迅速准确，落实指挥决策全面高效。因此，随着经济和科技的发展，如何处理多种数据输入的指令信息，使其能够有效指挥决策，成为迫切而重要的课题。

在语音信息输入并转化成文本信息后，如何从文本中提取复杂的句法和语义信息，生成高质量的文本表示向量是自然语言处理领域的核心任务。语义指纹哈希可以进行处理文本相似度比较，但是对于长文本的计算精度不高； Word2Vec模型聚焦词粒度层面，而在更进一步在文档粒度层面，Doc2Vec模型能够从不定长的文本中学习到固定长度的特征表示，从而在表述句子、段落或文档时尽可能完整地保留语序和语义。BERT模型则体现出了深度学习的学习能力，语义识别精度更高。但是不同文本长度对语义识别精度和效率需求不同，而且针对指挥决策的数字信息和语音混合输入，目前还未有一种平衡有效的识别解决方案。

发明内容

鉴于上述问题，本发明的目的在于提供一种指挥决策数字信息录入和语义信息识别方法及装置，旨在解决上述技术问题。

本发明采用如下技术方案：

一方面，所述指挥决策数字信息录入和语义信息识别方法包括下述步骤：

步骤S1、接收输入的计划指令、预警方案指令和大屏切换指令；

步骤S2、根据输入的指令选择相应计划、预警方案和大屏切换的业务逻辑；

步骤S3、对计划、预警方案和大屏切换的业务逻辑数据分别进行标准化编码，当接收到更改指令编码时对修改内容进行定位，并确定是语音修改还是数字修改；

步骤S4、如果是语音修改，则获取计划/预警方案的语音数据，并转化为文本，分别对计划/预警方案文本进行语义识别；

步骤S5、当接收到语义识别结果的确认指令信息，相应完成计划/预警方案的修改；

步骤S6、如果是数字修改，则相应完成大屏切换。

另一方面，所述指挥决策数字信息录入和语义信息识别装置，包括控制中心、数字输入设备和音频输入设备，其中：

所述控制中心包括：

指令接收模块，用于接收输入的计划指令、预警方案指令和大屏切换指令；

业务逻辑选择模块，用于根据输入的指令选择相应计划、预警方案和大屏切换的业务逻辑；

编码定位模块，用于对计划、预警方案和大屏切换的业务逻辑数据分别进行标准化编码，当接收到更改指令编码时对修改内容进行定位，并确定是语音修改还是数字修改；

语义识别模块，用于当修改是语音修改时，获取计划/预警方案的语音数据，并转化为文本，分别对计划/预警方案文本进行语义识别；

修改执行模块，用于当接收到语义识别结果的确认指令信息，相应完成计划/预警方案的修改；以及用于当修改是数字修改，相应完成大屏切换；

所述数字输入设备用于根据用户的输入操作生成更改指令编码；

所述音频输入设备用于生成用户语音输入的计划/预警方案的语音数据。

本发明的有益效果是：本发明形成了一种处理不同数据量的文本语义信息识别方法，使用语义指纹哈希处理计划语音转化的短文本，识别效率高且精度能满足要求；同时使用Doc2Vec模型处理预警方案语音转化的长文本，并使用Word2Vec模型进行增量学习，高效完成了长文本的粗识别，并使用BERT模型进一步进行精细识别。另外，本发明形成了一种处理数字、语音信息混合输入的指令处理方法，可以通过数字输入或修改大屏指令和语音输入或修改计划及预警方案指令。本发明的这种混合处理方法平衡了语义信息的识别精度与效率，在指挥决策系统处理混合信息输入中具有有效的增益效果。

附图说明

图1是本发明实施例提供的指挥决策数字信息录入和语义信息识别方法的流程图；

图2是本发明实施例提供的指挥决策数字信息录入和语义信息识别方法具体过程示意图：

图3是本发明实施例提供的一种标准化编码示意图；

图4是本发明实施例提供的数字输入设备的一种布局设计图；

图5是本发明实施例提供的指挥决策数字信息录入和语义信息识别装置的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

如图1、2所示，本实施例提供的指挥决策数字信息录入和语义信息识别方法，包括下述步骤：

步骤S1、接收输入的计划指令、预警方案指令和大屏切换指令。

本步骤用于接收指挥决策系统输入的指令数据，包括计划完成指令、预警方案指令和大屏切换指令。本实施例中，大屏切换指令通过数字输入设备，计划指令、预警方案指令通过音频输入设备输入。

