|本期目录/Table of Contents|

[1]张宇恒,郑 胜*,陈晓玥.开源文本中军事目标动向事件抽取方法研究[J].武汉工程大学学报,2024,46(03):299-303.[doi:10.19843/j.cnki.CN42-1779/TQ.202302015]
　ZHANG Yuheng,ZHENG Sheng*,CHEN Xiaoyue.Research on extracting military-target motion events from open-source texts[J].Journal of Wuhan Institute of Technology,2024,46(03):299-303.[doi:10.19843/j.cnki.CN42-1779/TQ.202302015]
点击复制

开源文本中军事目标动向事件抽取方法研究(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
46
期数:
2024年03期
页码:
299-303
栏目:
机电与信息工程
出版日期:
2024-06-30

文章信息/Info

Title:
Research on extracting military-target motion events from open-source texts
文章编号:
1674 - 2869（2024）03 - 0299 - 05
作者:
张宇恒1; 郑 胜*1; 陈晓玥2
1. 武汉工程大学电气信息学院，湖北 武汉 430205；
2. 湖北经济学院信息工程学院，湖北 武汉 430205

Author(s):
ZHANG Yuheng1; ZHENG Sheng*1; CHEN Xiaoyue2
1. School of Electrical and Information Engineering，Wuhan Institute of Technology，Wuhan 430205， China；
2. School of Information Engineering， Hubei University of Economics，Wuhan 430205， China
关键词:
开源军事情报; 事件抽取; 空间关系识别; 深度学习
Keywords:
open-source military intelligence;  event extraction;  spatial relation recognition;  deep learning
分类号:
TP391
DOI:
10.19843/j.cnki.CN42-1779/TQ.202302015
文献标志码:
A
摘要:
从海量非结构化的开源军事目标动向文本中抽取指定军事目标的事件信息以及运动轨迹，是识别和预测军事目标的行动意图、挖掘战场动态信息的基础工作。针对目前事件抽取研究中忽略地点论元之间空间关系信息从而导致无法抽取移动目标的运动轨迹问题，提出划分细粒度空间关系标签的方法来识别空间关系，通过序列标注方法进行事件抽取，使用预训练语言模型进行底层语义编码、双向长短时记忆网络进行深层次特征提取、条件随机场进行标签分类的联合事件抽取模型以完成动向事件抽取。在动向事件抽取结果的基础上，使用运动轨迹抽取算法来加强空间关系信息。通过在自建的真实军事目标动向新闻数据集上进行实验，获取了84.0%的F1分数值。

Abstract:
The extraction of event information and motion trajectory of designated military targets from massive unstructured open-source texts on military target motions constitutes a fundamental undertaking in identifying and forcasting the operational intentions of such targets and in mining battlefield dynamic information. Aiming at the problem that the current event extraction research ignores the spatial relationship information between place arguments，which leads to the inability to extract the trajectory of moving targets，we proposed a method of dividing fine-grained spatial relationship labels to identify spatial relationships， and extracting events through sequence labeling. A joint event extraction model that uses the pre-trained language model for underlying semantic encoding，bidirectional long short-term memory network for deep feature extraction，and conditional random fields for label classification to achieve motion event extraction. On the basis of the motion event extraction results，the motion trajectory extraction algorithm was used to enhance the spatial relationship information. Through experiments on the self-built real military target motion news dataset，the F1 score value of 84.0% was obtained.

参考文献/References:

［1］ 高金虎.军事情报学研究现状与发展前瞻［J］.情报学报，2018，37（5）：477-485.

［2］ 朱艺娜，曹阳，钟靖越，等.事件抽取技术研究综述［J］.计算机科学，2022，49（12）：264-273.
［3］ 贾美英，杨炳儒，郑德权，等.基于模式匹配的军事演习情报信息抽取［J］.现代图书情报技术，2009（9）：70-75.
［4］ 侯立斌，李培峰，朱巧明.基于CRFs和跨事件的事件识别研究［J］.计算机工程，2012，38（24）：191-195.
［5］ 季忠祥，吴悦.基于组合神经网络的中文事件抽取［J］.上海大学学报（自然科学版），2021，27（3）：535-543.
［6］ 王学锋，杨若鹏，李雯.基于深度学习的作战文书事件抽取方法［J］.信息工程大学学报，2019，20（5）：635-640.
［7］ DEVLIN J，CHANG M W，LEE K，et al. BERT：pre-training of deep bidirectional transformers for language understanding［OL］.（2019-05-24）［2023-02-28］. https：//doi.org/10.48550/arXiv.1810.04805.
［8］ 李旭晖，程威，唐小雅，等.基于多层卷积神经网络的金融事件联合抽取方法［J］.图书情报工作，2021，65（24）：89-99.
［9］ 王炳乾，宿绍勋，梁天新.基于BERT的多层标签指针网络事件抽取模型——2020语言与智能技术竞赛事件抽取任务系统报告［J］.中文信息学报，2021，35（7）：81-88.
［10］ 连政. 南海战略态势感知：美军机前往青岛以南黄海海域对华抵近侦察［EB/OL］.（2021-09-04）［2023-02-28］. https：//www.guancha.cn/military-affairs/2021_09_04_605834.shtml.
［11］ 仇培元，张恒才，余丽，等.微博客蕴含交通事件信息抽取的自动标注方法［J］.中文信息学报，2017，31（2）：107-116.
［12］ 于辛. 细粒度空间关系抽取技术的研究［D］.南京： 南京大学，2021.
［13］ LIU Y H， OTT M， GOYAL N， et al. RoBERTa：a robustly optimized BERT pretraining approach ［OL］. （2019-07-26）［2023-02-28］. https：//doi.org/10.48550/arXiv.1907.11692.
［14］ 张晓海，操新文，彭双震，等.基于BI-LSTM-CRF的作战文书命名实体识别［J］.信息工程大学学报，2019，20（4）：502-506，512.
［15］ 艾新波，郭彦君，谢云昊，等.基于ERNIE-CRF-ESL安全隐患文本结构化解析［J］.北京邮电大学学报，2021，44（5）：107-113.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2023-02-28
基金项目：湖北省教育厅基金青年项目（Q20222203）
作者简介：张宇恒，硕士研究生。Email：22003010003@stu.wit.edu.cn
*通信作者：郑 胜，博士，讲师。 Email：08090401@wit.edu.cn
引文格式：张宇恒，郑胜，陈晓玥. 开源文本中军事目标动向事件抽取方法研究［J］. 武汉工程大学学报，2024，46（3）：299-303.

更新日期/Last Update: 2024-07-02