雷樹杰 邢富坤

(1.戰(zhàn)略支援部隊信息工程大學(xué)洛陽校區(qū),河南洛陽 471003;2.青島大學(xué)外語學(xué)院,山東青島 266000)

引 言

命名實體(named entity, NE)主要包括時間表達(dá)式(temporal expression)、數(shù)字短語、人名、地名、機構(gòu)名等的表達(dá)形式，是承載信息的重要語言形式，是理解文本內(nèi)容的關(guān)鍵環(huán)節(jié)。在軍事領(lǐng)域中，英文武器裝備名是構(gòu)成軍事文本的重要命名實體，承載著重要軍事信息，是軍事信息挖掘和情報分析整理工作的重要對象。作為特定表達(dá)形式，英文武器裝備名也是軍事外語教學(xué)與學(xué)習(xí)的重要內(nèi)容，對提高軍事外語專業(yè)化水平也發(fā)揮著重要作用。

目前，英文武器裝備名自動識別的研究在公開文獻(xiàn)中還處于空白階段，而英文人名、地名、機構(gòu)名等普通命名實體及自動識別研究則較為普遍。早期的命名實體識別方法大都基于規(guī)則，20世紀(jì)90年代以后，基于大規(guī)模語料庫的統(tǒng)計方法逐漸成為命名實體識別的主流方法。這方面具有代表性的工作有奧利弗·本德(Oliver Bender)[1]在2003年采用人工標(biāo)注語料訓(xùn)練最大熵模型(maximum entropy model)，對英文與德文中的人名、地名、機構(gòu)名以及其他實體名進行識別并取得不錯的效果；Liao[2]等在2009年提出了一種簡單的半監(jiān)督學(xué)習(xí)算法，該方法通過有效利用大規(guī)模已有的未標(biāo)注語料和條件隨機場(conditional random field)模型，從而實現(xiàn)對多領(lǐng)域命名實體的識別；美國麻省理工學(xué)院阿姆斯特分校也開發(fā)出一款綜合了隱馬爾科夫模型、最大熵模型和條件隨機場模型的自然語言處理開源軟件包MALLET[3]，對命名實體有著較好的識別效果?，F(xiàn)階段，這方面的代表工作主要有S.米什拉(S. Mishra)[4]等在2016年用來自推特的2394條推文訓(xùn)練線性鏈條件隨機場模型，通過上采樣(up-sampling)和添加一些未監(jiān)督的特征來提高模型對噪聲文本中命名實體的識別率。紀(jì)堯姆·朗普勒(Guillaume Lample)[5]等在2016年通過采用雙向長短記憶網(wǎng)絡(luò)(bidirectional long-short term memory)進行命名實體識別，在四種語言的命名實體評測中都取得了非常好的效果。綜合以上研究，本文認(rèn)為，特定領(lǐng)域中的命名實體有著獨特的領(lǐng)域特征，而無論是基于規(guī)則的自動識別方法還是基于統(tǒng)計的自動識別方法都需要特征集的有效支持。因此，本文對英文武器裝備名這個特定領(lǐng)域?qū)嶓w的領(lǐng)域特征進行了調(diào)查總結(jié)，以更好地支持對武器裝備名的自動識別。

一 武器裝備名概述

武器裝備是武裝力量用于實施和保障戰(zhàn)斗行動的武器、武器系統(tǒng)和軍事技術(shù)器材的統(tǒng)稱，通常分為戰(zhàn)斗裝備和保障裝備。戰(zhàn)斗裝備是指在軍事行動中直接殺傷敵人有生力量和破壞敵方各種設(shè)施的技術(shù)手段，如槍械、火炮、坦克以及其他裝甲戰(zhàn)斗車輛、作戰(zhàn)飛機、戰(zhàn)斗艦艇、彈藥、導(dǎo)彈、水雷等。保障裝備是為了有效使用戰(zhàn)斗裝備所必需的軍事技術(shù)器材，如雷達(dá)、聲吶、通信指揮器材、軍用測繪器材、野戰(zhàn)工程機械、軍用車輛、保障艦船、輔助飛機、情報處理裝備、電子對抗裝備等。武器裝備名包括類名和具體名，類名是指某一類武器裝備名的統(tǒng)稱，例如“fighter”“tank”“warship”等。具體名是指明確給出武器裝備名具體描述信息或?qū)Ｖ改骋豢钗淦餮b備的名稱，例如“F-22”“M61 Vulcan”“J-10”等。從軍事領(lǐng)域信息處理需求來看，無論是武器裝備的類名還是具體名都是重要的領(lǐng)域?qū)Ｓ行畔?，都?yīng)作為武器裝備名稱予以分析研究。而武器裝備的類名大都是單個詞，構(gòu)成比較簡單，數(shù)量較為有限，因此，本文主要調(diào)查研究具體武器裝備名稱。