计划即指挥的计划内容，通过文献查询、指南指导和专家讨论等，指定早期的计划库。计划指令是指需要完成的计划对应的指令。预警方案是对指挥决策的一些预警措施，具体通过文献查询、指南指导和专家讨论等，制定早期的预警方案库。计划及预警方案等指令通过大屏幕拼接显示支持，需要根据实际情况进行显示选择，接收大屏切换指令，对各种信息展示信号进行切换、处理，实现切换大屏显示内容。

步骤S2、根据输入的指令选择相应计划、预警方案和大屏切换的业务逻辑。

本步骤对三种指令分别采用相应的业务逻辑。具体如下：

（1）分层选择业务逻辑。计划既有阶段性，又有层次性，是多层次计划的叠加集成。为了更好的对计划进行管理和操作，将计划划分层级。对输入的计划指令进行分层选择业务逻辑。

（2）关联选择业务逻辑。为了对计划进度进行预警，将预警方案与计划进行关联。对输入的预警方案指令与计划指令进行关联选择业务逻辑。

（3）矩阵选择业务逻辑。大屏显示为0/1矩阵编码，1为显示，0为不显示，组成显示大屏信息的编码。将输入的大屏切换指令与显示的大屏进行绑定，进行矩阵选择业务逻辑。

步骤S3、对计划、预警方案和大屏切换的业务逻辑数据分别进行标准化编码，当接收到更改指令编码时，根据指令编码中的指令层级信息对修改内容进行定位，并根据编码后是否有文字内容确定是语音修改还是数字修改；

结合图2所示，本步骤具体如下：

S31、对各类业务逻辑数据分别进行标准化编码。

（1）分层选择业务逻辑的分层数据标准化编码。根据计划的层级，每层均使用两位0-9的数字编码表示。设有v级计划，则一条计划表示为

位的编码。参考图3，计划指令编码01050815表示为01号一级计划中的05号二级计划中的08号三级计划中的15号四级计划。

（2）关联选择业务逻辑的关联数据标准化编码。用三位数字编码表示预警方案，前两位为0-9编码的计划编号，后一位为0/1编码的预警信息，1表示预警，0表示不预警。每条预警方案指令只能包含一条预警信息。参考图3，预警方案指令编码010050081150表示在三级计划处预警。

（3）矩阵选择业务逻辑的矩阵数据标准化编码。为了通过多个机位显示不同大屏信息，对大屏切换指令相应的业务逻辑进行标准化编码。用三位0-9的数字编码表示每个大屏的投放显示信息，前两位为大屏编号，后一位为机位编号。设有r个大屏显示内容，s个显示机位，则大屏显示编码长度为

。当投放大屏数量小于显示机位时，相应机位编码为000。参考图3，当r=6，s=3时，大屏切换指令编码011022053表示为01大屏投放到1号机位，02大屏投放到2号机位，05大屏投放到3号机位，其余大屏内容不显示。

S32、当需要修改计划或预警方案或大屏显示时，输入更改指令编码。

若出现更改指令需求时，连接数字输入设备，根据需要修改计划或预警方案或大屏显示，用户在数字输入设备输入需要更改的指令需求，生成更改指令编码。计划或预警方案指令在数字输入设备上显示为：编码 + 具体计划/预警方案内容；大屏指令在数字输入设备上显示为：编码。根据指令编码后有无文字信息判断是语音修改还是数字修改。有文字信息，则该指令为计划或预警方案修改指令，进入音频输入设备；没有文字信息，则该指令为大屏修改指令，直接修改。数字输入设备的一种布局设计如图4所示。

S33、通过更改指令编码的信息定位需要修改的内容。

数字输入设备接收更改指令编码的信息后，通过更改指令编码的信息定位需要修改的内容。数字输入设备的一种具体设计参考图4，包含指令内容显示屏、0-9输入键、左右键、确认键（Yes）、否认键（No）、删除键（Del）和开关机键。该设备可显示输入指令及返回的相似指令信息，并完成指令选择、修改及确认。以图3计划指令为例，可以定位为01计划的05子计划的08子计划的15子计划需要修改。

