基于HNC語義分析模型的文圖轉換研究

1.裝甲兵工程學院 科研部，北京 100072

2.中國科學院 聲學研究所，北京 100190

1.裝甲兵工程學院 科研部，北京 100072

2.中國科學院 聲學研究所，北京 100190

1 引言

在信息化技術高速發展的條件下，軍事領域的文書自動化分析也在走向深入。軍用文書特別是作戰文書處理要求能夠自動地獲取文書中的關鍵要素信息，并根據這些要素信息之間的語義關系繪制出軍事要圖，實現文圖的自動轉換。在傳統作戰條件下，這要參謀人員人工分析，獲取文書要素信息，然后通過費時費力的手工繪制才能實現[1]。計算機技術和語言分析技術的發展使得機器自動分析軍事文書并自動繪制出軍事要圖成為可能。李向陽等利用信息抽取技術給出了一種軍用文圖自動轉換方案，以10篇樣本測試信息點抽取的F值為93.43%[2]；孫宏綱等引入了自然語言處理的分句分詞技術進行了軍事文書的自動標圖研究，構造了總體結構和算法模型[3]；鮑廣宇等運用句法分析規則和機器翻譯技術實現了一個軍事文本標圖的原型系統[4]；顧曉明等甚至探討了基于本體的軍用文書理解，試圖建立軍事本體庫，方法仍是模式匹配[5]。還有秦曉周等[6]、胡斌等[7]、楊健等[8]、姜文志等[9]，都在軍事文圖的自動轉換方面進行了研究，大大推動了自然語言分析技術在軍事文書自動分析領域的應用。不過，以上所述引入的自然語言分析技術主要還是停留在詞法分析、句法分析層次，有的甚至基于形式語言的編譯原理，而隨著自然語言語義分析技術的發展，涉及語言深層的語義模型和語義分析技術也可以應用于軍事文圖轉換，可以進一步提高軍事作戰指揮的自動化水平。

本文通過概念層次網絡（HNC）理論[10-12]的自然語言理解模型，實現了軍事文書中時間、地點、部隊番號等關鍵要素信息的識別和抽取，對句群文本的語句進行了語義分析，探討了軍事文書的語境單元萃取技術。運用本文提出的技術和方法對實際軍事文書語料進行分析之后，獲得了預期的準確率，可以為軍事要圖標繪提供直接的繪圖信息。

2 自然語言的語義分析模型

概念是語義表示和語義理解的重要手段，HNC理論認為語言有其在大腦中對應的語言概念空間，語言概念空間是人類語言智能的基礎。語言概念空間自下而上可以分為概念基元、句類、語境單元和語境四個層面。第一層面的概念基元是描述各種各樣概念的基礎，由一個精心設計的延伸關系明確的具有網絡聯系的概念符號體系構成，這些概念基元符號可以描述自然語言空間的詞語所表達的概念，便于計算機的分析和計算。第二層面的句類來源于概念基元，描述了自然語言空間語句的語義類型和語義結構，通過已經實現的句類分析技術[13-14]可以對語句的句類代碼、語塊和語塊內部構成進行分析，得到構成語塊的詞語概念符號以及句類中語塊之間的關系，這些語塊和語義關系是軍事文書中部隊關系和作戰關系的基礎。第三層面的語境單元對應于自然語言空間的句群，語境單元用領域句類表示式表示，描述了句群的領域（由概念基元定義）、情景框架（參與對象和對象之間的語義關系）和背景（時間、地點等）。第四層面的語境則對應于自然語言框架的篇章，是對短時記憶和長時記憶的描述，主要由敘述對象和內容或論述對象和內容構成。

軍事文書具有敘述規范、描述準確、人理解起來無二義性等特點，因此在自然語言理解中有一些方便之處。對于軍事文書中的作戰文書，經過實際語料分析后可以總結出較為規范的語境單元，例如語境單元“首長決心”可以用表1表示。

