CN115470796A - 一种面向空管模拟培训的文本指令生成方法及设备 - Google Patents
一种面向空管模拟培训的文本指令生成方法及设备 Download PDFInfo
- Publication number
- CN115470796A CN115470796A CN202211116595.8A CN202211116595A CN115470796A CN 115470796 A CN115470796 A CN 115470796A CN 202211116595 A CN202211116595 A CN 202211116595A CN 115470796 A CN115470796 A CN 115470796A
- Authority
- CN
- China
- Prior art keywords
- instruction
- text
- control
- intention
- air traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/08—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of aircraft, e.g. Link trainer
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向空管模拟培训的文本指令生成方法及设备,属于民用航管制模拟培训技术领域,包括:输入空管对话的管制员的指令文本,并对所述指令文本进行预处理;将经过预处理后的指令文本输入到空管指令解析模块中,提取所述预处理后的指令文本的语义标签序列和意图;根据所述意图对所述预处理后的指令文本中的管制指令进行分类;基于指令复诵生成模块,将所述语义标签序列和分类后的管制指令分别生成对应的操作模拟飞行的指令参数和指令复诵文本,从而实现了管制模拟培训过程中自动生成对话和指令,降低了培训成本,同时提高了管制模拟培训的效率。
Description
技术领域
本发明涉及民用航管制模拟培训技术领域,特别涉及一种面向空管模拟培训的文本指令生成方法及设备。
背景技术
在民用航空管制场景中,管制员通过无线电设备与飞行员进行指令交互来指挥飞机飞行,管制员发送管制指令,机长通过对管制指令复诵的方式来确认指令正确,进而依据管制指令操控飞机飞行,管制员发送管制指令,与此相同,在管制员模拟培训中同样需要机长角色来进行对话和执行管制指令,以此来模拟真实空管场景对管制员进行培训。现有的管制模拟培训***依赖人工的方式充当机长的角色,并在培训过程中人工输入管制指令操控模拟飞行软件的飞机飞行,导致管制员培训的成本较高,并且人工输入管制指令的方式效率低下且容易出错。
所以如今需要一种面向空管模拟培训的文本指令生成方法与装置来解决人工对话和人工输入指令的问题,从而提高管制模拟培训的效率。
发明内容
本发明的目的在于克服现有技术中所存在的管制模拟培训***依赖人工的方式充当机长的角色,并在培训过程中人工输入管制指令操控模拟飞行软件的飞机飞行,导致管制员培训的成本较高,并且人工输入管制指令的方式效率低下且容易出错的不足,提供一种面向空管模拟培训的文本指令生成方法及设备。
为了实现上述发明目的,本发明提供了以下技术方案:
一种面向空管模拟培训的文本指令生成方法,包括以下步骤:
S1:输入空管对话的管制员的指令文本,并对所述指令文本进行预处理;
S2:将经过预处理后的指令文本输入到空管指令解析模块中,提取所述预处理后的指令文本的语义标签序列和意图;
所述空管指令解析模块包括:分词模型、意图识别模型、实体命名模型;
所述分词模型由一层双向LSTM层和一层CRF层组成,所述双向LSTM层用于提取特征,所述CRF层用于输出分词标签;
所述意图识别模型由一层双向LSTM层和两层全连接层组成,两层所述全连接层之间加入文本序列时间维度上的取均值计算以统一特征维度;
所述实体命名模型由一层双向LSTM层和一层CRF层组成,所述双向LSTM层用于提取特征,所述CRF层用于输出语义标签;
S3:根据所述意图对所述预处理后的指令文本中的管制指令进行分类;
S4:基于指令复诵生成模块,将所述语义标签序列和分类后的管制指令分别生成对应的操作模拟飞行的指令参数和指令复诵文本。