步骤S4、如果是语音修改，则获取计划/预警方案的语音数据，并转化为文本，分别对计划/预警方案文本进行语义识别。

结合图2所示，本步骤具体过程如下：

S41、获取语音输入的修改语音。

用户通过音频输入设备采集修改语音，然后获取修改语音。

S42、将修改语音转化为文本数据，其中对于计划的修改语音转化为计划短文本数据，预警方案的修改语音转化为预警方案长文本数据。

修改语音转化为文本数据的过程是现有技术，这里不赘述。计划语音输入信息可转化为计划短数据文本处理。预警方案输入信息由于方案和文字较多，也相对复杂，可转化为预警方案长数据文本进行后续处理。

S43、计划短文本数据处理：

431、将计划短文本数据利用语义指纹哈希计算转化成SimHash值。

对输入的计划短文本数据，利用语义指纹哈希计算将文本转化成SimHash值。具体过程为：首先提取计划短文本的文本特征以及特征对应的权重，根据特征生成对应的Hash值，然后对特征Hash值的每一位做循环处理，如果该位值为1，则用权重代替，反之用权重的负值代替，将特征Hash加权后的结果按位求和，并将结果按位二值化，其中大于0则为1，否则为0，得到最后的SimHash值。

432、根据计划短文本的SimHash值，采用海明距离计算其与计划库各计划的相似度。

根据文本的SimHash值，采用海明距离来衡量其相似性。海明距离越小表示越相似，海明距离来衡量相似性，根据海明距离，计算计划短文本与计划库各计划文本的相似度。

433、选择相似度排名靠前的若干计划返回。

S44、预警方案长文本数据处理：

441、将预警方案长文本数据利用Doc2Vec模型进行文本预测，并进行相似度计算。

对输入的预警方案长文本数据，利用Doc2Vec进行文本预测，并进行相似度计算。具体的，对原始计划文本中的句子进行分词，去除影响语义关系的停用词并对特殊符号进行处理，通过Doc2Vec模型训练文本向量，基于文本向量计算相似度。每个段落被映射为一个唯一向量，由矩阵T中的一列表示，如：

。每个单词也被映射为一个唯一向量，由矩阵W中的一列表示，如：

。将段落向量和词向量级联或求平均得到特征，根据特征预测得到输出文本。对于每个输出文本j，

都是一个非标准化的对数概率，其概率计算公式为：

，K和h为softmax的参数，

函数是从W中提取的单词向量的级联或平均值。

442、利用Word2Vec模型进行增量学习。

利用Word2Vec进行增量学习，在已有模型的基础上保持原有的权重不变，只对新增的词典进行训练，使语义相近的词在词向量空间里聚集在一起，为后续的文本相似性计算提供便利。给定一系列训练单词

，输入的单词被映射到单词矩阵W的列中，将上下文的词向量级联或者求和作为特征，如求最大化平均对数概率，其计算公式为：

。根据特征预测句子中的下一个单词，预测任务是一个多分类问题，分类器最后一层通常使用softmax，其计算公式为：

。其中，

是预测出每个输出单词j的概率。

443、使用BERT模型对输入的预警方案与预警方案库中已有的预警方案进行相似度计算。

本步骤用于将输入的预警方案鱼预警方案库进行对比，具体用BERT模型来提取预警方案的句向量，然后利用余弦距离去计算相似度。

444、选择相似度排名靠前的若干预警方案返回。

将与预警方案库比对结果输出，根据计算得出的相似度，推荐预警方案库中相似度排名靠前的结果返回。输出的数据形式为：原始输入预警方案，预警方案库中相似方案，相似度，相似方案编码。