表1 語境單元示例（“首長決心”）

在語境單元框架的填充過程中，既需要對句群進行整體性的分析，如獲取“過程”的先后次序，也需要分析語句的句類語塊構成，如獲取構成部隊的單位或組織，還需要對特殊的概念或概念基元（如時間、地點等）進行識別和獲取。通過對有一個或多個語句構成的句群進行概念基元分析，可以獲得描述作戰部署的句群文本中的部隊番號、時間、地點等概念；通過對句群中的語句進行句類分析，可以獲得構成部隊的組成單位或組織，作戰任務以及任務的方式等信息；通過對句群的整體分析可以獲得部隊的性質、任務過程等信息。因此，對于較為獨立的不依賴于整個句群的時間等概念可以首先處理和獲取；對于需要通過語句語義結構和語義關系才能得到的部隊編成、任務方式等需要對語句進行句類分析，然后獲取相關概念或詞語；而對于整體較強的任務過程、部隊性質等需要結合概念分析和句類分析，通過句群整體來獲得。

3 部隊番號識別

軍事文書中的部隊番號具有其特定的命名方法，而且自成體系。部隊番號最基本的命名方法是“[序]+[{數}]+＜層級＞”，如“第5師”。這里的“第”、數字有時省略，“師”可以替換成“軍、旅、團、營、連、排”等。層級前面可以加“步兵、裝甲”等軍兵種信息，也可以加地區、總稱、國別等信息，還可以加一些功能區別詞，如“戰略、戰術、獨立”等詞語。因此，基本部隊番號可以用BNF范式描述如下：

＜番號＞：：=[＜國別＞|＜總稱＞|＜地區＞][{＜軍兵種＞}][＜序＞{＜數＞}]＜層級用字＞

＜國別＞：：=＜美|日|法|德|英|…＞[軍]

＜總稱＞：：=＜解放軍|中國人民解放軍|自衛隊|人民軍|國防軍|國民革命軍|…＞

＜地區＞：：=＜浦口|河北|…＞

＜軍兵種＞：：=[功能]＜陸軍|步兵|野戰|機步|摩步|騎兵|炮兵|反坦克|反坦克炮兵|二炮|戰略導彈|戰術導彈|工兵|舟橋|通信|裝甲|坦克|裝甲兵|坦克兵|海軍陸戰隊|空降|防空|防化|海軍|艦隊|戰艦|驅逐艦|補給艦|潛艇|航母|航母戰斗群|空軍|…＞

＜序數＞：：=＜第＞＜阿拉伯數字＞

＜數＞：：=＜{阿拉伯數字}＞

＜層級＞：：=＜兵團|軍|方面軍|集團軍|師|旅|團|營|連|排|班＞[[＜分工＞]＜部|隊|處|科|室|預備隊|組|編組|群|戰斗群|攻擊群|…＞]

＜功能＞：：=＜戰略|戰術|獨立|…＞

＜分工＞：：=＜政治|參謀|作訓|科研|后勤|情報|裝備…＞

基本的部隊番號之間可以串聯，形成較為復雜的部隊番號。例如“裝甲第13師炮兵團第3營”，經編碼后為“13ZJSPBT3Y”，供要圖標繪系統使用。番號串聯的特點是按層級從高到低列舉，相同的＜軍兵種＞不重復，串聯時其前的＜總稱＞等一定相同，肯定不重復。例如“中國人民解放軍第一野戰軍第19兵團第65軍”，編碼為“1YZJ19BT65J”。基本的部隊番號之間也可以并聯，并聯時同一軍兵種通常是最后一個層級單位并聯，不同軍兵種則可能不同層級并聯；并聯符號為中文常用的“和”與“、”（頓號），也包括“與”、“并”、“及”。例如“步兵第8團第3連和第6連”，經編碼后為“3·6L/8T”；“集團軍炮兵旅第1、4、5營”，經編碼后為“JTJPBU1?4?5Y”。番號并聯時會出現“配屬”和“欠缺”情況，通常會出現“配屬”、“加強”、“欠”等詞語。

