一种目标意图识别方法、系统及电子设备技术方案

本发明专利技术提供一种目标意图识别方法、系统及电子设备，包括：根据不同类型目标之间的历史意图构建包含目标和意图场景的时空知识图谱；基于时空知识图谱对一个时间粒度和一个空间粒度下的目标进行节点层面特征提取，得到携带待识别目标意图信息量相对较多路径的特征信息；基于时空知识图谱对目标进行关系层面特征提取，以根据时空知识图谱的固有特征获取目标的意图倾向向量；将特征信息和意图倾向向量输入到目标意图识别融合模型，得到待识别目标的意图；模型用于将一个时间粒度、空间粒度下的特征信息和意图倾向向量融合，得到单维度意图识别结果，并将不同维度意图识别结果融合，以获取目标意图识别结果。本发明专利技术提高了目标意图识别结果的可靠性。识别结果的可靠性。识别结果的可靠性。

【技术实现步骤摘要】
一种目标意图识别方法、系统及电子设备


[0001]本专利技术属于目标意图识别领域，更具体地，涉及一种目标意图识别方法、系统及电子设备。

技术介绍

[0002]国外目标意图识别的研究起步较早，并且在理论框架结构和系统开发方面取得了很大的进展。国内目标意图识别比较典型和著名的研究成果有：国防科技大学的姚春燕的态势估计时间推理方法，提出了模糊时间、最大后验概率、假设检验统计等推理方法；西安电子科技大学的吴霁博士的规划识别态势估计模型，利用两级规划识别模型和路径规划识别进行意图估计；西安电子科技大学的康耀红等人的计划识别模型等等。这些系统模型都部分的实现了意图估计的某些功能，从知识基系统到逻辑模板匹配再到多代理计划识别方法，研究者逐步意识到，对于目标所处环境等各项因素，各种信息的刻画问题直接影响态势预测、意图估计的最终结果。
[0003]综上可知，现有方法忽略了目标所处环境的模糊性与随机性，以及空中目标操作员的主观性，得到的目标意图识别结果不可靠。

