简介:针对传统军事命名实体识别方法存在人工构建特征复杂和军事文本分词不准确等问题,提出了一种基于深度学习的军事命名实体识别方法。结合双向长短时记忆(Bi-directionalLongShort-TermMemory,Bi-LSTM)神经网络对较长句子上下文的记忆能力、字向量(characterembedding)对汉字语义的表示能力和条件随机场(ConditionalRandomField,CRF)对标注规则的学习能力,构建了character+Bi-LSTM+CRF实体识别模型。为验证方法的有效性,在军事想定语料集上进行了实验,结果表明:该方法比传统方法识别效果好,识别准确率、召回率和F值均大幅提升。
简介:战争不会“以网络为中心”。战争抑或“以人为中心”,抑或全然没有中心。网络中心战将知识共享和技术互通结合起来,极大地提高了完成任务的能力。网络中心战有助于改善对态势的了解、形成构想和决策,使指挥官能更有效地与参谋、下属甚至上级指挥官进行协调,甚至能够脱离指挥所实施“动态作战指挥”。在军事行动中使用网络将会大有裨益。但是,网络只是帮助指挥官了解态势和决策的工具。美军是大量使用网络的以指挥官为中心的军队,作战指挥(包括其中的艺术和科学)是所有功能领域和任务能力的核心与集成器。本文所持观点基本反映了美国陆军对网络中心战的不同看法。
简介:为评估网络中心战模式下指挥信息系统网络结构对作战体系的影响,在FINC(Force,Intelligence,NetworkingandC2(CommandandControl))模型基础上,提出了指挥信息系统网络结构定量分析方法,结合图论和集合论对该方法进行了数学描述,采用效率表征FINC模型的信息流和协调系数,引入信息融合处理影响,扩展了面向网络的核心网节点,然后构建了指挥信息系统网络结构分析与评估框架。通过传统和网络化指挥信息系统部署示例分析表明:网络化指挥信息系统具有的优势主要体现在改善指挥控制的效率,且作战体系越复杂,网络化指挥信息系统较传统方式优势越明显。示例还验证了该方法的有效性。