航空事故领域的知识抽取方法研究与实现

摘要

随着航空运输业与信息技术的快速发展，航空应急管理给海量、异构的航空安全数据高效利用带来了挑战.本文针对航空事故知识图谱的知识抽取问题，即命名实体识别与关系抽取问题，提出以下方法：1）提出基于BERT(bidirectional encoder representations from Transformers)的改进BiGRU-IDCNN-CRF模型，实现94.69%的命名实体识别精确率；2）构建基于强化学习的聚类远程监督关系抽取模型，结合改进K均值聚类与远程监督标注降低数据噪声，并通过强化学习优化去噪过程，最终结合分段卷积神经网络（PCNN）与注意力机制，实现84.16%的关系抽取精确率.实验结果表明，本文方法有效提升了航空事故知识图谱的信息提取质量，为航空安全管理提供了精准的信息支撑.

关键词

航空事故 / 知识抽取 / 命名实体识别 / 关系抽取 / 远程监督 / 强化学习