在識別部隊番號時，首先以層級即“軍、師、旅、團、營、連、排、班、隊”為激活點，然后向前尋找左邊界（包括層級用字、數字、“第”字、軍兵種、功能區別詞）。如果遇到串聯則繼續尋找部隊番號左邊界，如果遇到并聯則對頓號“、”等并聯標志進行并聯處理。最后向后尋找右邊界（主要是括號及其中內容），識別“配屬”和“欠缺”等情形。部隊番號的識別算法可以用圖1所示的有限狀態機來描述。

圖1 番號識別算法圖

在軍事文書中，會出現番號的指代和省略現象。指代需要對指代字詞“該、各、敵、我、友”進行特殊處理（如“該師”、“我師”、“敵旅”），指代的恢復則需要從上下文中尋找。省略與整篇文書相關，一般會在文書標題中指明默認的層級名稱，省略的恢復則屬于篇章語境的分析理解范疇，有時在文本中也沒有給出。

4 時間和地點信息的獲取

時間概念有相對時間（如“明天”）和絕對時間之分，也有時間點和時間段之分，時間點如“1945年4月15日3時10分0秒”，時間段如“30分鐘”。在軍事文書中為保證行文的準確性一般使用絕對時間，對任務的開始時間會進行明確規定，對結束時間根據任務的不同會直接指明、用時間段描述或者不指明。

時間信息無論是時間點的信息還是時間段的信息，在需要精確描述和表達的情況下，其基本特征是“數概念+時間概念”。例如“4月15日3時10分0秒”可以拆分為“4月”、“15日”、“3時”等基本時間單位，每個基本時間單位的特征都是“數字+時間詞”。數概念或數字包括阿拉伯數字和中文數字，時間詞主要有：年、月、日、時、分、秒，用于描述時間段的特殊時間詞主要有：天、小時、分鐘。當多個時間單位連續出現時，把它們合并成一個時間信息。

軍事文書中重要地點信息的特征在于有坐標，坐標一般是帶括號式的二維坐標，如“120高地（xx，xx）”。地點信息的第二個特征是與地名、方向和地域等空間概念一同出現，由于地名不可能都收錄到詞典當中，因此地點的左邊界一般是介詞（如“在、于”等）或者句子中的謂語（特征語塊），右邊界一般是“東、西、南、北、地區、一側”等詞語。

獲取地點信息的第一步是判斷帶括號的標號段是否是地點坐標；第二步是以帶括號的地點坐標為中心，向左尋找左邊界（以動詞和某些介詞為準）；第三步是以帶括號的地點坐標為中心，向右尋找右邊界（如果不是方向、地域等則停止）。

有的地點信息在軍事文書中第一次出現時帶有括號式坐標信息，再往后出現時則不帶坐標信息。對這類地點信息可用動態記憶的已識別地點庫來識別不帶坐標的地點信息，即把已經識別的地點存儲到一個數據表中，該數據表處理完一個句子后自動更新。當識別下一個新的句子時，前面識別過的句子中的地點信息可以作為已知地點獲取。

5 語句的語義分析

HNC理論認為，語句的理解或者語義分析就是正確得到語句的句類代碼，這里的“句類代碼”包括語句的格式、語義類別和語塊構成。下面就舉一些例子進行說明：

例1主力向贊皇縣進攻。

分詞結果：主力 向 贊 皇 縣 進攻

句類代碼：!111XT2b*20J=TA+TB2+XT2b

語塊認定：TA：主力；TB2：＜向＞ 贊皇縣；XT2b：進攻

在例1中，“贊”和“進攻”在詞語知識庫中都有句類代碼，但是在分詞之后和句類假設之前，進行了時間地點信息的處理，“贊皇縣”被識別為地名，“贊”字因地名識別而失去動詞資格，全句只剩一個動詞“進攻”。“進攻”的句類代碼為“XT2b*20J”，按照語句基本格式為“TA+XT2b+ TB2”，即“主力+進攻+贊皇縣”。在例1中，語句采用了規范格式!111，前有語塊標志符“向”（l02*TB2），使得動詞“進攻”落在句尾，最終認定語句的句類代碼為!111XT2b*20J。