采用上述技术方案,通过空管指令解析模块对输入的指令文本进行意图分析和分词标签的标注,再依据空管复诵规则和空管模拟培训指令规则分别对不同类的管制指令进行处理,生成对应的意图参数和复诵指令文本,同时,特情处置模块用于飞机遭遇特殊情况下输出机长文本指令,从而实现了对话生成和操控飞机飞行,实现了管制模拟培训过程中自动生成对话和指令,降低了培训成本,提高了管制模拟培训的效率,同时也提高了管制模拟培训的丰富性。
作为本发明的优选方案,所述步骤S1对所述指令文本进行预处理包括以下步骤:
S11:去除所述指令文本中的标点符号、特殊字符,并对所述指令文本中无意义杂词进行过滤,所述无意义杂词包括语气词、重复词;
S12:对所述指令文本中出现的组合型进行专有词汇进行合并。
作为本发明的优选方案,所述步骤S2包括:
S21:输入所述预处理后的指令文本,先进行中英文分类;
S22:将中文字符输入到所述分词模型中进行中文指令分词,输出分词标签;
S23:将所述分词标签中的词组与空管特殊词汇表进行比对,对所述分词标签中错误的特殊词汇分词进行纠错,得到修正后的分词标签,所述空管特殊词汇表中的数据至少包括地点、指令、航空公司名、地名;
S24:输入英文文本或所述修正后的分词标签到所述意图识别模型中,输出所有意图分类的概率向量,向量长度与意图类别数量相同,所述向量中每个位置的值为包含该意图的预测概率值,同时,设置阈值,对所述预测概率值进行筛选,筛选出可信度高于所述阈值的预测概率值,检查所述预测概率值对应的关键词是否包含在所述预处理后的指令文本中,若是,则获得最终的意图;
S25:输入所述英文文本或所述修正后的分词标签到所述实体命名模型中,输出所述预处理后的指令文本对应的语义标签序列,同时,对于所述最终意图中包含更正意图的指令文本,去除其语义标签序列中需要更正的指令语义,只保留更正后的指令语义,作为所述最终的语义标签序列。
作为本发明的优选方案,所述步骤S2还包括:对所述意图和所述语义标签序列进行相应的后处理,将固定的专业词汇替换为英文缩写,将中英文数字替换为***数字。
作为本发明的优选方案,所述意图包括:陈述性管制意图、管制识别意图、询问管制意图。
作为本发明的优选方案,所述步骤S3中,将所述管制指令分为:陈述性管制指令、管制识别指令、询问类指令;
所述陈述性管制指令为通过陈述性语句给飞行员发布的交通干预指令,指令形式为航班号加指令的AB型;
所述管制识别指令为飞机进入管制扇区时,第一次主动与管制员联系后的管制员指令;
所述询问类指令分为:重复确认类指令和协商性指令,所述重复类指令为管制员对飞行员指令请求的重复确认,所述协商性指令为向飞行员询问发布管制指令的可行性。
作为本发明的优选方案,所述步骤S4包括:接收所述陈述性管制指令,根据所述空管复诵规则,将航班号与指令进行顺序调整并补足,所述陈述性管制指令变为指令加航班号的BA型指令,所述BA型指令为所述陈述性管制指令的复诵指令文本,从所述陈述性管制指令对应的所述陈述性管制意图中提取陈述性管制意图参数,将所述陈述性管制意图和所述陈述性管制意图参数转换为模拟机能够识别的指令参数;
接收所述管制识别指令,根据所述空管复诵规则,飞行员复诵航空器呼号,解析所述管制识别指令对应的语义标签序列,提取航空器呼号,从所述管制识别指令对应的所述管制识别意图中提取管制识别意图参数,将所述管制识别意图和所述管制识别意图参数转换为模拟机能够识别的指令参数;
接收所述询问类指令,判断所述询问类指令的类型,若判断为重复确认类指令,则根据所述空管复诵规则,飞行员复诵陈述指令,根据对应的语义标签序列分割所述重复确认类指令中的航空器呼号和其他指令,并进行重新排序,以所述航空器呼号作为结束,得到所述询问类指令的指令复诵文本;若判断为协商性指令,则根据所述空管复诵规则,从所述协商性指令对应的所述询问管制意图中提取询问管制意图参数,机长根据飞行态势将所述询问管制意图和所述询问管制意图参数进行判定,若合法则复诵指令,同时将所述管制识别意图和所述管制识别意图参数转换为模拟机能够识别的指令参数,若不合法则开启下一轮协商。
作为本发明的优选方案,所述步骤S1还包括:构建特勤处置模块,处理飞行过程中遭遇的特殊情况场景,生成并输出机长文本指令。
作为本发明的优选方案,所述步骤S1中的所述特殊情况场景包括:航空器故障、机组突发状况、外部环境干扰。
另一方面,提供了一种面向空管模拟培训的文本指令生成设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一项所述的方法。
