面向有无人协同场景的类人语言描述表达方法技术

本发明专利技术公开了一种面向有无人协同场景的类人语言描述表达方法，通过模板总结、模板应用、表层生成、隐语式处理等实现一种可以在机器之间、人机之间互操作的语言。首先获取有无人协同场景下的语料或数据，根据语料采用数据挖掘和人工相结合的方法总结模板，语料覆盖不全面时，根据现有数据库对模板库进行补充；当有新消息要产生时，以关键数据中的核心谓词为中心进行模板选择；之后从关键数据中选择具体词汇，并进行指代、省略等操作，生成类人描述语言；最后通过构建的隐语字典对生成的类人描述语言进行隐语式处理得到加密的消息；本发明专利技术在于研究了一种机器使用的交互语言，可实现智能化有无人装备之间、无人装备与操作人员之间的安全信息互操作。安全信息互操作。安全信息互操作。

【技术实现步骤摘要】
面向有无人协同场景的类人语言描述表达方法


[0001]本专利技术涉及机器互操作、语义通信网络
，更为具体地讲，涉及在有无人协同作战场景窄带通信情况下，面向有无人协同场景的类人语言描述表达方法。

技术介绍

[0002]现如今，随着装备的不断更新和计算机运算能力的不断增强，人工智能开始在各个领域展现出自己独有的优势。智能化无人装备逐渐被各国放入自己最新的装备系统中，人工智能运用也越来越成为研究的热点。
[0003]但是目前的智能无人装备在使用中也逐渐出现一些问题，迫切需要多智能体在协同作战方面的理论和实践。单机智能无人装备在应对高动态、高烈度和高威胁的环境时，难以高效准确的完成跨域任务。这需要智能无人装备之间以及无人装备和有人装备甚至指战员之间的协同。
[0004]在协同场景中，无人装备之间及其与人员之间的交互语言毫无疑问具有非常重要的意义。
[0005]首先，智能无人装备之间的信息共享需要专门的交互语言。无人装备之间的协同作战不光涉及到同类别无人装备，更多的涉及的是不同类别的智能体。不同单机依赖自己的环境感知和状态感知系统所形成的信息结构往往不同，尤其是不同的无人车与无人机之间会涉及大量的异构信息和非结构化信息。此类的动态信息的融合是难点，如果没有一致的交互语言，动态信息的融合以及由此进行的态势总结和推理都很难进行。
[0006]其次，智能无人装备与人之间的信息共享需要专门的交互语言。智能体交互语言不能仅仅考虑无人装备，也要考虑到人。多智能体之间的交互语言须确保人能参与其中。/>[0007]目前尚未实现一种机器语言，实现机器之间、人机之间的互操作，协同场景中，信息的采集和传输仍采用传统方式，这已无法满足现代的信息交互需求。