武器裝備名稱是一個開放集合，武器裝備名稱會隨著武器裝備的發(fā)展而不斷地擴充，處于動態(tài)變化當(dāng)中。但從構(gòu)成上講，英文武器裝備名的構(gòu)成要素類型以及具體要素則較為有限且相對穩(wěn)定，其組合具有規(guī)律性、模式性，這為自動識別提供了可能條件。例如，武器裝備名稱 “Mowag 4x4 armored reconnaissance vehicle”，其中的“armored”“reconnaissance”是武器裝備名中特有常用詞， “Mowag”是一個公司名，“4x4”是武器的規(guī)格屬性，這些元素的組合又具有模式性，不會隨意組合，而是按照某種特定的組合順序進行組合，形成完整的武器裝備名稱。

二 數(shù)據(jù)描述與研究方法

1. 數(shù)據(jù)描述

本文以維基百科(Wikipedia)為數(shù)據(jù)來源，從中抽取出6402個英文武器裝備名詞條及類別信息，詞條涵蓋主要武器裝備類型，對不同軍兵種均有覆蓋，具有一定的代表性，見表1。

表1 抽取出的武器裝備名詞條及類別信息舉例

2. 研究方法

本文主要是從武器裝備名的構(gòu)成要素與構(gòu)成模式兩方面開展。在實際研究中，基于人工構(gòu)建的英文武器裝備名數(shù)據(jù)庫，人工開展標(biāo)注與調(diào)查工作，對每一個英文武器裝備名進行結(jié)構(gòu)分析，在較大范圍的調(diào)查基礎(chǔ)上，總結(jié)每種結(jié)構(gòu)的模式規(guī)律和頻率特征，從總體上對英文武器裝備名稱的構(gòu)成要素與構(gòu)成模式有一個較為全面的把握，之后將語言學(xué)調(diào)查結(jié)果轉(zhuǎn)化為可被機器使用的形式化規(guī)則，同時輔以專門詞典和統(tǒng)計信息，可以為英文武器裝備名的自動識別提供支持。

三 英文武器裝備名構(gòu)成類型

英文武器裝備名自動識別的研究很少，其構(gòu)成成分也沒有權(quán)威的分類標(biāo)準(zhǔn)，因此，本文對大量英文武器裝備名進行觀察、總結(jié)、提煉，提出了分層處理策略，并給出一套分類標(biāo)準(zhǔn)。

英文武器裝備名的構(gòu)成成分很復(fù)雜，既有公司名、型號，也會有別稱，還會有描述該武器裝備特征的詞匯。如在 “Rheinmetall 20mm Twin Anti-Aircraft Cannon”這個詞條中，就包含“Rheinmetall”這樣的公司名，“20mm”這樣形容該火炮性能特征的口徑大小，還有“Anti-Aircraft”這樣描述該火炮功能的詞匯。除此之外，英文武器裝備名中還有很多其他與該武器裝備有關(guān)的各類詞匯。在這種情況下，就要求對英文武器裝備名的構(gòu)成成分進行科學(xué)合理的分類，并在覆蓋面足夠廣泛的情況下不冗余，為此，本文采用了兩層分類體系。