与现有技术相比,本发明的有益效果在于:通过空管指令解析模块对输入的指令文本进行意图分析和分词标签的标注,再依据空管复诵规则和空管模拟培训指令规则分别对不同类的管制指令进行处理,生成对应的意图参数和复诵指令文本,同时,特情处置模块用于飞机遭遇特殊情况下输出机长文本指令,提高了指令文本解析的准确率,适用性强,使得指令文本的解析更加智能,从而实现了对话生成和操控飞机飞行,实现了管制模拟培训过程中自动生成对话和指令,降低了培训成本,提高了管制模拟培训的效率,同时也提高了管制模拟培训的丰富性。
附图说明
图1为本发明实施例1所述的一种面向空管模拟培训的文本指令生成方法的流程图;
图2为本发明实施例1所述的一种面向空管模拟培训的文本指令生成方法的指令解析流程图;
图3为本发明实施例1所述的一种面向空管模拟培训的文本指令生成方法的分词模型结构图;
图4为本发明实施例1所述的一种面向空管模拟培训的文本指令生成方法的意图预测与分词标签图;
图5为本发明实施例2所述的一种面向空管模拟培训的文本指令生成设备的结构图
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
一种面向空管模拟培训的文本指令生成方法,如图1所示,包括以下步骤:
S1:输入空管对话的管制员的指令文本,并对所述指令文本进行预处理;
所述步骤S1对所述指令文本进行预处理包括以下步骤:
S11:去除所述指令文本中的标点符号、特殊字符,并对所述指令文本中无意义杂词进行过滤,所述无意义杂词包括语气词、重复词;
具体的,去除所述指令文本中的标点符号、特殊字符,例如表1所示:
表1
具体的,对所述指令文本中的无意义杂词进行过滤,包括语气词、重复词,避免对后续语义解析产生负面干扰,例如表2所示:
表2
S12:对所述指令文本中出现的组合型进行专有词汇进行合并,水语句中出现组合型专有词汇如英文航空公司名称进行合并组词;
所述步骤S1还包括:构建特勤处置模块,处理飞行过程中遭遇的特殊情况场景,生成并输出机长文本指令,所示机长文本指令的形式为:航空器呼号加特情状况,可加入机长请求的操作,如请求迫降、请求绕飞、高度调整,所述特殊情况场景包括:航空器故障、机组突发状况、外部环境干扰;
具体的,航空器故障:航空器本身的机械故障,如发动机、航空器其他设备的故障或损坏,在此场景下,机长主动向管制员报告情况,请求执行某些操作或者等待管制员指挥指令,如表3所示:
表3
机组突发状况:机组遭遇非正常情况,如人员受伤、劫机、袭击或迷失方向,在此场景下,机长主动向管制员报告情况,请求执行某些操作或者等待管制员指挥指令,如表4所示:
表4
外部环境干扰:遭遇极端天气,如积雨云、雷暴、冰雹,或其他影响飞行的环境因素,在此场景下,机长主动向管制员报告情况,请求执行某些操作或者等待管制员指挥指令,如表5所示:
表5
S2:将经过预处理后的指令文本输入到空管指令解析模块中,提取所述预处理后的指令文本的语义标签序列和意图;
如图2所示,所述步骤S2包括:
S21:输入所述预处理后的指令文本,先进行中英文分类,检测其中是否包含中文字符,若包含则为中文,若不包含中文字符,则为英文;
S22:如图3所示,将中文字符输入到分词模型中进行中文指令分词,所述分词模型由一层双向LSTM层和一层CRF层组成,所述双向LSTM层用于提取特征,所述CRF层用于输出分词标签;
S23:将所述分词标签中的词组与空管特殊词汇表进行比对,对所述分词标签中错误的特殊词汇分词进行纠错,得到修正后的分词标签,保证分词的准确性,所述空管特殊词汇表中的数据包括地点、指令、航空公司名、地名等固定词组所构成的词汇表;
S24:构建意图识别模型,如图4所示,所述意图识别模型由一层双向LSTM层和两层全连接层组成,两层所述全连接层之间加入文本序列时间维度上的取均值计算以统一特征维度,输入英文文本或所述修正后的分词标签,输出所有意图分类的概率向量,向量长度与意图类别数量相同,所述向量中每个位置的值为判断是否包含该意图的预测概率值,同时,设置阈值,对所述预测概率值进行筛选,筛选出可信度高于所述阈值的预测概率值,检查所述预测概率值对应的关键词是否包含在所述预处理后的指令文本中,若是,则获得最终的意图;
S25:构建实体命名模型,如图4所示,所述实体命名模型由一层双向LSTM层和一层CRF层组成,输入所述英文文本或所述修正后的分词标签,输出所述预处理后的指令文本中每个值对应的语义标签序列,同时,对于所述最终意图中包含更正意图的指令文本,去除其语义标签序列中需要更正的指令语义,只保留更正后的指令语义,作为所述最终的语义标签序列。