返回的相似计划/预警方案显示在数字输入设备上按相似度降序显示并从1-9进行编号，编号0的信息为输入指令的文本识别结果。对推送的相似计划/预警方案进行人工确认。

步骤S5、当接收到语义识别结果的确认指令信息，相应完成计划/预警方案的修改。

在数字输入设备上，工作人员根据显示的结果在数字输入设备上进行操作确认，得到相应的确认指令信息，在数字输入设备上输入对应编号，完成计划/预警方案的修改。

步骤S6、如果是数字修改，则相应完成大屏切换。

数字修改就直接根据输入的指令编码，在数字输入设备上进行确认，完成大屏切换。

实施例二：

如图4所示，本实施例提供的指挥决策数字信息录入和语义信息识别装置，包括控制中心100、数字输入设备200和音频输入设备300，其中：

所述控制中心100包括：

指令接收模块，用于接收输入的计划指令、预警方案指令和大屏切换指令；

业务逻辑选择模块，用于根据输入的指令选择相应计划、预警方案和大屏切换的业务逻辑；

编码定位模块，用于对计划、预警方案和大屏切换的业务逻辑数据分别进行标准化编码，当接收到更改指令编码时对修改内容进行定位，并确定是语音修改还是数字修改；

语义识别模块，用于当修改是语音修改时，获取计划/预警方案的语音数据，并转化为文本，分别对计划/预警方案文本进行语义识别；

修改执行模块，用于当接收到语义识别结果的确认指令信息，相应完成计划/预警方案的修改；以及用于当修改是数字修改，相应完成大屏切换；

所述数字输入设备用于根据用户的输入操作生成更改指令编码；

所述音频输入设备用于生成用户语音输入的计划/预警方案的语音数据。

本实施例各功能模块对应实现了实施例一中的各步骤，具体实现过程这里不赘述。所述业务逻辑选择模块中，对输入的计划指令进行分层选择业务逻辑，对输入的预警方案指令与计划指令进行关联选择业务逻辑，对输入的大屏切换指令与显示的大屏绑定，进行矩阵选择业务逻辑。

作为一种具体结构，所述编码定位模块包括：

编码单元，用于对各类业务逻辑数据分别进行标准化编码；

更改触发单元，用于当需要修改计划或预警方案或大屏显示时，输入更改指令编码；

修改定位单元，用于通过更改指令编码的信息定位需要修改的内容。

所述语义识别模块包括：

语音接收单元，用于获取语音输入的修改语音；

文本转化单元，用于将修改语音转化为文本数据，其中对于计划的修改语音转化为计划短文本数据，预警方案的修改语音转化为预警方案长文本数据；

短文本处理单元，用于对计划短文本数据处理：将计划短文本数据利用语义指纹哈希计算转化成SimHash值；根据计划短文本的SimHash值，采用海明距离计算其与计划库各计划的相似度；选择相似度排名靠前的若干计划返回；

长文本处理单元，用于对预警方案长文本数据处理：将预警方案长文本数据利用Doc2Vec模型进行文本预测，并进行相似度计算；利用Word2Vec模型进行增量学习；使用BERT模型对输入的预警方案与预警方案库中已有的预警方案进行相似度计算；选择相似度排名靠前的若干预警方案返回。

综上，本发明可同时处理数字和语音输入信息，以期为不同数据量的语音文本信息的语义信息识别提供一种新的可选方案。具体的，为了解决不同文本长度对语义识别精度和效率需求不同的问题，本发明使用语义指纹哈希处理计划语音转化的短文本，识别效率高且精度能满足要求；使用Doc2Vec模型处理预警方案语音转化的长文本，并使用Word2Vec模型进行增量学习，高效完成了长文本的粗识别，并使用BERT模型进一步进行精细识别。这种混合处理方法平衡了语义信息的识别精度与效率，在指挥决策系统处理混合信息输入中具有有效的增益效果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种指挥决策数字信息录入和语义信息识别方法，其特征在于，所述方法包括下述步骤:

步骤S1、接收输入的计划指令、预警方案指令和大屏切换指令；

步骤S2、根据输入的指令选择相应计划、预警方案和大屏切换的业务逻辑；

步骤S3、对计划、预警方案和大屏切换的业务逻辑数据分别进行标准化编码，当接收到更改指令编码时，根据指令编码中的指令层级信息对修改内容进行定位，并根据编码后是否有文字内容确定是语音修改还是数字修改；

步骤S4、如果是语音修改，则获取计划/预警方案的语音数据，并转化为文本，分别对计划/预警方案文本进行语义识别；

步骤S5、当接收到语义识别结果的确认指令信息，相应完成计划/预警方案的修改；

步骤S6、如果是数字修改，则相应完成大屏切换。

2.如权利要求1所述指挥决策数字信息录入和语义信息识别方法，其特征在于，步骤S2中，对输入的计划指令进行分层选择业务逻辑，对输入的预警方案指令与计划指令进行关联选择业务逻辑，对输入的大屏切换指令与显示的大屏绑定，进行矩阵选择业务逻辑。

3.如权利要求2所述指挥决策数字信息录入和语义信息识别方法，其特征在于，所述步骤S3具体过程如下：

S31、对各类业务逻辑数据分别进行标准化编码；

S32、当需要修改计划或预警方案或大屏显示时，输入更改指令编码；

S33、通过更改指令编码的信息定位需要修改的内容。

4.如权利要求3所述指挥决策数字信息录入和语义信息识别方法，其特征在于，步骤S31中，对于分层选择业务逻辑的分层数据，标准化编码方式为：根据计划的层级，每层均使用两位0-9的数字编码表示，若有v级计划，则一条计划表示为