1. 第一層分類

在第一層分類中，任意一個英文武器裝備名都可由型號A、別稱N、描述P和縮寫R這四個成分來描述。其中，描述P指對武器裝備特征、制造商、性能等的描述。由于縮寫R單獨出現(xiàn)時一般是整個英文武器裝備名的縮寫，如“薩德”反導(dǎo)系統(tǒng)縮寫為“THAAD”，而其作為武器裝備名的一個組成成分出現(xiàn)時一般是對該武器裝備特定描述的縮寫，如“Type 10 120mm AA Gun”中，“AA”就是“Anti-Aircraft”的縮寫。因此，當(dāng)其與其他成分組合時，將其視作描述P的一個子分類。而當(dāng)縮寫R單獨出現(xiàn)時，將其視作一個單獨的分類。這樣，基于這四個成分的所有可能組合，可將第一層分類的所有情況列舉出來，見表2。

表2 第一層分類情況及舉例

“Scud”是一個別稱，是著名的“飛毛腿”導(dǎo)彈，該詞條由單獨一個別稱N構(gòu)成；“M1”是型號，是美軍現(xiàn)役主戰(zhàn)坦克，該詞條由單獨一個型號A構(gòu)成；“Ferret armored car”由別稱“Ferret”(白鼬)、形容該車為帶裝甲的“armored”與“car”三個部分組成，是英軍的白鼬裝甲車，包含了別稱N與描述該車特征的部分P兩個要素；“Marine Personnel Carrier”由形容該車為海軍使用的“Marine”、形容該車功能為攜帶人員的“Personnel”與“Carrier”三個部分組成，這三個部分都為描述該車特征的部分P；“RIM-7M Sea Sparrow”由型號“RIM-7M”與別稱“Sea Sparrow”組成，是著名的“海麻雀”艦空導(dǎo)彈，包含了型號A與別稱N兩個要素；“SRAAM”是武器裝備名“Short-range air-to-air missile”的縮寫；“152mm towed gun-howitzer M1955”由表示其口徑的“152mm”、表示其為拖拽式的“towed”、表示其型號的“M1955”和“gun-howitzer”組成，包含了型號A與描述該武器裝備特征的部分P兩個要素；“OMC RG-31 Nyala”由公司名“OMC”、別稱“Nyala”(林羚)與型號“RG-31”組成，是南非的“林羚”裝甲車，包含了別稱N、型號A和描述該武器裝備特征的部分P。

第一層分類是對武器裝備名的總體表達(dá)形式分類，該分類沒有考慮具體構(gòu)成要素的組合順序問題，只是根據(jù)某一詞條所包含的構(gòu)成成分種類將其分為八類，同時對于“描述P”，該構(gòu)成成分下還可劃分出更多具體的類，如在“37mm anti-tank gun M1930”這個詞條中，“37mm”“anti-tank”和“gun”都是描述武器裝備特征的詞，但具體來看，“gun”是指該武器裝備的基本類型為火炮，“37mm”是指該火炮的口徑，“anti-tank”是指該火炮的功能，這些描述信息各具獨特性，需要區(qū)別對待。因此，為了更加精確地描述每一個武器裝備詞條的構(gòu)成模式，本文將其進行第二層分類。

2.第二層分類

第二層分類將描述P這個類別進行了具體化的分類，形成了描述類要素，如表3所示。

表3 描述類要素及舉例

基本類型(K)指武器裝備的類別，如“gun”“tank”等，這類表達(dá)形式既可以作為武器裝備名稱的描述成分使用，也可以單獨指稱某一類武器裝備名。軍兵種(M)指武器裝備主要服務(wù)的軍兵種，如“naval”“marine”等。地域(W)指該武器裝備的使用地域，如“amphibious”“offshore”等。作戰(zhàn)功能F指武器裝備在戰(zhàn)爭中的用途，如“anti-tank”“air-to-ground”等。公司(B)指該武器裝備的制造商，常見的有“Boeing”“Lockheed”等。物理特征(S)形容武器裝備的重量、外形等物理屬性，既指“輕型”“重型”這樣武器裝備的重量，也可指“12mm”這樣的口徑。動力(I)指武器裝備的動力來源，如“nuclear”“motor”等。層級(U)既指如“戰(zhàn)術(shù)”“戰(zhàn)役”這樣的戰(zhàn)爭規(guī)模層級，也指如“師”“單兵”這樣的作戰(zhàn)單位層級，還有“中距”“短距”這樣的打擊距離層級。運動方式(T)既指如“拖拽式”“自行式”這樣武器裝備的機動方式，也指“巡航”“彈道”這樣導(dǎo)彈的彈道運行方式。操作(O)既指“有人”“無照料”這樣的操作者是否是人的特征，也有“自動”“半自動”這樣的自動化程度。附屬(C)既指該裝備作為載物附屬于其他載體，也指該裝備作為載具承載其他裝備。武器裝備構(gòu)成要素十分復(fù)雜，有的詞是對武器裝備特征的額外說明，將其歸為補充說明(Z)。此外，在第二層分類中，型號A也具體化為系列E與具體型號V。