技术实现思路

[0004]针对现有技术的缺陷，本专利技术的目的在于提供一种目标意图识别方法、系统及电子设备，旨在解决现有目标意图识别方法可靠性不佳的问题。
[0005]为实现上述目的，第一方面，本专利技术提供了一种目标意图识别方法，包括以下步骤：
[0006]根据不同类型目标之间的历史意图构建包含目标和意图场景的时空知识图谱；所述时空知识图谱中的节点为目标对应的实体，边表示两个目标之间存在意图，一个目标在所述时空知识图谱中具有至少一个节点，一个节点对应一个目标在一个时间粒度和一个空间粒度下的编码，每个目标具有多个时间粒度和/或多个空间粒度的编码，每个目标属于一种目标类型；
[0007]基于所述时空知识图谱对一个时间粒度和一个空间粒度下的待识别目标进行节点层面特征提取，得到携带待识别目标意图信息量相对较多路径的特征信息；
[0008]基于所述时空知识图谱对所述待识别目标进行关系层面特征提取，以根据时空知识图谱的固有特征获取待识别目标的意图倾向向量；
[0009]将所述特征信息和意图倾向向量输入到预先训练的目标意图识别融合模型，得到待识别目标的意图；所述目标意图识别融合模型用于将一个时间粒度和一个空间粒度下的特征信息和意图倾向向量融合，得到待识别目标在一个时间粒度和一个空间粒度下的意图识别结果，并将待识别目标在不同时间粒度和不同空间粒度的不同组合下的意图识别结果融合，得到不同维度的意图识别融合结果，之后基于不同维度的意图识别融合结果确定待识别目标的意图。
[0010]在一种可能的实施方式中，所述节点层面特征提取，具体为：
[0011]在时空知识图谱中，以待识别目标为起点构建有向图，获取待识别目标至对侧目标之间不包含回路的所有路径；其中，所述待识别目标的意图为待识别目标相对对侧目标的意图；
[0012]选取所有路径中路径长度小于预设值且路径特征值从大到小排序相对靠前的多条路径；所述多条路径为携带待识别目标意图信息量相对较多的路径；
[0013]将所述多条路径分别输入到长短时记忆网络LSTM中，得到每条路径的特征向量；
[0014]将每条路径的特征向量拼接得到所述特征信息。
[0015]在一种可能的实施方式中，所述路径特征值通过如下步骤确定：
[0016]确定路径上的每个节点和相邻两个节点之间的关系；
[0017]从路径的头部开始，每增加一个节点得到一个子路径，得到多个子路径，直至增加到尾部节点；
[0018]确定路径中每个节点在时空知识图谱中的关系数量；所述关系数量为以该节点为头部节点的所有单条边对应的意图总数，其中，意图总数通过每种意图对应的边数量相加得到，每种意图的边数量除以所述关系数量为每种意图在该节点关系数量中所占的权重；
[0019]将路径中前一个节点到后一个节点之间边对应意图种类在前一个节点关系数量中所占权重作为后一个节点相比前一个节点作为尾部节点的子路径的意图权重；
[0020]确定下一个子路径相比上一个子路径的增加节点，将上一个子路径的路径特征值与增加节点的意图权重相乘得到下一个子路径的路径特征值，依次求解各个子路径的路径特征值以得到头部节点至尾部节点组成路径的路径特征值；所述路径中头部节点对应子路径的路径特征值为预设值。
[0021]在一种可能的实施方式中，所述关系层面特征提取，具体为：
[0022]在时空知识图谱中确定待识别目标和对侧目标对应的节点；
[0023]通过基于翻译嵌入的倾向函数和待识别目标对应节点与对侧目标对应节点之间存在的意图确定待识别目标在每种意图下的倾向值，并将所有意图下的倾向值拼接得到待识别目标的意图倾向向量。
[0024]需要说明的是，知识图谱的固有特征可以理解为：若A与B之间存在某种关联，即存在一条边，则将满足如下等式：A的投影向量+关系表示向量＝B的投影向量。若A与B之间不存在关联，则不满足上述等式。
[0025]另外，正是由于当A和B存在关联时具有上述等式关系，可以根据上述等式构建对应的知识图谱。
[0026]在一种可能的实施方式中，每种意图下的倾向值通过如下步骤确定：
[0027]将待识别目标节点h的编码转换为对应超平面的投影向量h
⊥
，将对侧目标节点t的编码转换为对应超平面的投影向量t
⊥
；
[0028]将意图r的编码转换为对应超平面的表示向量d
r
，则实体对(h,t)对意图r的倾向值为：
[0029]在一种可能的实施方式中，所述目标意图识别融合模型包括：特征融合模块和意图多分类器；
[0030]所述特征融合模块用于将一个时间粒度和一个空间粒度下的特征信息和意图倾向向量融合，得到待识别目标在一个时间粒度和一个空间粒度下的意图识别结果；
[0031]所述意图多分类器用于基于不同维度的意图识别融合结果对待识别目标的意图进行分类，确定每种预设意图的概率，将概率值最大的预设意图作为待识别目标的意图。
