一种基于NLP的技术体制符合性审查方法

计算机与现代化 ›› 2021, Vol. 0 ›› Issue (09): 63-67.

一种基于NLP的技术体制符合性审查方法

(1.华北计算技术研究所,北京100083;2.军事科学院,北京100091)

出版日期:2021-09-14 发布日期:2021-09-14
作者简介:樊志强(1983—),男,内蒙古包头人,高级工程师,博士,研究方向:大型信息体系结构设计,仿真与评估,E-mail: zhiqiang.fan@qq.com; 通信作者:凌冬怡(1986—),女,湖南长沙人,高级工程师,博士,研究方向:信息系统体系结构设计,系统分析评估,E-mail: lingdongyi@foxmail.com; 牛婵(1991—),女,助理工程师,硕士,研究方向:信息系统需求规范化描述,需求自动分析,E-mail: niuchancx@163.com。
基金资助:
中电太极集团技术创新基金资助项目(19010201)

An NLP Based Review Method for Compliance of Technical System

(1. North China Institute of Computing Technology, Beijing 100083, China;2. Military Academy of Sciences, Beijing 100091, China)

Online:2021-09-14 Published:2021-09-14

摘要/Abstract

摘要： 技术体制符合性审查是信息系统立项时的一个重要环节，是对新立项系统在体系中的定位作用和标准符合性的一个有效评估，也是对项目风险控制的一种重要措施。而目前对于技术体制符合性审查验证通常以人工审查、专家经验判断为主，缺乏有效的技术支撑手段。本文研究以自然语言处理(NLP)为主要技术手段的技术体制审查方法，提出针对技术体制审查的NLP命名实体识别算法，并基于技术体制审查业务和审查算法，实现技术体制审查系统。

关键词: 技术体制, 符合性审查, 命名实体识别

Abstract: Technical system compliance review is an important work before the information system project is approved. It is an effective assessment of the new project approval system's positioning role in the system and standard compliance, and it is also an important measure for project risk control. At present, there is a lack of effective technical means to review and verify the compliance of technical system and standards. The commonly used method is manual review based on expert's experiments. This paper studies the implementation method of technical system compliance review. Taking Natural Language Processing(NLP) as the main technology, the NLP named entity recognition algorithm for technical regime review is proposed. Based on the technical regime review business and review algorithm, the technical regime review system is implemented.

Key words: technical system, compliance review, NER

樊志强, 凌冬怡, 牛婵. 一种基于NLP的技术体制符合性审查方法[J]. 计算机与现代化, 2021, 0(09): 63-67.

FAN Zhi-qiang, LING Dong-yi , NIU Chan. An NLP Based Review Method for Compliance of Technical System[J]. Computer and Modernization, 2021, 0(09): 63-67.

参考文献

［1］铁道第三勘察设计院. 铁路车站客运管理信息系统技术体制［Z］.
［2］雷云. 新业务技术体制下气象信息系统建设思考［J］. 贵州气象, 2007(1):3-6.
［3］周彦. C4ISR系统仿真技术体制研究［C］// 2007系统仿真技术及其应用学术会议论文集. 2007:4.
［4］柳林,张磊. 军事信息系统技术体制管理初探［J］. 技术与创新管理, 2012,33(4):403-405.
［5］曾瑞琪,刘方正,姜秋喜,等. 雷达通信一体化的六种主要技术体制［J］. 现代雷达, 2019,41(2):10-14.
［6］吴红兵,李月芳,周曼. 军事电子信息系统技术体制分类与描述方法［J］. 信息技术, 2013,37(5):169-172.
［7］李西娟. 综合电子信息系统技术体制分类方法［J］. 电子制作, 2014(5):136.
［8］杨怡,芮平亮. 综合电子信息系统技术体制描述框架［J］. 指挥信息系统与技术, 2014,5(1):1-5.

［9］薛晓飞,陈少华,张义武,等. 指挥信息系统综合集成体制兼容装备研制技术［J］. 指挥信息系统与技术, 2019,10(5):81-85.

