论文部分内容阅读
事件提取可以帮助用户从海量、无序的非结构化信息中快速、准确地获取感兴趣的事件,在自然语言处理领域有广泛应用.在梳理事件的概念、知识表示以及事件提取发展历程的基础上,对元事件和主题事件的提取方法分别进行了归纳和分析,并总结了事件提取方法在军事上的研究现状,探讨了其在军事领域未来的应用趋势.
事件提取方法在军事领域的应用趋势
【摘 要】
：
事件提取可以帮助用户从海量、无序的非结构化信息中快速、准确地获取感兴趣的事件,在自然语言处理领域有广泛应用.在梳理事件的概念、知识表示以及事件提取发展历程的基础上,对元事件和主题事件的提取方法分别进行了归纳和分析,并总结了事件提取方法在军事上的研究现状,探讨了其在军事领域未来的应用趋势.
【机 构】
：
国防大学联合作战学院,北京 100091;陆军航空兵研究所,北京 101121;国防大学联合作战学院,北京 100091;陆军工程大学,江苏 南京 210001;国防大学联合作战学院,北京 10009
【出 处】
：
指挥控制与仿真
【发表日期】
：
2021年6期
其他文献
联合作战下,火箭弹对陆上作战力量威胁巨大,防空兵对抗击火箭弹能力需求迫切.通过分析火箭弹的弹道特性、速度特性、雷达散射特性、雷达跟踪稳定性等,提出野战防空侦察雷达探测跟踪火箭弹的威力范围、分辨力、测量精度、情报数据率、跟踪目标容量等主要战术能力需求,为拦截抗击火箭弹提供技术支撑.
当前部队进行弹药作战消耗预测主要采用经验估算和数学公式推算等传统方法,预测结果的可信度难以保证,造成作战和保障衔接不紧密、筹划不精准.为了实现对合成部队弹药作战消耗的精确预测,构建了基于自适应深度神经网络的弹药作战消耗组合预测模型,选取和量化处理了国内外典型战例、演习训练以及仿真实验等活动中与弹药作战消耗相关的数据,并利用多项评估指标对模型进行训练、测试,通过与BP、Elman等神经网络进行结果准确性比对分析,证明了该模型用于预测多种类型弹药作战消耗量的可靠性和准确性.
为高效地评估复杂作战网络中各军事目标的目标价值,以支撑信息化战争条件下快速决策、迅速打击的作战形式,提出基于复杂网络理论的军事目标价值评估方法.该方法利用复杂网络理论,对作战目标体系进行网络拓扑化处理,在充分考虑节点对边的重要性影响与军事目标特性的基础上,引入节点对边的支撑值,利用灰色关联的思想量化目标特性值,并结合节点度值、节点介数和边介数这三类静态特征量,利用熵值法构建了算法模型,对作战网络中各军事目标的价值进行评估,并结合实例进行了分析.结果表明:基于复杂网络理论的熵值法军事目标价值评估模型能够适用
为了检验评估合成旅装备保障能力,通过查阅文献资料、部队调研,基于“任务-能力”映射的方法,构建了合成旅装备保障能力评估指标体系,并通过层次分析法确定评估指标权重,采用模糊综合评判法计算评估结果,最终为开展合成旅装备保障能力考核评估提供借鉴参考.
装甲装备在役考核数据类型复杂并且体量大,传统的评估方法难以有效挖掘数据隐藏的信息.通过分析装甲装备在役考核内容及原则,分析深度学习优势,研究深度置信网络模型,提出基于深度置信网络的装甲装备在役考核模型,并以装甲装备服役经济性为例,使用样本数据对模型进行训练和验证,实例表明能够实现装甲装备在役考核的客观评估.