四 英文武器裝備名構(gòu)造模式

1. 構(gòu)造模式獲取

本文對搜集到的英文武器裝備名根據(jù)上文提出的兩層分類體系進行手動標(biāo)注，并在計算機的輔助下進行總結(jié)。首先，將該詞條依據(jù)兩層分類體系進行切分；其次，對切分后的每一個部分進行標(biāo)注，得到其構(gòu)成模式。部分標(biāo)注結(jié)果如表4。

表4 英文武器裝備名的部分標(biāo)注結(jié)果

注：標(biāo)注采用“/”作為分隔符將一個英文武器裝備名詞條切分成幾個部分。

“Hawker Sea Fury”是英國霍克公司生產(chǎn)的“海怒”戰(zhàn)斗機，將其切分后，“Hawker”是公司名，標(biāo)為“B”，“Sea Fury”意為“海怒”，標(biāo)為“N”，其構(gòu)成模式為“BN”?！癇avar 373”是伊朗的一款長距防空系統(tǒng)，將其切分為兩部分，第一部分“Bavar”在波斯語中意為“信念”，標(biāo)注為“N”，“373”是其具體型號，標(biāo)注為“V”，其構(gòu)成模式為“NV”?！癕ersad”是伊朗的一款先進的防空系統(tǒng)，在波斯語中意為“埋伏”，所以其構(gòu)成模式標(biāo)注為“N”?！?00mm air defense gun KS-19”是蘇聯(lián)生產(chǎn)的一款高射炮，于二戰(zhàn)結(jié)束后入役。將其切分為五個部分，“100mm”是其口徑，為物理特征，標(biāo)注為 “S”，“air defense”指其作戰(zhàn)功能，標(biāo)注為“F”，“gun”是其基本類型，標(biāo)注為“K”，“KS”是其所在系列，標(biāo)為“E”，“-19”為其具體型號，標(biāo)為“V”，得到其構(gòu)成模式為“SFKEV”。得到標(biāo)注語料后，在計算機的輔助下對標(biāo)注語料進行處理，總結(jié)出英文武器裝備名的構(gòu)造模式分布規(guī)律、構(gòu)成要素分布規(guī)律。

2. 構(gòu)成模式、構(gòu)成要素分布規(guī)律

(1)英文武器裝備名構(gòu)成模式的分布規(guī)律

表5是對標(biāo)注后的結(jié)果做統(tǒng)計分析所得。由于構(gòu)成模式較多，此處只列舉排名前十位的構(gòu)成模式。

表5 英文武器裝備名構(gòu)成模式的分布統(tǒng)計(前十位)