例2殲滅迂回突入我縱深和在我縱深空降之敵。

分詞結果：殲滅 迂回 突入 我 縱深 和 在 我 縱深空降之敵

句類代碼：!31XY10*21J=XY10+YC

語塊認定：XY10：殲滅 YC：{迂回|突入我縱深和在我縱深空降之敵}

句蛻分析：!31T2bJ=T2b+TB2

句蛻內的語塊認定：T2b：迂回 TB2：突入我縱深和在我縱深空降之敵

在例2中，出現了由多個動詞組合而成的“殲滅迂回突入”動詞團塊，其后雖然還有動詞“空降”，但“空降”后面的“之”字排除了它作為動詞的可能。句類分析程序能正確選出“殲滅”為Eg，“迂回”為 El，但實際上“突入”與“迂回”是并列作為El。此外，對l類概念的“之、和、在、我、敵”句類分析程序未能充分理解和利用，TB2優先空間概念“縱深”這一句類知識也未體現于假設檢驗中，導致句類分析的部分結果仍不如人意。

句類分析程序需要詞語知識庫和句類知識庫的支持，詞語知識庫給出了動詞的句類代碼候選，而句類知識庫給出了句類代碼的語塊以及語塊的優先概念等知識。多動詞的處理是句類分析的頭號難點，需要在句類分析的各個階段進行加強和處理。

6 語境單元萃取

語境單元萃取的核心任務是填充情景框架，填充情景框架的前提是獲得句群文本的領域，在領域句類表示式的指導下對情景框架進行填充，在填充的過程中需要用到前面提到的部隊番號信息、時間地點信息和語句的句類分析結果。

軍用文書描述的內容必然限定于軍事活動這一大領域，從軍事活動的作用效應鏈（作用、過程、轉移、效應、關系、狀態）來看，主要有指揮、作戰、部署、訓練、保障、行軍、作戰各方等等。具體到某一個語境單元如“作戰部署”時，可以給出如表1所示的情景框架。在已經知道一個句群文本領域（參見文獻[15-16]）的情況下，語境單元萃取的過程就是通過句群文本的信息獲取和語句的句類分析，獲得情景框架中需要填充的正確概念或要素。例如下面的句群文本，其領域為“首長決心”。

例3集團軍首長||決心||[#集中主要兵力兵器～||～在2號高地（XX、XX）西側至154高地（XX、XX）東側500米地段～||實施主要突破，+向3號高地（XX、XX）、行樂村（XX、XX）、南清河（XX、XX）方向||實施主要突擊。+采取中間突破，兩翼迂回，縱深打擊，分割圍殲的戰術手段，～||首先殲滅||竹山（XX、XX）北側、梅家莊（XX、XX）北側、尹家莊（XX、XX）南側地域之敵，+爾后殲滅||位昌（XX、XX）、北回車（XX、XX）、北清河（XX、XX）地域之敵，+再向贊皇縣城（XX、XX）、徐樂村（XX、XX）、李家莊（XX、XX）方向||發展進攻。#]

在例3中，該句群有兩個句號形成的“大句”，第一個大句中“決心”之后有逗號分隔形成的兩個小句。第二個大句中，前三個逗號是輔塊中表示要素并聯的標志，最后的兩個逗號把大句分割為三個小句。例3中用語言空間的標注符號標注了語句之間的關系，語塊的類型和邊界。

通過對例3的自動識別，得到的部隊番號為“集團軍”，由于其前后沒有明確表示“敵、友”的信息，所以部隊性質為“我”方；獲取的地點信息是“2號高地…地段”、“3號高地…方向”、“竹山…地域”、“位昌…地域”、“贊皇縣城…方向”，沒有獲取到時間信息；句類分析后獲得的方式輔塊為“集中主要兵力兵器”、“采取…的手段”，獲得的句類代碼有“突破”、“突擊”、“殲滅”、“進攻”；再通過分析句間連接詞獲得順序過程為“先”、“爾后”和“再”。因此，根據表1的框架填充該句群的情景框架如表2所示。

