[发明专利]基于深度学习的台风预警规划模型自动生成方法及系统

说明书

本发明公开了一种基于深度学习的台风预警规划模型自动生成方法及系统，其包括以下步骤：A、获取与台风预警有关的自然语言文本；B、基于NLP进行深度学习，建立与台风预警规划有关的词向量集合；C、针对台风预警规划构建动作表示，生成当前域的贝叶斯网输出。本发明基于深度学习的台风预警规划模型自动生成方法及系统通过使用规划领域定义语言自动创建台风应急预案规划领域模型，并引入自然语言处理的方法，将生成贝叶斯网所需的动作序列问题转换成文本序列标注问题，从而针对台风预案的文本特点提出一个生成台风应急规划框架，形成对台风预警规划模型的自动生产技术。

技术领域

本发明涉及一种针对台风预警计划模型的实现软件方法和系统，尤其涉及的是一种针对台风响应领域规划模型的深度学习和自动生成方法及系统的改进。

背景技术

现有技术中，自然灾害是当今世界人类面临的重大问题之一，严重影响到了经济、社会的可持续发展和威胁人类的生存。自然灾害虽然不可避免，但是如果能从以往的灾害事件中提炼出天气发展的总体故事线以及相应的应对措施，就能在新发生灾害的防治决策上提供参考依据。有赖于现有技术计算能力的提升，为了得到往年灾害事件的故事线及救灾措施，正确有效地分析和提取灾害发生的关键信息，并总结防灾救灾措施，以便自动形成对新的可能灾害事件的应对措施方案是十分重要的。

通过运算系统进行智能规划是人工智能的一个重要分支，其主要思想是对周围的环境进行认识和分析，并根据预先设定的目标和过去的应对措施，在提供有限资源和相关约束下，对可供选择的若干可执行救援措施及动作进行推理，从而综合制定出实现设定目标的动作序列，而该动作序列在现有技术中被称作一个规划。

智能规划关注的是实现策略或动作序列，可应用于智能驾驶、智能机器人的动作规划以及宇航技术等多个领域。其中一个具有挑战性的研究内容是基于智能规划的故事叙述，如何从叙事文本中获取有用的信息来构建领域模型，成为叙事规划领域的一大焦点。

对于智能规划建模，目前已有一些方法进行研究与改进。Framer是一个经典的从自然语言描述中学习规划领域模型的方法，它从自然语句输入出发，使用斯坦福的CoreNLP工具来提取动作模板，并对这些动作进行分类，在从原始语句中提取出一致的表述形式，最后使用LOCM工具获取规划领域模型。StoryFramer则是在Framer的基础上进行了改进和扩展，将Framer方法应用到叙述规划中，它使用CoreNLP工具提取动作及属性，然后引入了用户输入环节，提高了整个框架的鲁棒性和实用性。

但通过实验发现上述的方法由于其使用的NLP工具无法很好的区分多义词等复杂情况，所以会导致其标注的词性错误，从而提取出的动作模板冗长且多余，这将导致后续的用户交互工作加大。同时，现有技术中还尚未有针对台风天气灾害的规划与预警方案，因此，现有技术还有待于改进和发展。

发明内容

本发明的目的在于提供一种基于深度学习的台风预警规划模型自动生成方法及系统，提出全新的针对台风文本的应急规划领域模型生成方法和系统，尽可能地提高其可操作性和实用性。

本发明的技术方案如下：

一种基于深度学习的台风预警规划模型自动生成方法，其包括以下步骤：

A、获取与台风预警有关的自然语言文本；

B、基于NLP进行深度学习，建立与台风预警规划有关的词向量集合；

C、针对台风预警规划构建动作表示，生成当前域的贝叶斯网输出。

所述的基于深度学习的台风预警规划模型自动生成方法，其中，所述步骤B还包括：

B1、对步骤A输入的自然语言文本通过BERT模型转化为词向量，并使用BiLSTM-CRF模型对单词标注词性；

B2、根据词性标注结果提取主体、谓词、宾语的动作三元组，生成动作集和对象集。