所述步骤S2还包括:对所述意图和所述语义标签序列进行相应的后处理,将固定的专业词汇替换为英文缩写,将中英文数字替换为***数字,如航班号“东方两三洞拐”替换为“CES2307”;指令中数值规范化为航空标准数值,如飞行高度“幺洞拐”变为标准数值“10700”。
所述意图包括:陈述性管制意图、管制识别意图、询问管制意图。
S3:根据所述意图对所述预处理后的指令文本中的管制指令进行分类;
所述步骤S3中,将所述管制指令分为:陈述性管制指令、管制识别指令、询问类指令;
所述陈述性管制指令为通过陈述性语句给飞行员发布的交通干预指令,指令形式为航班号加指令的AB型,其意图中包含包含陈述性管制意图;
具体的,如表6所示:
管制指令:四川八八拐八上升到幺洞拐 |
表6
所述管制识别指令为飞机进入管制扇区时,第一次主动与管制员联系后的管制员指令,其意图中包含管制识别意图;
具体的,如表7所示:
管制指令:东方两三洞拐成都雷达已识别 |
表7
所述询问类指令分为:依据意图中是否包含寻味管制意图确定是否为询问类指令,若包含,则为询问类指令,再依据所述指令文本中的关键词将所述询问类指令分为重复确认类指令和协商性指令,所述重复类指令为管制员对飞行员指令请求的重复确认,指令中包含关键字“证实”;
S4:基于指令复诵生成模块,将所述语义标签序列和分类后的管制指令分别生成对应的操作模拟飞行的指令参数和指令复诵文本;
具体的,通过对大量真实空管数据的分析得出指令类型,并提供***配置文件,用于添加或修改指令类型,具有指令处理全面,***灵活可配置的特点;
所述步骤S4包括:接收所述陈述性管制指令,根据所述空管复诵规则,将航班号与指令进行顺序调整并补足,所述陈述性管制指令变为指令加航班号的BA型指令,所述BA型指令为所述陈述性管制指令的复诵指令文本,从所述陈述性管制指令对应的所述陈述性管制意图中提取陈述性管制意图参数,将所述陈述性管制意图和所述陈述性管制意图参数转换为模拟机能够识别的指令参数;
具体的,将表6中的指令输入到所述空管指令解析模块中,获得该指令的语义解析结果,包括:分词标签、陈述性管制意图及陈述性管制意图参数,如表8所示:
表8
指令复诵生成模块依据表8所述的语义解析结果,依据空管复诵规则,将航班号与指令关键要素进行顺序调整并充足,指令形式变为指令加航班号的BA型指令,即如表9所示:
复诵指令:上升到幺洞拐四川八八拐八 |
表9
同时,将所述常规陈述性管制意图及所述常规陈述性管制意图参数用于操作指定的飞机执行指令操作,依据空管模拟培训指令规则所述指令实例中的所述常规陈述性管制意图及所述常规陈述性管制意图参数转换为如表10所示:
ACID:CSC8878;CMD:LVL1070 |
表10
接收所述管制识别指令,根据所述空管复诵规则,飞行员复诵航空器呼号,解析所述管制识别指令对应的语义标签序列,提取航空器呼号,从所述管制识别指令对应的所述管制识别意图中提取管制识别意图参数,将所述管制识别意图和所述管制识别意图参数转换为模拟机能够识别的指令参数;
接收所述询问类指令,判断所述询问类指令的类型,若判断为重复确认类指令,则根据所述空管复诵规则,飞行员复诵陈述指令,根据对应的语义标签序列分割所述重复确认类指令中的航空器呼号和其他指令,并进行重新排序,以所述航空器呼号作为结束,得到所述询问类指令的指令复诵文本,例如表11所示:
管制员:东方两三洞拐证实是飞成都吗 |
机长复诵:飞成都东方两三洞拐 |
表11
若判断为协商性指令,则根据所述空管复诵规则,从所述协商性指令对应的所述询问管制意图中提取询问管制意图参数,机长根据飞行态势将所述询问管制意图和所述询问管制意图参数进行判定,若合法则复诵指令,若不合法则开启下一轮协商,合法性协商性指令复诵文本如表12所示:
管制员:东方两三洞拐航向两百可以吗 |
机长复诵:航向两百东方两三洞拐 |
表12
采用上述技术方案,通过空管指令解析模块对输入的指令文本进行意图分析和分词标签的标注,再依据空管复诵规则和空管模拟培训指令规则分别对不同类的管制指令进行处理,生成对应的意图参数和复诵指令文本,同时,特情处置模块用于飞机遭遇特殊情况下输出机长文本指令,提高了指令文本解析的准确率,适用性强,使得指令文本的解析更加智能,从而实现了对话生成和操控飞机飞行,实现了管制模拟培训过程中自动生成对话和指令,降低了培训成本,提高了管制模拟培训的效率,同时也提高了管制模拟培训的丰富性。