由此可見，首先要獲得句群文本的領域，根據句群領域獲得其領域句類表示式及其確定的情景框架；然后對句群文本進行句類分析和要素識別抽取，根據句類分析的結果和情景框架的要求進行填充。一般而言，時間、地點、方式、手段等輔塊屬于句群的背景信息，而句類中的廣義對象語塊屬于情景框架中的要素各方，句類中的特征語塊表示要執行的動作或者要素各方的關聯關系。

在語句單元情景框架的填充過程中，由于可能從句群中獲得多個要素，例如獲得多個時間或者多個地點，此時如何取舍以及如何精煉信息是需要進一步研究的問題。對于要素各方，同樣有多個要素如何取舍以及如何合并的問題，不能把所有的對象或要素都填充到框架中。

表2 句群情景框架（“作戰部署”）

7 實驗

依據本文提出的軍事文本中句群的語義框架分析模型，以及獲取部隊番號、時間地點等信息的算法，運用HNC的句類分析技術，實現了一個用于軍事文書到要圖標繪的一個文本自動分析和標圖要素獲取的系統，如圖2所示。

圖2 基于語義分析的文圖轉換系統模塊圖

通過實際語料對本系統的測試結果表明，系統經初步測試，單純由坐標激活的地點信息識別準確率達95.9%，召回率則為81.3%。經過調試、改進，準確率超過99.18%，召回率也能提升到98%。最重要的改進是：軍事文書中的地名也不是全部標上坐標，因為上文地名已有坐標而常常不再重復，因此由坐標激活的地名識別結果形成一個動態地名庫，視同已經帶坐標，用于下文的地名識別。如此安排不至于提高了召回率而準確率大降，而且也引進了小小的動態記憶能力。另外，通用地名庫中的地名如“河北省”、“石家莊”、“井陘縣”等可能組合到機構名中（如“河北省獨立第2師”），不宜直接作為地名識別。時間點信息的獲取準確率達到100%，番號識別的準確率為88.42%。對于句類分析后的語塊獲取以及綜合形成的句群文本的情景框架填充，因為需要大量的人工標注和句群劃分、領域標注和情景框架填寫等手工勞動，所以沒有給出具體的統計數據。從一些個別具體的語境單元填充來看，具有較高的準確率可以提供要圖標繪需要的信息。

8 結語

本文采用HNC理論提出的句群的語境單元語義模型，建立了獲取要圖標繪信息的模型和系統。提出了軍事文書中部隊番號的識別算法，根據軍事文書時間地點信息的特殊表達方法，給出了時間地點信息的獲取方法，實驗表明具有99%以上的準確率。運用語句的句類分析技術可以獲得語句中的特征語塊、廣義對象語塊和方式途徑等輔語塊信息，這些信息經過分析整合后填充到句群的情景框架中，作為情景框架的要素可以轉換為要圖標繪所需要的顏色、符號和箭頭等信息。

HNC理論構造了一個龐大的語言本體，類似于SUMO（Suggested Upper Merged Ontology），但遠遠超越了詞語和概念層次，涉及句類、語境單元和文本記憶;采用的假設-檢驗方法，類似于模式匹配。而已有文獻中的軍事本體構造則屬于SUMO統轄下的領域本體庫，未形成統一的處理方法。

總而言之，軍事文書的特點保證了語言表達的準確性和無二義性，為實現自動的文本語義分析和信息自動獲取提供了一定的便利條件。通過對軍事文書中句群的語義分析，可以獲取其中的要素信息和語義關系，這些要素信息和語義關系被統一到句群的情景框架中，再經過情景框架要素到要圖標繪信息的直接簡單轉換就可以實現軍事文書的文圖自動轉換。雖然實驗系統取得了較高的識別準確率和召回率，但是在實際語料的處理中還是遇到了如地名與番號混合、語句語義結構分析錯誤和句群領域情景框架知識規模較少等難題，這也是今后進一步研究的方向。

[1]夏仕保.實用要圖標繪指南[M].北京：軍事科學出版社，2004.

[2]李向陽，張亞非.一種軍用文圖自動轉換方案[J].情報指揮控制系統與仿真技術，2004，26（5）：14-18.

[3]孫宏綱，姚景順，閆國玉.基于自然語言理解的軍事自動標圖系統[J].火力與指揮控制，2005，30（增刊）：25-27.