位的编码；对于分层选择业务逻辑的分层数据，标准化编码方式为：用三位数字编码表示预警方案，前两位为0-9编码的计划编号，后一位为0/1编码的预警信息，1表示预警，0表示不预警，每条预警方案指令只包含一条预警信息；对于矩阵选择业务逻辑的矩阵数据，编码方式为：用三位0-9的数字编码表示每个大屏的投放显示信息，前两位为大屏编号，后一位为机位编号，若有r个大屏显示内容，s个显示机位，则大屏显示编码长度为

，当投放大屏数量小于显示机位时，相应机位编码为000。

5.如权利要求4所述指挥决策数字信息录入和语义信息识别方法，其特征在于，所述步骤S4具体过程如下：

S41、获取语音输入的修改语音；

S42、将修改语音转化为文本数据，其中对于计划的修改语音转化为计划短文本数据，预警方案的修改语音转化为预警方案长文本数据；

S43、计划短文本数据处理：

将计划短文本数据利用语义指纹哈希计算转化成SimHash值；

根据计划短文本的SimHash值，采用海明距离计算其与计划库各计划的相似度；

选择相似度排名靠前的若干计划返回；

S44、预警方案长文本数据处理：

将预警方案长文本数据利用Doc2Vec模型进行文本预测，并进行相似度计算；

利用Word2Vec模型进行增量学习；

使用BERT模型对输入的预警方案与预警方案库中已有的预警方案进行相似度计算；

选择相似度排名靠前的若干预警方案返回。

6.一种指挥决策数字信息录入和语义信息识别装置，其特征在于，所述装置包括控制中心、数字输入设备和音频输入设备，其中：

所述控制中心包括：

指令接收模块，用于接收输入的计划指令、预警方案指令和大屏切换指令；

业务逻辑选择模块，用于根据输入的指令选择相应计划、预警方案和大屏切换的业务逻辑；

编码定位模块，用于对计划、预警方案和大屏切换的业务逻辑数据分别进行标准化编码，当接收到更改指令编码时对修改内容进行定位，并确定是语音修改还是数字修改；

语义识别模块，用于当修改是语音修改时，获取计划/预警方案的语音数据，并转化为文本，分别对计划/预警方案文本进行语义识别；

修改执行模块，用于当接收到语义识别结果的确认指令信息，相应完成计划/预警方案的修改；以及用于当修改是数字修改，相应完成大屏切换；

所述数字输入设备用于根据用户的输入操作生成更改指令编码；

所述音频输入设备用于生成用户语音输入的计划/预警方案的语音数据。

7.如权利要求6所述指挥决策数字信息录入和语义信息识别装置，其特征在于，所述业务逻辑选择模块中，对输入的计划指令进行分层选择业务逻辑，对输入的预警方案指令与计划指令进行关联选择业务逻辑，对输入的大屏切换指令与显示的大屏绑定，进行矩阵选择业务逻辑。

8.如权利要求7所述指挥决策数字信息录入和语义信息识别装置，其特征在于，所述编码定位模块包括：

编码单元，用于对各类业务逻辑数据分别进行标准化编码；

更改触发单元，用于当需要修改计划或预警方案或大屏显示时，输入更改指令编码；

修改定位单元，用于通过更改指令编码的信息定位需要修改的内容。

9.如权利要求8所述指挥决策数字信息录入和语义信息识别装置，其特征在于，所述语义识别模块包括：

语音接收单元，用于获取语音输入的修改语音；

文本转化单元，用于将修改语音转化为文本数据，其中对于计划的修改语音转化为计划短文本数据，预警方案的修改语音转化为预警方案长文本数据；

短文本处理单元，用于对计划短文本数据处理：将计划短文本数据利用语义指纹哈希计算转化成SimHash值；根据计划短文本的SimHash值，采用海明距离计算其与计划库各计划的相似度；选择相似度排名靠前的若干计划返回；

长文本处理单元，用于对预警方案长文本数据处理：将预警方案长文本数据利用Doc2Vec模型进行文本预测，并进行相似度计算；利用Word2Vec模型进行增量学习；使用BERT模型对输入的预警方案与预警方案库中已有的预警方案进行相似度计算；选择相似度排名靠前的若干预警方案返回。

Images