[0032]第二方面，本专利技术提供了一种目标意图识别系统，包括：
[0033]知识图谱构建单元，用于根据不同类型目标之间的历史意图构建包含目标和意图场景的时空知识图谱；所述时空知识图谱中的节点为目标对应的实体，边表示两个目标之间存在意图，一个目标在所述时空知识图谱中具有至少一个节点，一个节点对应一个目标在一个时间粒度和一个空间粒度下的编码，每个目标具有多个时间粒度和/或多个空间粒度的编码，每个目标属于一种目标类型；
[0034]特征提取单元，用于基于所述时空知识图谱对一个时间粒度和一个空间粒度下的待识别目标进行节点层面特征提取，得到携带待识别目标意图信息量相对较多路径的特征信息；以及基于所述时空知识图谱对所述待识别目标进行关系层面特征提取，以根据时空知识图谱的固有特征获取待识别目标的意图倾向向量；
[0035]目标意图识别单元，用于将所述特征信息和意图倾向向量输入到预先训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标意图识别方法，其特征在于，包括以下步骤：根据不同类型目标之间的历史意图构建包含目标和意图场景的时空知识图谱；所述时空知识图谱中的节点为目标对应的实体，边表示两个目标之间存在意图，一个目标在所述时空知识图谱中具有至少一个节点，一个节点对应一个目标在一个时间粒度和一个空间粒度下的编码，每个目标具有多个时间粒度和/或多个空间粒度的编码，每个目标属于一种目标类型；基于所述时空知识图谱对一个时间粒度和一个空间粒度下的待识别目标进行节点层面特征提取，得到携带待识别目标意图信息量相对较多路径的特征信息；基于所述时空知识图谱对所述待识别目标进行关系层面特征提取，以根据时空知识图谱的固有特征获取待识别目标的意图倾向向量；将所述特征信息和意图倾向向量输入到预先训练的目标意图识别融合模型，得到待识别目标的意图；所述目标意图识别融合模型用于将一个时间粒度和一个空间粒度下的特征信息和意图倾向向量融合，得到待识别目标在一个时间粒度和一个空间粒度下的意图识别结果，并将待识别目标在不同时间粒度和不同空间粒度的不同组合下的意图识别结果融合，得到不同维度的意图识别融合结果，之后基于不同维度的意图识别融合结果确定待识别目标的意图。2.根据权利要求1所述的方法，其特征在于，所述节点层面特征提取，具体为：在时空知识图谱中，以待识别目标为起点构建有向图，获取待识别目标至对侧目标之间不包含回路的所有路径；其中，所述待识别目标的意图为待识别目标相对对侧目标的意图；选取所有路径中路径长度小于预设值且路径特征值从大到小排序相对靠前的多条路径；所述多条路径为携带待识别目标意图信息量相对较多的路径；将所述多条路径分别输入到长短时记忆网络LSTM中，得到每条路径的特征向量；将每条路径的特征向量拼接得到所述特征信息。3.根据权利要求2所述的方法，其特征在于，所述路径特征值通过如下步骤确定：确定路径上的每个节点和相邻两个节点之间的关系；从路径的头部开始，每增加一个节点得到一个子路径，得到多个子路径，直至增加到尾部节点；确定路径中每个节点在时空知识图谱中的关系数量；所述关系数量为以该节点为头部节点的所有单条边对应的意图总数，其中，意图总数通过每种意图对应的边数量相加得到，每种意图的边数量除以所述关系数量为每种意图在该节点关系数量中所占的权重；将路径中前一个节点到后一个节点之间边对应意图种类在前一个节点关系数量中所占权重作为后一个节点相比前一个节点作为尾部节点的子路径的意图权重；确定下一个子路径相比上一个子路径的增加节点，将上一个子路径的路径特征值与增加节点的意图权重相乘得到下一个子路径的路径特征值，依次求解各个子路径的路径特征值以得到头部节点至尾部节点组成路径的路径特征值；所述路径中头部节点对应子路径的路径特征值为预设值。4.根据权利要求1所述的方法，其特征在于，所述关系层面特征提取，具体为：在时空知识图谱中确定待识别目标和对侧目标对应的节点；
通过基于翻译嵌入的倾向函数和待识别目标对应节点与对侧目标对应节点之间存在的意图确定待识别目标在每种意图下的倾向值，并将所有意图下的倾向值拼接得到待识别目标的意图倾向向量。5.根据权利要求4所述的方法，其特征在于，每种意图下的倾向值通过如下步骤确定：将待识别目标节点h的编码转换为对应超平面的投影向量h
⊥
，将对侧目标节点t的编码转换为对应超平面的投影向量t
⊥
；将意图r的编码转换为对应超平面的表示向量d
r
，则实体对(h,t)对意图r的倾向值为：6.根据权利...

【专利技术属性】
技术研发人员：刘洋，陈炜，刘颢，
申请(专利权)人：中国船舶集团有限公司第七〇九研究所，
类型：发明
国别省市：