構(gòu)成模式總共501類，通過分析表格，可以發(fā)現(xiàn)：其中出現(xiàn)頻率最高的BEV等五個構(gòu)成模式占了調(diào)查集中所有英文武器裝備名的50.64%，而出現(xiàn)頻率排名前十的構(gòu)成模式占了調(diào)查集中所有英文武器裝備名的64.41% ?！癇EV”與“EK”兩類構(gòu)成模式占比最大，都達(dá)到了14%以上，其次是“EV”與“BV”兩種構(gòu)成模式，占比都在6.50%以上，因此從總體分布看，英文武器裝備名的構(gòu)成模式分布十分集中，大量武器裝備名稱只是由少數(shù)幾類模式構(gòu)成，而大部分模式類型對應(yīng)的武器裝備名數(shù)都較為有限。符合“BEV”構(gòu)成模式的英文武器裝備名有著名的艦載戰(zhàn)斗機F4B的陸軍版“Boeing P-12”、中國的“Shenyang J-6”，即殲-6戰(zhàn)斗機等。符合“EK”構(gòu)成模式的有美國著名的“Ticonderoga-class cruiser”(提康德羅加級巡洋艦)、英國正在建造的“Queen Elizabeth-class aircraft carrier”(伊麗莎白女王級航母)等。符合“EV”構(gòu)成模式的有我國著名的地空導(dǎo)彈系統(tǒng)“HQ-9”(紅旗-9)，我國裝備的自行榴彈炮“PLZ-5”等。符合“BV”構(gòu)成模式的有被稱為二戰(zhàn)期間最杰出的手槍之一的“Beretta M1934”(貝雷塔M1934),納粹黨大量配發(fā)的“Walther PP”(瓦爾特PP)手槍等。符合“N”構(gòu)成模式的有美軍的“Spike”(長釘)反坦克導(dǎo)彈，美軍的“Apache”(阿帕奇)武裝直升機等。在構(gòu)成模式中，最長的為“SOBEKED”，在調(diào)查數(shù)據(jù)集中出現(xiàn)過一次，包含了七個構(gòu)成成分，這是英國Vickers公司一戰(zhàn)期間產(chǎn)的一款野戰(zhàn)炮“1.59inch Breech-Loading Vickers Q.F. Gun, Mk II”。構(gòu)成模式復(fù)雜的還有“ESMKEV”，包含了六個構(gòu)成成分，在調(diào)查數(shù)據(jù)集中出現(xiàn)了11次，如英國Vickers公司產(chǎn)的英國第一款后膛裝填的艦炮“BL 12inch naval gun Mk VIII”。除此之外，構(gòu)成成分復(fù)雜的還有“SMFKEV”等，這里就不再一一列舉。

英文武器裝備名構(gòu)成模式的分布特點意味著英文武器裝備名的構(gòu)成模式會集中在其中某些構(gòu)成模式上，這也就意味著在較大規(guī)模調(diào)查基礎(chǔ)上可以較全面得到英文武器裝備名的構(gòu)成模式。而有限的模式特征和構(gòu)成要素成為英文武器裝備名構(gòu)成的重要特征，能夠為統(tǒng)計識別方法提供重要的語言特征支持，提升自動識別的效果。

(2)英文武器裝備名的構(gòu)成要素的分布規(guī)律

由于構(gòu)成要素的種類較多，在這里只列舉各個門類排名前十位的構(gòu)成要素統(tǒng)計表(見表6)。

表6 英文武器裝備名構(gòu)成要素統(tǒng)計結(jié)果(前十位)

通過分析圖表，我們可以發(fā)現(xiàn)：總體來看，英文武器裝備名的構(gòu)成要素分布較為集中。其中，“E” (系列)、“V”(具體型號)、“B”(公司)、“K”(基本類型)、“N”(別稱)這五個構(gòu)成要素類型占比較大，都在10.40%以上，而“E”(系列)與“V”(具體型號)更是在21%以上。

上述統(tǒng)計結(jié)果意味著英文武器裝備名的構(gòu)成要素會相對集中于幾個特定類型上，在之后的研究中，可以根據(jù)英文武器裝備名中高頻出現(xiàn)的構(gòu)成要素類型進行有針對性的泛化。如：可以對“E”(系列)、“V”(具體型號)進行泛化，擴充詞典中的武器裝備制造公司B和昵稱N，以此來提高本文總結(jié)規(guī)則的泛化能力。

五 實驗與評價

為檢驗本文總結(jié)的構(gòu)成模式對英文武器裝備名的描寫能力，本文利用未在調(diào)查數(shù)據(jù)集中出現(xiàn)的英文武器裝備名開展開放測試。同時為了更加精確地測試本文總結(jié)的構(gòu)成模式的有效性，還在開放測試中排除未登錄詞的影響后進行了再次測試。