［10］张泽鑫,程栋,刘娜,等. 军事信息系统信息交换标准符合性测评方法研究与实现［J］. 中国电子科学研究院学报, 2019,14(12):1242-1248.
［11］陈颖,宋文宾. 信息交换类标准符合性测试评价指标体系研究［J］. 舰船电子工程, 2020,40(11):145-147.
［12］武伟. 交通运输数据标准符合性检测研究及系统开发［D］. 西安:长安大学, 2012.
［13］房友园,齐璇. Web服务互操作标准符合性测试框架设计与实现［C］// 全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(下册). 2009:7.
［14］苗夺谦,卫志华. 中文文本信息处理的原理与应用［M］. 北京:清华大学出版社, 2007.
［15］GRISHMAN R, SUNDHEIM B. Message understanding conference-6: A brief history［C］// Proceedings of the 16h International Conference on Computational Linguistics. 1996:466-471.
［16］愈鸿魁,张华平,刘群. 基于层叠隐马尔科夫模型的中文命名实体识别［C］// 全国网络与信息安全技术研讨会. 2005:185-194.
［17］林亚平,刘云中,周顺先,等. 基于最大嫡的HMN文本信息抽取［J］. 电子学报, 2005,33(2):236-240.
［18］沈勤中,周国栋,朱巧明,等. 基于字位置概率特征的条件随机场中文分词方法［J］. 苏州大学学报, 2008,24(3):49-54.
［19］MCCALLUM A, FREITAGD, PEREIRA F. Maxminum entropy Marko models for information extraction and segmentation［C］// Proceedings of the 17th ICML. 2000:591-598.
［20］张素香,高国洋,戚银城. 基于条件随机场的中国人名识别方法［J］. 郑州大学学报(理学版), 2009,41(2):40-43.
［21］YU K, KUROHASHI S, LIU H, et al. Chinese word segmentation and recognition by character tagging［C］// The 3rd International Chinese lauguage Processing Bakeoff. 2006:146-149.
［22］蔡勋梁. 基于多层条件随机场模型的自然语言序列标注研究［D］. 北京:中国科学院自动化研究所, 2007.
［23］洪铭材,张阔,唐杰，等. 基于条件随机场(CRFs)的中文词性标注方法［J］. 计算机科学, 2006,33(10):148-155.

[1]	赵盾1, 佘学兵2, 邬昌兴3. 基于BERT-BiLSTM-CRF党建领域命名实体识别[J]. 计算机与现代化, 2024, 0(09): 91-94.
[2]	乔璐, 孙有朝, 吴红兰. 面向飞机故障文本的信息抽取[J]. 计算机与现代化, 2024, 0(03): 61-66.
[3]	王谭, 陈金广, 马丽丽. 融合词典信息和句子语义的中文命名实体识别[J]. 计算机与现代化, 2024, 0(03): 24-28.
[4]	崔少国, 胡光平. 基于语义分割的嵌套命名实体识别方法[J]. 计算机与现代化, 2024, 0(02): 69-74.
[5]	郑立瑞, 肖晓霞, 邹北骥, 刘彬, 周展. 基于BERT的电子病历命名实体识别[J]. 计算机与现代化, 2024, 0(01): 87-91.
[6]	于韬, 张英, 拥措, . 基于小样本学习的藏文命名实体识别[J]. 计算机与现代化, 2023, 0(05): 13-19.
[7]	朱亚军, 拥措, 尼玛扎西, . 基于藏文BERT的藏医药医学实体识别[J]. 计算机与现代化, 2023, 0(01): 43-48.
[8]	于鹏, 陈钰枫, 徐金安, 张玉洁. 基于多任务学习的电子病历实体识别方法[J]. 计算机与现代化, 2022, 0(09): 40-50.
[9]	杨政, 蔡迪, 李慧斌. 基于层次化表示的电力文本命名实体识别和匹配算法[J]. 计算机与现代化, 2022, 0(05): 75-81.
[10]	李健, 张克亮, 唐亮, 夏榕璟, 任静静. 面向中文命名实体识别任务的数据增强[J]. 计算机与现代化, 2022, 0(04): 1-6.
[11]	王运乾, 王以松, 陈攀峰, 邹龙. 融合注意力机制的药用植物文本命名实体识别[J]. 计算机与现代化, 2021, 0(11): 100-105.
[12]	李欣晔, 张承强, 周雄图, 郭太良, 张永爱. 多场景融合的细粒度图像描述生成算法[J]. 计算机与现代化, 2021, 0(09): 1-6.
[13]	张岑芳. 基于主动学习的命名实体识别算法[J]. 计算机与现代化, 2021, 0(07): 18-22.
[14]	朱岩, 张利, 王煜. 基于RoBERTa-WWM的中文电子病历命名实体识别[J]. 计算机与现代化, 2021, 0(02): 51-55.
[15]	许梦笛, 王金华. 基于深度学习和语法规约的需求文档命名实体识别[J]. 计算机与现代化, 2021, 0(01): 105-110.