实施例2
如图5所示,一种面向空管模拟培训的文本指令生成设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述实施例所述的一种面向空管模拟培训的文本指令生成方法与装置。所述输入输出接口可以包括显示器、键盘、鼠标、以及USB接口,用于输入输出数据;电源用于为电子设备提供电能。
本领域技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
当本发明上述集成的单元以软件功能单元的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
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 (10)
1.一种面向空管模拟培训的文本指令生成方法,其特征在于,包括以下步骤:
S1:输入空管对话的管制员的指令文本,并对所述指令文本进行预处理;
S2:将经过预处理后的指令文本输入到空管指令解析模块中,提取所述预处理后的指令文本的语义标签序列和意图;
所述空管指令解析模块包括:分词模型、意图识别模型、实体命名模型;
所述分词模型由一层双向LSTM层和一层CRF层组成,所述双向LSTM层用于提取特征,所述CRF层用于输出分词标签;
所述意图识别模型由一层双向LSTM层和两层全连接层组成,两层所述全连接层之间加入文本序列时间维度上的取均值计算以统一特征维度;
所述实体命名模型由一层双向LSTM层和一层CRF层组成,所述双向LSTM层用于提取特征,所述CRF层用于输出语义标签;
S3:根据所述意图对所述预处理后的指令文本中的管制指令进行分类;
S4:基于指令复诵生成模块,将所述语义标签序列和分类后的管制指令分别生成对应的操作模拟飞行的指令参数和指令复诵文本。
2.根据权利要求1所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述步骤S1对所述指令文本进行预处理包括以下步骤:
S11:去除所述指令文本中的标点符号、特殊字符,并对所述指令文本中无意义杂词进行过滤,所述无意义杂词包括语气词、重复词;
S12:对所述指令文本中出现的组合型专有词汇进行合并。
3.根据权利要求1所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述步骤S2包括:
S21:输入所述预处理后的指令文本,先进行中英文分类;
S22:将中文字符输入到所述分词模型中进行中文指令分词,输出分词标签;
S23:将所述分词标签中的词组与空管特殊词汇表进行比对,对所述分词标签中错误的特殊词汇分词进行纠错,得到修正后的分词标签,所述空管特殊词汇表中的数据至少包括地点、指令、航空公司名、地名;
S24:输入英文文本或所述修正后的分词标签到所述意图识别模型中,输出所有意图分类的概率向量,向量长度与意图类别数量相同,所述向量中每个位置的值为包含该意图的预测概率值,同时,设置阈值,对所述预测概率值进行筛选,筛选出可信度高于所述阈值的预测概率值,检查所述预测概率值对应的关键词是否包含在所述预处理后的指令文本中,若是,则获得最终的意图;
S25:输入所述英文文本或所述修正后的分词标签到所述实体命名模型中,输出所述预处理后的指令文本对应的语义标签序列,同时,对于所述最终意图中包含更正意图的指令文本,去除其语义标签序列中需要更正的指令语义,只保留更正后的指令语义,作为所述最终的语义标签序列。
4.根据权利要求3所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述步骤S2还包括:对所述意图和所述语义标签序列进行相应的后处理,将固定的专业词汇替换为英文缩写,将中英文数字替换为***数字。
5.根据权利要求4所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述意图包括:陈述性管制意图、管制识别意图、询问管制意图。
6.根据权利要求5所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述步骤S3中,将所述管制指令分为:陈述性管制指令、管制识别指令、询问类指令;
所述陈述性管制指令为通过陈述性语句给飞行员发布的交通干预指令,指令形式为航班号加指令的AB型;