1. 實驗數(shù)據(jù)與評價方法

(1)實驗數(shù)據(jù)

開放測試數(shù)據(jù)來源分為兩個部分：選取500條未在調(diào)查數(shù)據(jù)集中出現(xiàn)過的英文武器裝備名和500條非英文武器裝備名的命名實體混合的數(shù)據(jù)集作為開放測試數(shù)據(jù)。

(2)實驗方法

基于本文總結(jié)提出的英文武器裝備名構(gòu)成模式及相應(yīng)的構(gòu)成要素詞典，利用對構(gòu)成模式的最長匹配方法匹配各個詞條，對測試數(shù)據(jù)中的每一條數(shù)據(jù)進行匹配識別，并記錄識別結(jié)果。

(3)評價方法與指標(biāo)

將識別結(jié)果與原數(shù)據(jù)集做比較，只有完全將詞條識別出來方可視為識別成功，未識別出或部分識別出視為識別失敗。在開放測試完成后，計算識別結(jié)果的準(zhǔn)確率和召回率，并在此基礎(chǔ)上計算F值，用F值來評價本文提出識別方法的效果(見表7)。

表7 評價指標(biāo)

2. 實驗結(jié)果及分析

從實驗結(jié)果看，在未消除未登錄詞的影響前，本文總結(jié)的構(gòu)成模式和提出的識別方法的準(zhǔn)確率非常高，在98.6%以上，但召回率較低，為60%左右，但在消除未登錄詞的影響之后，準(zhǔn)確率上升到了99%以上，召回率上升到了92%以上。這一方面說明本文總結(jié)的構(gòu)成模式對武器裝備名有著很優(yōu)異的描述性能，但同時也要求有效減小未登錄詞的影響(見表8)。

對識別結(jié)果進一步分析發(fā)現(xiàn)，開放測試中的未

表8 實驗結(jié)果

登錄詞所屬的類別也具有很強的不均衡性，最多的未登錄詞是別稱，其次是公司名，這兩者占據(jù)未登錄詞的比例接近61%，因此在未來研究中，可以對英文武器裝備名中的別稱與公司名進行專門研究，研究其類別和規(guī)律，并據(jù)此來構(gòu)建和完善針對別稱與公司名的專門知識，從而進一步提高英文武器裝備名的識別效果，為實用化識別系統(tǒng)的構(gòu)建打下堅實基礎(chǔ)。

六 結(jié) 語

本文對英文武器裝備名的構(gòu)成成分進行了分類并分析，形成了兩層分類體系。在此基礎(chǔ)上，本文對來自維基百科的6402條英文武器裝備名進行了手工標(biāo)注，并對英文武器裝備名的構(gòu)成模式和各個分類所包含的詞單元進行了調(diào)查，形成了英文武器裝備名的構(gòu)成模式庫和領(lǐng)域詞典，并利用實驗對構(gòu)成模式的有效性做了檢驗。在調(diào)查數(shù)據(jù)的基礎(chǔ)上，本文研究了英文武器裝備名的命名規(guī)律，得出了 “英文武器裝備名構(gòu)成要素類型有限，構(gòu)成模式相對確定”的結(jié)論。下一步，我們將以本文的研究為基礎(chǔ)，提出對英文武器裝備名的自動識別方法。

在未來的工作中，可以利用統(tǒng)計學(xué)方法對真實語料中的英文武器裝備名的上下文特征進行描述，并在此基礎(chǔ)上結(jié)合英文武器裝備名的內(nèi)部構(gòu)成規(guī)律，以達(dá)到對英文武器裝備名更好地識別。在較高的準(zhǔn)確率、召回率和較低的誤識率的基礎(chǔ)上，將識別出的英文武器裝備名配以更多的信息顯示出來，開發(fā)出一個實用化系統(tǒng)，以服務(wù)于用戶。

此外，本文針對英文武器裝備名自動識別的有關(guān)工作也可以較為方便地遷移到其他領(lǐng)域的命名實體研究中去，為其提供一定的借鑒。