[4]鮑廣宇，楊飛，劉曉明.軍事文本標圖系統的設計與原型實現[J].解放軍理工大學學報：自然科學版，2003，4（3）：31-34.

[5]顧曉明，翟玉慶.一種基于本體的軍用文書的理解系統設計[J].現代計算機，2006（3）：69-72.

[6]秦曉周，楊天梁，劉增良.圖文互生轉換的實現方法[J].計算機仿真，2003，20（10）：17-20.

[7]胡斌，湯偉，劉曉明.基于自然語言理解的文本標圖系統設計與實現[J].解放軍理工大學學報：自然科學版，2005，6（2）：132-136.

[8]楊健，高文逸，王衍波.一種作戰文書軍事標圖自動化方法[J].解放軍理工大學學報：自然科學版，2006，7（6）：543-547.

[9]姜文志，王迪，范洪達，等.作戰指令自動生成的關鍵模塊設計[J].指揮控制與仿真，2007，29（6）：28-30.

[10]黃曾陽.HNC（概念層次網絡）理論[M].北京：清華大學出版社，1998.

[11]黃曾陽.語言概念空間的基本定理和數學物理表示式[M].北京：海洋出版社，2004.

[12]苗傳江.HNC理論導論[M].北京：清華大學出版社，2005.

[13]晉耀紅.HNC語言理解技術及其應用[M].北京：科學出版社，2006.

[14]李穎，王侃，池毓煥.面向漢英機器翻譯的語義塊構成變換[M].北京：科學出版社，2009.

[15]吳晨，張全，賈寧.一種基于概念的信息檢索方法[J].東南大學學報：英文版，2006，22（3）：324-329.

[16]韋向峰，繆建明，張全.漢語句群領域的自動抽取研究[J].計算機工程與應用，2009，45（4）：11-15.

基于HNC語義分析模型的文圖轉換研究

李 穎1，池毓煥2

LI Ying1,CHI Yuhuan2

1.Department of Science Research,Academy of Armored Force Engineering,Beijing 100072,China
2.Institute of Acoustics,Chinese Academy of Sciences,Beijing 100190,China

Transformation from military document into corresponding map can usually involve non-trivial manual work while automatic document-map transformation system may significantly contribute to the automation of military commanding.Based on the HNC theory and its semantic model,the paper proposes and implements a system that can automatically accomplish such a transformation.By automatically retrieving the name of a troop,temporal and spatial information,together with the result of analysis of sentence category,the proposed approach can fill the contextual framework of a sentence group,whose information can then be easily transferred into map information.Extensive experiments of real military document illustrate that the proposed method can reach a higher rate of precision and recall and hence provide a reliable approach for automatic document-map transformation.

semantic analysis;analysis of sentence category;military document;map depicting;document-map transferring

軍事文書轉換為要圖通常需要耗時費力的人工工作，文圖的自動轉換將大大促進軍事指揮的自動化水平。基于HNC理論及其語義模型提出并實現了一個文圖自動轉換系統，通過對軍事文書中部隊番號的自動識別、時間地點要素的自動獲取，以及語句的句類分析可以獲得句群文本的語義情景框架，根據情景框架中的要素可以直接轉換為要圖標繪所需的信息。實驗表明軍事文書的文本自動分析系統具有較高的準確率和召回率，為實現軍事文書的文圖自動轉換提供了一種可靠方法。

語義分析；句類分析；軍事文書；要圖標繪；文圖轉換

A

TP391

10.3778/j.issn.1002-8331.1212-0049

LI Ying,CHI Yuhuan.Research on text-map transferring based on HNC semantic model.Computer Engineering and Applications,2013,49（11）：135-139.

裝甲兵工程學院創新基金重點項目（No.2011CJ072）。

李穎（1964—），男，博士，副教授，研究領域為自然語言理解處理、人工智能等；池毓煥（1967—），男，博士，助理研究員，研究領域為自然語言理解處理、機器翻譯等。E-mail：lypublic@hotmail.com

2012-12-05

2013-04-12

1002-8331（2013）11-0135-05