一种复杂任务规划概念图自动生成方法及系统
本发明属于人工智能与复杂任务信息技术交叉领域,具体涉及一种复杂任务规划概念图自动生成方法及系统。
背景技术:
1、复杂任务规划概念图是复杂任务行动规划与执行过程中用于可视化任务部署、资源配置及空间关联关系的关键工具,对提升指挥决策效率和态势感知能力具有重要意义。它通过将抽象的文本指令、任务构想和复杂要素转化为直观的图形、符号和空间布局,为各级指挥员和任务单元提供统一的态势认知与任务执行蓝图。
2、复杂任务规划概念图在复杂任务行动中的核心功能包括以下几个方面:
3、将冗长、专业的文本计划转化为一目了然的视觉语言,确保指挥层、参谋层和执行层对任务意图、行动要点和空间关系形成快速、统一的理解,极大减少信息误读与传递偏差。
4、通过可视化呈现,帮助指挥员直观地洞察全局、评估行动方案的可行性、识别资源配置的矛盾或空间冲突,从而进行更科学的方案优化与临机决断。
5、明确标示各单元的任务区域、行动路径与协同节点,是跨单元之间实现精准协同、高效配合的基本依据,确保联合行动的共识性、准确性和同步性。
6、作为行动方案的图形化输出,可直接用于沙盘推演、计算机模拟仿真,以预见行动过程中可能出现的风险与挑战,并对行动效果进行预先评估。
7、随着复杂任务形态向“信息化”、“智能化”演进,节奏空前加快,信息量激增,对任务指挥的时效性和精确性提出了更高要求。复杂任务规划概念图已从传统的静态“计划图”,演变为需要动态更新、实时调整的“活”地图。它必须能够快速响应瞬息万变的态势,将新的信息或突发情况即时整合到图形中,以支撑持续、闭环的指挥决策过程。因此,突破其传统人工制作模式的瓶颈,实现自动化、智能化生成,已成为复杂任务信息技术发展的一项迫切需求。
8、传统复杂任务规划概念图的构建方式主要依赖人工对文本的逐句解读与地图位置的手动标注,这一过程存在若干显著缺陷,制约了其在现代信息化条件下的应用效能:
9、效率低下:人工制图流程涉及信息提取、位置标定、符号绘制等多个环节,过程繁琐且耗时较长,难以适应现代对任务方案快速生成、动态更新与实时响应的迫切需求。
10、易出错:复杂任务文本中常包含大量专业术语、复杂逻辑结构及隐含的空间方位信息,人工解析时容易因主观理解偏差或信息疏漏,导致关键任务要素提取不全或空间关系误判,进而影响概念图的准确性与可信度。
11、技术局限性:当前自然语言处理(nlp)技术在通用领域已取得一定进展,但在面向复杂任务领域的专业应用时仍存在明显不足。特别是在专业术语语义理解、空间关系多步推理以及复杂场景的动态建模等方面能力较弱,致使所生成的概念图在逻辑一致性、结构完整性上存在缺陷,甚至出现要素关联矛盾或任务链路断裂等问题。
12、目前,行业内尚未形成一套能够从非结构化复杂任务文本中自动识别与提取任务要素、准确推断实体间空间关系、并直接输出符合规范标准的复杂任务规划概念图的端到端系统解决方案。因此,为有效克服上述瓶颈,亟需构建一种融合人工智能技术与地理信息系统(gis)的自动化生成方法,以实现从文本到可视化任务概念的高效、精准转换,满足未来智能化指挥决策的实战要求。
技术实现思路
1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此,本发明的第一个目的在于提出一种复杂任务规划概念图自动生成方法。
3、本发明的主要目的是提供一种自动化、高准确率的复杂任务规划概念图生成方法及系统,通过大语言模型实现关键信息抽取、空间位置推理与图形化输出,克服传统方法效率低、易出错的缺陷,提升复杂任务指挥与规划的智能化水平。
4、本发明的第二个目的在于提出一种复杂任务规划概念图自动生成系统。
5、本发明的第三个目的在于提出一种计算机设备。
6、本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
7、为达上述目的,本发明第一方面实施例提出一种复杂任务规划概念图自动生成方法,包括:
