基于Doc2Vec和深度神经网络的战场态势智能推送研究

申 远， 黄志良， 胡 彪， 王适之

(空军预警学院， 武汉 430019)

0 引 言

随着战场信息搜集手段、处理分析方法的快速发展，使得作战用户能够获得大量的不同类型、不同粒度、不同时空的战场态势资源，但是也会使得指挥员需要耗费很大的时间精力才能从海量的态势中发掘有效信息资源，会出现“态势泛滥”和“态势缺乏”的矛盾，即一方面战场态势呈指数级增长，另一方面作战用户可以利用到的合适态势资源却很少[1]。目前解决该矛盾问题最直接有效的方法就是智能推送，态势智能推送是以推荐算法为核心，利用知识发现、数据挖掘、机器学习、人工智能等多种方法为用户提供合适的态势资源，态势智能推送能够根据用户个性化需求，主动为用户提供合适的态势，并且当用户需求变化时，态势智能推送也能自适应变化，及时准确地为用户提供个性化、智能化、动态化的态势资源。

智能推送的核心是推荐算法，常见的推荐算法有协同过滤推荐算法[2]、基于内容的推荐算法[3]和组合推荐算法[4]。目前在军用领域，推荐算法理论研究也有一定的成果。胡旭等人[5]针对协同过滤推荐算法的数据稀疏性、扩展性差问题，提出了初始聚类中心优化的K-均值项目聚类推荐算法；余苗等人[6]利用层次向量空间构建用户兴趣空间，根据情报用户少量的定制信息和朴素贝叶斯分类算法建立用户兴趣模型，提出了一种基于朴素贝叶斯分类算法的雷达情报按需分发技术；……