所述管制识别指令为飞机进入管制扇区时,第一次主动与管制员联系后的管制员指令;
所述询问类指令分为:重复确认类指令和协商性指令,所述重复类指令为管制员对飞行员指令请求的重复确认,所述协商性指令为向飞行员询问发布管制指令的可行性。
7.根据权利要求6所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述步骤S4包括:接收所述陈述性管制指令,根据所述空管复诵规则,将航班号与指令进行顺序调整并补足,所述陈述性管制指令变为指令加航班号的BA型指令,所述BA型指令为所述陈述性管制指令的复诵指令文本,从所述陈述性管制指令对应的所述陈述性管制意图中提取陈述性管制意图参数,将所述陈述性管制意图和所述陈述性管制意图参数转换为模拟机能够识别的指令参数;
接收所述管制识别指令,根据所述空管复诵规则,飞行员复诵航空器呼号,解析所述管制识别指令对应的语义标签序列,提取航空器呼号,从所述管制识别指令对应的所述管制识别意图中提取管制识别意图参数,将所述管制识别意图和所述管制识别意图参数转换为模拟机能够识别的指令参数;
接收所述询问类指令,判断所述询问类指令的类型,若判断为重复确认类指令,则根据所述空管复诵规则,飞行员复诵陈述指令,根据对应的语义标签序列分割所述重复确认类指令中的航空器呼号和其他指令,并进行重新排序,以所述航空器呼号作为结束,得到所述询问类指令的指令复诵文本;若判断为协商性指令,则根据所述空管复诵规则,从所述协商性指令对应的所述询问管制意图中提取询问管制意图参数,机长根据飞行态势将所述询问管制意图和所述询问管制意图参数进行判定,若合法则复诵指令,同时将所述管制识别意图和所述管制识别意图参数转换为模拟机能够识别的指令参数,若不合法则开启下一轮协商。
8.根据权利要求1-7任一所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述步骤S1还包括:构建特勤处置模块,处理飞行过程中遭遇的特殊情况场景,生成并输出机长文本指令。
9.根据权利要求1所述的一种面向空管模拟培训的文本指令生成方法,其特征在于,所述步骤S1中的所述特殊情况场景包括:航空器故障、机组突发状况、外部环境干扰。
10.一种面向空管模拟培训的文本指令生成设备,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116595.8A CN115470796A (zh) | 2022-09-14 | 2022-09-14 | 一种面向空管模拟培训的文本指令生成方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116595.8A CN115470796A (zh) | 2022-09-14 | 2022-09-14 | 一种面向空管模拟培训的文本指令生成方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115470796A true CN115470796A (zh) | 2022-12-13 |
Family
ID=84332613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211116595.8A Pending CN115470796A (zh) | 2022-09-14 | 2022-09-14 | 一种面向空管模拟培训的文本指令生成方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115470796A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662555A (zh) * | 2023-07-28 | 2023-08-29 | 成都赛力斯科技有限公司 | 一种请求文本处理方法、装置、电子设备及存储介质 |
CN117593924A (zh) * | 2024-01-19 | 2024-02-23 | 中国民用航空飞行学院 | 一种基于场景复现的空管员培训方法及*** |
-
2022
- 2022-09-14 CN CN202211116595.8A patent/CN115470796A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662555A (zh) * | 2023-07-28 | 2023-08-29 | 成都赛力斯科技有限公司 | 一种请求文本处理方法、装置、电子设备及存储介质 |