8、s1,利用大语言模型对输入的非结构化复杂任务文本进行语义解析,识别并提取包含参与方、组织、装备、位置提示词、位置信息、地理位置及方向信息的七类复杂任务要素;
9、s2,基于所述七类复杂任务要素构建主谓宾spo三元组,通过逻辑约束机制明确复杂任务实体间的语义关系与空间关系;
10、s3,结合所述spo三元组与地理信息系统数据,采用上下文驱动的空间位置推理算法对未明确坐标的要素进行位置估计,生成符合复杂任务制图规范的地理坐标信息;
11、s4,将所述地理坐标信息与识别出的复杂任务要素映射至标准化符号库,生成包含基础地理层、复杂任务标注单元层及动态范围层的多图层复杂任务规划概念图;
12、s5,根据实时信息数据动态调整所述多图层复杂任务规划概念图,通过增量更新算法对所述复杂任务要素的位置信息、spo三元组及动态范围层进行局部修正,并在图形输出时保留历史版本的变更记录。
13、在本发明的一个实施例中,所述s1,包括:
14、s11,对所述非结构化复杂任务文本进行分词处理,去除无关字符与停用词,保留包含复杂任务语义的词汇;
15、s12,基于预设的复杂任务术语本体对分词结果进行实体消歧,确定所述七类复杂任务要素的类别归属。
16、在本发明的一个实施例中,所述s2,包括:
17、s21,对所述spo三元组中的谓词进行类型校验,确保所述谓词符合预设的复杂任务行动本体类型集合;
18、s22,通过图神经网络对所述spo三元组进行实体间关系验证,消除因文本歧义导致的逻辑冲突。
19、在本发明的一个实施例中,所述s3,包括:
20、s31,将所述未明确坐标的要素与地理信息数据库中的已知坐标点进行语义匹配,生成初步位置候选集;
21、s32,基于所述spo三元组中的方向信息和距离提示词,通过缓冲区分析算法生成动态范围区域。
22、在本发明的一个实施例中,所述s4,包括:
23、s41,根据所述复杂任务要素的类型和层级关系,从标准化符号库中匹配对应的符号优先级规则;
24、s42,通过多边形叠加算法将动态范围层与基础地理层进行空间一致性校验,确保所述半透明覆盖区域与实际地形无冲突。
25、为达上述目的,本发明第二方面实施例提出了一种复杂任务规划概念图自动生成系统,包括:
26、复杂任务要素提取模块,用于利用大语言模型对输入的非结构化复杂任务文本进行语义解析,识别并提取包含参与方、组织、装备、位置提示词、位置信息、地理位置及方向信息的七类复杂任务要素;
27、语义关系构建模块,用于基于所述七类复杂任务要素构建主谓宾(spo)三元组,通过逻辑约束机制明确复杂任务实体间的语义关系与空间关系;
28、空间位置推理模块,用于结合所述spo三元组与地理信息系统数据,采用上下文驱动的空间位置推理算法对未明确坐标的要素进行位置估计,生成符合复杂任务制图规范的地理坐标信息;
29、多图层生成模块,用于将所述地理坐标信息与识别出的复杂任务要素映射至标准化符号库,生成包含基础地理层、复杂任务标注单元层及动态范围层的多图层复杂任务规划概念图;
30、实时信息处理模块,用于根据实时信息数据动态调整所述多图层复杂任务规划概念图,通过增量更新算法对所述复杂任务要素的位置信息、spo三元组及动态范围层进行局部修正,并在图形输出时保留历史版本的变更记录。
31、本发明实施例的一种复杂任务规划概念图自动生成方法及系统,通过大语言模型实现关键信息抽取、空间位置推理与图形化输出,克服传统方法效率低、易出错的缺陷,提升复杂任务指挥与规划的智能化水平。
32、为达上述目的,本技术第三方面实施例提出了一种计算机设备,包括:处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如第一方面实施例所述的一种复杂任务规划概念图自动生成方法。
33、为达上述目的,本技术第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面实施例所述的一种复杂任务规划概念图自动生成方法。
34、本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com