亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

天域感知是太空能力的基礎和關鍵，各軍事大國均競相發展天域感知能力。隨著太空目標的迅速增多和感知技術的快速進步，獲取的天域感知數據呈指數級增長，實體關聯關系高度復雜化。傳統的知識獲取和表述方式難以滿足天域感知領域應用需求。知識圖譜是基于圖的知識網絡庫，具備強大的語義處理能力和開放組織能力。文中在天域感知領域引入知識圖譜技術，研究自動化天域感知知識圖譜技術架構和構建流程，提出基于本體和三元組模型的領域知識圖譜建模技術以及基于RoBERTa-BiLSTM-CRF的領域知識抽取技術，為天域感知上層應用賦能賦慧。

太空所特有的全時、全域、能夠自由進出等特 點，以及航天技術、信息技術的快速發展，使得各國 對于太空資源的爭奪愈加激烈，太空平臺對于國家 安全重要性日益突出，來自太空的威脅也日益嚴重。 傳統的軍事大國均競相大力發展太空能力，天域感 知能力是太空能力的基礎和關鍵。2018 年 4 月，美 參聯會發布《太空作戰》條令，用十大能力代替原有 五大任務領域，太空態勢感知為十大能力之一［1］。 2019 年 10 月，美國空軍司令部副司令通知要求用 “天域感知”( Space Domain Awareness，SDA) 來代替 原來的“太空態勢感知”，并將其定義為“識別、表征 和理解與天域相關、有可能影響到太空作戰并進而 影響國家安保、安全、經濟或環境的任何被動或主動 因素”［2］。2020 年 8 月，美軍發布太空領域頂層文 件《太空力量》( Spacepower) ，明確了太空安全、作戰 力量投射、太空機動和后勤、信息傳輸、天域感知等 為五項核心能力，天域感知位列其中［3］。 知識是對信息的組織和抽象，是所有概念、事 實、規則、公理的集合，通常采用本體進行規范化描 述和建模［4］。知識圖譜( Knowledge Graph，KG) 是 一種基于圖的網絡知識庫，用圖對知識和知識關系 進行建模和表征，將各類知識連接到語義網絡中，由 實體、關系和屬性組成，用于描述各種實體及實體之 間的關系，基本構成單元包括“實體－屬性”和“實 體－屬性－實體”“實體－關系－實體”三元組［5－7］。按 照知識覆蓋范圍和應用領域，知識圖譜可以分為通 用知識圖譜( General-purpose Knowledge，GKG) 和領 域 知 識 圖 譜 ( Domain-specific Knowledge Graph， DKG) ［8］。知識圖譜具備強大的語義處理能力和開 放組織能力，已成為人工智能和大數據的一項關鍵 技術。 天域感知領域需對空間實體、地面站、航天發射 基地、偵察對象、隸屬單位等態勢要素，信息、對抗、 協同、隸屬、來源等關聯關系，以及要素、狀態、能力 屬性等進行表征，隨著天域感知技術的發展，獲取的 信息種類越來越多樣化，實體間關系將更加復雜化， 知識應用將愈加廣泛，難以依托現有的通用領域知 識圖譜技術進行天域感知領域知識圖譜構建。另 外，隨著天域感知數據獲取手段的進步，半結構化和 結構化數據急劇增多，現有的隱馬爾科夫模型 ( Hidden Markov Model，HMM) 、循環神經網絡( Ｒecurrent Neural Network，ＲNN) 、雙向長短記憶網絡 ( Bi-directional Long Short－Term Memory，BiLSTM) 、 條件隨機場( Conditional Ｒandom Fields，CＲF) 等技 術存在分詞、標注、上下文語義表達等方面能力不 足，知識抽取效果有待提升。因此，針對上述天域感 知領域特點和現有方法不足，本文充分考慮天域感 知專業特點，基于天域感知領域專家經驗知識對天 域感知領域的知識圖譜進行建模，同時，采用結合 ＲoBEＲTa、BiLSTM、CＲF 等方法優點的知識抽取技 術，實現天域感知知識的高質量抽取，構建天域感知 領域 知 識 圖 譜 ( Space Domain Awareness Domain － specific Knowledge Graph，SDADKG) ，為天域感知知 識語義檢索、智能分析推理、輔助認知決策等應用打 下基礎。