技术实现思路

[0008]本专利技术的目的在于研究一种机器使用的交互语言，主要用于智能化无人装备，使其可以对感知探测仪器和设备收集和分析所得到相关信息进行准确表达和综合加工，从而实现智能化无人装备之间的任务协同语义交互，实现智能化无人装备对状态趋势的协同认知，以及基于协同认知的协同工作。同时，通过对机器数据进行自然语言表征和隐语式加工，实现智能化无人装备与指战员之间的安全信息交互。
[0009]本专利技术采用的技术方案为：
[0010]一种面向有无人协同场景的类人语言描述表达方法，包含以下步骤：
[0011](1)获取有无人协同场景下的语料或数据库，根据语料或数据库总结出模板库；
[0012](2)当有新消息产生时，获取生成消息的关键数据，根据关键数据以核心谓词为中心，在模板库中选择出匹配度满足预定条件的模板；
[0013](3)依据经验或领域规定设计词汇选择规则，对关键数据进行词汇选择，结合选定
的模板，将选择的词汇填入模板中形成初级描述语句，并对初级描述语句中的重复成分进行替换操作，生成有无人协同场景下互操作使用的类人描述语言；
[0014](4)构建隐语词典，通过隐语词典对生成的类人描述语言进行隐语式处理，生成加密之后的消息内容。
[0015]进一步的，所述步骤(1)具体包括以下过程：
[0016](101)对语料中挑出的设定部分句子进行核心谓语类型标注，并采用聚类方法将挑选出的句子进行核心谓词类型分类，然后进行人工校验，调整不满足要求的句子分类，建立句型类别训练集，利用句型类别训练集训练深度学习模型，并使用训练好的深度学习模型对剩余句子进行分类，形成语料库的句型分类，对每类句型进行模板总结，形成模板库；
[0017](102)在语料覆盖不满足要求时，根据现有的数据库对模板库进行补充，依据数据库字段之间的逻辑关系，从文档、段落和句子三层结构构建有无人协同场景下类人语言表达模板库。
[0018]进一步的，所述步骤(2)中在模板库中选择出匹配度满足预定条件的模板，具体包括以下过程：
[0019]在进行消息生成时，如果关键数据中的字段值含有核心谓词，则根据关键数据中的核心谓词选择句型模板；如果关键数据中的字段值不含有核心谓词，则根据字段值的名词语义类别直接指定核心谓词，然后以指定的核心谓词进行分类和模板匹配。
[0020]进一步的，所述步骤(3)中在对重复成分进行替换操作时，替换操作包含指代和省略。
[0021]进一步的，根据字段值的名词语义类别直接指定核心谓词，具体方法为：统计语料中和关键数据中的名词语义同时出现的谓词及其概率，选择概率最大的谓词作为核心谓词。
[0022]进一步的，所述步骤(4)中构建隐语词典，采用两种方法相结合的方式，第一种，从原有隐语中直接继承；另一种，根据汉语造词规律，使用已有的秘密语语素创造新的隐语词。
[0023]本专利技术的有益效果是：
[0024]本专利技术设计了一种类人语言表达方法，用于将无人机等装备收集的数据信息转换为类人语言，以实现无人装备之间以及人与机器之间的信息互操作。同时类人语言表达方法采用文本形式，可在窄带宽通信情况下使用，可确保信息的有效传输；另外，本专利技术采用了隐语式处理，致力于确保生成信息的安全性和隐秘性；总体上将，本专利技术可辅助实现机器之间及人机之间高效、可靠和安全地信息交互。
附图说明
[0025]图1是本专利技术实施例的整体流程框架设计图。
具体实施方式
[0026]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不用于限定本专利技术。
[0027]智能有无人装备之间的协同作战成为了无人作战领域的发展趋势，在协同作战中，无人装备之间及其与作战人员之间的交互毫无疑问具有非常重要的意义，为实现机
‑
机之间、人
‑
机之间的协同互操作，本专利技术提供了一种面向有无人协同场景的类人语言描述表达方法。该表达方法实现的具体步骤如下：
[0028](1)获取有无人协同场景下的语料或数据库，根据语料或数据库总结出模板库；
[0029]在根据有无人协同场景下的语料或数据总结模板库中，采用多策略模板生成方法，针对无人协同场景下的语料采用数据挖掘技术和人工方法协作的方式进行句型总结，对语料中挑出的设定部分句子进行核心谓语类型标注，并采用聚类方法将挑选出的句子进行核心谓词类型分类，然后进行人工校验，调整不满足要求的句子分类，建立句型类别训练集，利用句型类别训练集训练深度学习模型，并使用训练好的深度学习模型对剩余句子进行分类，形成语料库的句型分类，对每类句型进行模板总结，形成模板库；
[0030]若现有语料覆盖不全面，则根据现有的数据库对模板库进行补充，依据数据库字段之间的逻辑关系，从文档、段落和句子三层结构构建有无人协同场景下类人语言表达模板库。
[0031](2)当有新消息产生时，获取生成消息的关键数据，根据关键数据以核心谓词为中心，在模板库中选择出匹配度满足预定条件的模板；
[0032]在模板库中选择出匹配度满足预定条件的模板本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向有无人协同场景的类人语言描述表达方法，其特征在于，包含以下步骤：(1)获取有无人协同场景下的语料或数据库，根据语料或数据库总结出模板库；(2)当有新消息产生时，获取生成消息的关键数据，根据关键数据以核心谓词为中心，在模板库中选择出匹配度满足预定条件的模板；(3)依据经验或领域规定设计词汇选择规则，对关键数据进行词汇选择，结合选定的模板，将选择的词汇填入模板中形成初级描述语句，并对初级描述语句中的重复成分进行替换操作，生成有无人协同场景下互操作使用的类人描述语言；(4)构建隐语词典，通过隐语词典对生成的类人描述语言进行隐语式处理，生成加密之后的消息内容。2.根据权利要求1所述的面向有无人协同场景的类人语言描述表达方法，其特征在于，步骤(1)具体包括以下过程：(101)对语料中挑出的设定部分句子进行核心谓语类型标注，并采用聚类方法将挑选出的句子进行核心谓词类型分类，然后进行人工校验，调整不满足要求的句子分类，建立句型类别训练集，利用句型类别训练集训练深度学习模型，并使用训练好的深度学习模型对剩余句子进行分类，形成语料库的句型分类，对每类句型进行模板总结，形成模板库；(102)在语料覆盖不满足要求时，根据现有的数据库对模板库进行补充，依...

【专利技术属性】
技术研发人员：耿虎军，高晓倩，楚博策，王梅瑞，张文宝，韩长兴，高峰，陈勇，刘洪超，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：