CN116662555B (zh) * | 2023-07-28 | 2023-10-20 | 成都赛力斯科技有限公司 | 一种请求文本处理方法、装置、电子设备及存储介质 |
CN117593924A (zh) * | 2024-01-19 | 2024-02-23 | 中国民用航空飞行学院 | 一种基于场景复现的空管员培训方法及*** |
CN117593924B (zh) * | 2024-01-19 | 2024-03-26 | 中国民用航空飞行学院 | 一种基于场景复现的空管员培训方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115470796A (zh) | 一种面向空管模拟培训的文本指令生成方法及设备 | |
CN113569545B (zh) | 一种基于语音识别纠错模型的管制信息提取方法 | |
CN110188345B (zh) | 一种电力操作票的智能识别方法与装置 | |
CN110428830B (zh) | 一种基于正则表达式的空管指令意图识别方法 | |
CN112966555B (zh) | 一种基于深度学习和部件先验的遥感影像飞机识别方法 | |
CN113053367A (zh) | 语音识别方法、语音识别的模型训练方法以及装置 | |
CN114218932A (zh) | 基于故障因果图谱的航空故障文本摘要生成方法及其装置 | |
CN111627257B (zh) | 基于航空器运动趋势预判的管制指令安全预演与校验方法 | |
CN113673228A (zh) | 文本纠错方法、装置、计算机存储介质及计算机程序产品 | |
CN113268595A (zh) | 一种基于实体关系抽取的结构化机场警报处理方法 | |
Helmke et al. | Readback error detection by automatic speech recognition and understanding | |
CN110069771B (zh) | 一种基于语义组块的管制指令信息处理方法 | |
CN110232121B (zh) | 一种基于语义网的管制指令分类方法 | |
Rataj et al. | AcListant with Continuous Learning: Speech Recognition in Air Traffic Control | |
US20210224307A1 (en) | Information processing device, information processing system, and computer program product | |
CN115938347B (zh) | 基于语音识别的飞行学员通话规范性评分方法及*** | |
CN115359784B (zh) | 基于迁移学习的民航陆空语音识别模型训练方法及*** | |
CN111652157A (zh) | 一种低资源语种与通用语种的字典词条提取及识别方法 | |
CN113627197B (zh) | 文本的意图识别方法、装置、设备及存储介质 | |
CN116092342A (zh) | 一种管制员模拟培训自动应答和质量评估方法及*** | |
CN107730002B (zh) | 一种通信网关机遥控参数智能模糊比对方法 | |
CN115689603A (zh) | 用户反馈信息收集方法、装置及用户反馈*** | |
US20030236668A1 (en) | Process and device for devising an abridged form of any term that is used in an alarm message intended to be displayed on a screen of the cockpit of an aircraft | |
CN114121017A (zh) | 多安全级空管语音智能监控*** | |
CN113420121A (zh) | 文本处理模型训练方法、语音文本处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |