基于信息需求的自動推薦算法與仿真

摘 要：信息獲取是指揮決策的前提。在充斥著海量信息的大數(shù)據(jù)時代，高價值信息淹沒于海量信息之中，如何高效獲取指揮人員所需的有用信息，成為提升作戰(zhàn)指揮效能的關(guān)鍵。運(yùn)用基于信息需求的信息自動推薦算法，依據(jù)指揮人員提出的信息需求，通過對信息文本的向量化處理，基于文本相似性比較提取有用信息并向指揮人員自動推薦，可有效提高信息獲取的時效性，提升指揮決策及時性和科學(xué)性。

關(guān)鍵詞：信息需求;信息采集;自動推薦;指揮決策

中圖分類號：E911;TP391 文獻(xiàn)標(biāo)志碼：A DOI：10.3969/j.issn.1673-3819.2024.06.019

Algorithm and simulation of automatic recommendation

based on information requirements

CAI Lijin， ZHANG Fengjun， LU Xun

（Academy of Information Communication， National Defense Science and Technology， Wuhan 430010， China）

Abstract：Information acquisition is the prerequisite for command decision-making. In the era of big data filled with massive information， the useful information is submerged in useless information. How to efficiently obtain the useful information needed by command personnel is the key to improve operational command effectiveness. The author uses the information automatic recommendation algorithm， on the basis of the information requirements proposed by the commander， extracts the useful information and automatically recommends to commander based on the text similarity. It can effectively improve the timeliness of information acquisition and command decision-making， and thus improve the effectiveness of combat command.

Key words：information requirements; information acquisition; automatic recommendation; command decision-making

收稿日期：2023-11-16修回日期：2024-01-25

作者簡介：

蔡理金（1979—），男，副教授，博士研究生，碩士生導(dǎo)師，研究方向為作戰(zhàn)指揮保障。

張鋒軍（1979—），男，副教授。

“科學(xué)的決策是90％的信息+10％的決斷”，信息是點亮指揮人員前行的明燈，作戰(zhàn)指揮人員開展指揮決策，必須依賴來自戰(zhàn)場的各類信息。隨著現(xiàn)代社會進(jìn)入大數(shù)據(jù)時代，現(xiàn)代戰(zhàn)爭亦步入大數(shù)據(jù)時代，信息已經(jīng)成為打贏現(xiàn)代戰(zhàn)爭的關(guān)鍵支撐［1］。但信息并非多多益善，海量信息會導(dǎo)致作戰(zhàn)指揮人員深陷信息迷霧而難以窺透戰(zhàn)爭制勝“密碼”。實踐亦表明，作戰(zhàn)指揮人員指揮決策的科學(xué)性隨著其所獲取信息量的增加而增加并達(dá)到最大值，而后則隨著信息量獲取的增加而降低?！氨橹魉佟?，現(xiàn)代戰(zhàn)場更是瞬息萬變，戰(zhàn)爭基本制勝機(jī)理強(qiáng)調(diào)以快制慢，快速作戰(zhàn)行動依賴于對信息的及時獲取，基于信息優(yōu)勢獲取決策優(yōu)勢和行動優(yōu)勢。因此，作戰(zhàn)指揮人員及時有效獲取支撐作戰(zhàn)指揮的高價值信息已成為奪取戰(zhàn)爭主動權(quán)的關(guān)鍵點。面對大數(shù)據(jù)時代的海量信息，指揮人員在實戰(zhàn)責(zé)任性、時間緊迫性等多重壓力之下，如何采取有效方法獲取作戰(zhàn)指揮所需的有用信息，就成為制約作戰(zhàn)指揮效能發(fā)揮的關(guān)鍵性問題。

本文以作戰(zhàn)指揮人員提出的信息需求為依據(jù)，研究采取基于文本相似度的自動匹配算法，為指揮人員自動推薦與信息需求具有一定相關(guān)度閾值的有用信息，并利用Python語言進(jìn)行仿真。仿真結(jié)果表明，本方法能夠根據(jù)指揮員所提出的信息需求合理推送文本信息，為指揮員和指揮機(jī)構(gòu)作戰(zhàn)指揮提供高效及時的信息服務(wù)保障。

1 基本思路

基于信息需求的信息自動推薦算法［2-3］的基本思路是，在海量的源信息中找到與信息需求最為匹配的信息文本，按照匹配度大小排序自動向作戰(zhàn)指揮人員進(jìn)行推薦，基本思路如圖1所示。

首先，對信息需求文本和海量源信息文本進(jìn)行分詞、去停用詞以及提取出關(guān)鍵詞等處理，使連續(xù)的信息文本呈現(xiàn)離散化;其次，運(yùn)用“詞頻（Term Frequency， TF）-逆文檔頻率（Inverse Document Frequency， IDF）”（TF-IDF）方法［4-5］，提取源信息文本、信息需求文本的關(guān)鍵詞，將文本以詞向量的形式表征;再次，基于不同文本的向量表示形式，運(yùn)用文本相似性計算方法，計算源信息文本與信息需求文本之間的相似性;最后，根據(jù)實際情況選取合適的閾值，將相似度大于所設(shè)定閾值的源信息文本作為有用信息，自動推送給指揮人員。

2 算法流程

2.1 文本信息的預(yù)處理

文本信息的預(yù)處理，就是對信息需求文本以及各類源信息文本進(jìn)行離散化處理，使其能夠被計算機(jī)自動識別，其步驟包括分詞和去停用詞［6］。分詞采取Jieba 分詞方法［7］，基于已有的前綴詞典對文本信息進(jìn)行切分，將文本信息分解為離散化的詞語。去停用詞是基于構(gòu)建的停用詞庫，消減離散化詞語中不能表征文本特征的無用高頻詞，以提高表征文本特征的詞語質(zhì)量。高質(zhì)量的停用詞庫對于提高文本預(yù)處理質(zhì)量具有重要作用，其構(gòu)建方法是在已有詞庫基礎(chǔ)上，針對待處理信息文本的特點調(diào)整停用詞，使停用詞庫滿足文本處理需要。

2.2 提取文本關(guān)鍵詞

提取文本關(guān)鍵詞［8］，就是從離散化的詞語中，提取出最能表征文本特征的少數(shù)關(guān)鍵詞。本文采取TF-IDF 提取關(guān)鍵詞，其基本思想是，詞語的重要性與它在文本中出現(xiàn)的次數(shù)成正比，但同時與它在其他文本中出現(xiàn)的頻率成反比。詞語在本文本中出現(xiàn)的頻度用TF表征，在其他文本出現(xiàn)的頻度用IDF表征，TF-IDF則是兩者的乘積，共同表征詞語關(guān)鍵性大小。在計算TF-IDF值后，根據(jù)設(shè)定的閾值選擇文本關(guān)鍵詞，具體步驟如下：

1）統(tǒng)計詞頻

分別計算每一個詞在文本中出現(xiàn)的次數(shù)。由于文本長度大都不一樣，需要對詞頻進(jìn)行標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化詞頻TF計算公式為

TF（wi）=Num（wi）Num（wtotal）（1）

式（1）中，Num（wi）表示詞語wi在文本中出現(xiàn)的次數(shù)，Num（wtotal）表示信息文本中的總詞數(shù)。

2）計算逆文檔頻率

詞語的逆文檔頻率IDF表示該詞在其他文本中出現(xiàn)的頻率，其計算公式為

IDF（wi）=logNum（all_text）Num（text_include_wordi）+1 （2）

式（2）中，Num（all_text）表示搜取的所有文本總數(shù);Num（text_include_wordi）表示包含該詞語的文本數(shù)。如果詞語在各個文本中出現(xiàn)得越多，分母就越大，逆文檔頻率越小、越接近零，則表明詞語越常見，其本身的特征性越小。反之則越具備特征性，能夠表征它所在文本的特征。

3）提取關(guān)鍵詞

用詞頻（TF）和逆文檔頻率（IDF）的乘積表征詞語的重要性，詞語的TF-IDF計算公式如下

TF-IDF（wi）=TF（wi）×IDF（wi） （3）

詞語TF-IDF 值越大，表示該詞對信息文本越重要，按照 TF-IDF 值的大小對詞語排序，選擇值較大的若干詞作為信息文本的關(guān)鍵詞。

2.3 計算文本相似性

文本相似性用于衡量文本之間的相似程度，本文采取余弦相似度算法［9］，計算源信息文本與信息需求文本的相似度，將相似度較高的源信息文本自動推薦給指揮人員。余弦相似度是指用向量空間中兩個文本向量之間夾角的余弦值來表征兩個向量所代表文本的相似度。設(shè)信息需求的n維關(guān)鍵詞向量表示為Vec（inf_req）=（x1，x2，…，xn），其中xi表示位置為i的關(guān)鍵詞的 TF-IDF 值，i∈n;源信息文本的m維關(guān)鍵詞向量表示為Vec（source_inf_text）=（y1，y2，…，ym），其中yj表示位置為j的關(guān)鍵詞的 TF-IDF 值，j∈m;信息需求文本X 與源信息文本Y的組合向量的維度k=m∪n，顯然k∈［max（n，m），n+m］。當(dāng)信息需求文本X與源信息文本Y的關(guān)鍵詞全部重合時，k=max（n，m）。當(dāng)信息需求文本X 與源信息文本Y的關(guān)鍵詞共有 q 個重合時，k=m+n-q。根據(jù)余弦相似定理，可知 k 維的向量空間中，其余弦值計算公式為

cos θ=∑ki=1xi×yi∑ki=1（xi）2×∑ki=1（yi）2 （4）

式（4）中，θ表示兩個文本向量之間的夾角，夾角越小，表明兩個文本向量的方向越相近，夾角越大，表明兩個文本向量的方向偏差越遠(yuǎn)。由于余弦值 cos θ的范圍在［-1，1］之間，將其歸一化，文本 X 與文本 Y 向量相似度計算公式為

cosineSIM=0.5cos（θ）+0.5=

1+∑ki=1xi×yi2∑ki=1（xi）2×∑ki=1（yi）2 （5）

余弦相似度值cosineSIM越接近 1，就表明夾角越接近 0 度，也就是兩個向量方向越相近，其所代表的信息文本也越相似，如果余弦值 cosineSIM等于1，可以認(rèn)為兩個向量是相等的，即它們分別代表的文本是相等的，或者說是相似的。相反，余弦值 cosineSIM越接近于 0，表明兩個向量方向越遠(yuǎn)，其所代表文本也越不相似。

2.4 自動推薦關(guān)鍵信息文本

設(shè)置相似度閾值［10］來對源信息文本進(jìn)行篩選，將相似度大于所選閾值的源信息文本，按相似度由大到小排序，并向指揮員和指揮機(jī)構(gòu)自動推薦。一般情況下，由指揮人員根據(jù)現(xiàn)實情況來確定閾值，另外也可以根據(jù)簡單多數(shù)規(guī)則計算得出閾值，閾值τ計算公式為

τ=sim（-）+sim（+）-sim（-）3（6）

式（6）中，sim（+）、sim（-）分別表示相似度的最大值和最小值，將相似度計算結(jié)果從大到小排序，將相似度值大于τ的源信息文本提取出來自動推薦給指揮人員。

3 仿真與實現(xiàn)

現(xiàn)代戰(zhàn)爭是基于信息系統(tǒng)的體系對抗，如何實施體系破擊成為作戰(zhàn)雙方指揮員作戰(zhàn)指揮首先需考慮的關(guān)鍵性問題。根據(jù)美空軍沃登上校的“五環(huán)打擊目標(biāo)”理論，體系破擊的關(guān)鍵是針對對方指揮信息系統(tǒng)實施打擊，即作戰(zhàn)雙方火力突擊的核心是打擊對方的指揮、控制和通信系統(tǒng)。因此，這里以火力打擊作戰(zhàn)指揮信息需求為例進(jìn)行分析。以指揮員作戰(zhàn)指揮信息需求文本《關(guān)鍵信息需求—要害目標(biāo)》：“藍(lán)軍要害目標(biāo)：藍(lán)軍海岸淺近縱深的地面雷達(dá)站、空中預(yù)警機(jī)、電子戰(zhàn)飛機(jī)等電子偵察與干擾器的部署位置、技術(shù)性能和干擾能力”為例，基于《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》《藍(lán)軍預(yù)警系統(tǒng)以及信息戰(zhàn)能力》等10個源信息文本，采取基于信息需求的信息自動推薦方法，運(yùn)用Python語言對算法具體流程與實現(xiàn)進(jìn)行仿真，并從10個源信息文本中自動推薦產(chǎn)生與信息需求相似度較高的信息文本。

3.1 文本信息的預(yù)處理

為使信息需求和源信息文本能夠被計算機(jī)所識別，需要對信息需求文本以及所有的源文本進(jìn)行預(yù)處理，這里以《信息需求文本》和《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》等兩個文本進(jìn)行預(yù)處理，分詞結(jié)果分別如圖2、圖3所示，這里只列出前20個詞頻最高的詞語。

由于信息需求文本比較簡短，詞頻基本都相同，詞頻最高的前20個詞語分別是（藍(lán)軍、要害、目標(biāo)、海岸、淺近、縱深、地面、雷達(dá)站、空中、預(yù)警機(jī)、電子戰(zhàn)、飛機(jī)、電子、偵察、干擾器、部署、位置、技術(shù)、性能、干擾能力）。在《藍(lán)軍電子戰(zhàn)部隊編制與裝備》文本中，詞頻最高的前20個詞語分別是（電子戰(zhàn)、電子、干擾、雷達(dá)、裝備、部隊、干擾器、預(yù)警、導(dǎo)彈、通信、藍(lán)軍、偵察、干擾機(jī)、投放、偵測、空軍、信號、海軍、截收）。

3.2 提取關(guān)鍵詞

基于信息需求文本以及《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》分詞結(jié)果，計算不同詞語TF-IDF值，取TF-IDF值靠前的詞語作為兩個文本的關(guān)鍵詞。計算結(jié)果如圖4、圖5所示。

根據(jù)分析結(jié)果，信息需求排序前20的詞語及TF-IDF值為（藍(lán)軍0.066 5、要害0.047 6、淺近0.047 6、地面0.047 6、干擾能力0.047 6、干擾器0.033 3、雷達(dá)站0.024 9、位置0.024 9、技術(shù)0.024 9、性能0.024 9、海岸0.018 9、預(yù)警機(jī)0.018 9、電子0.018 9、縱深0.014 3、空中0.014 3、目標(biāo)0.010 6、電子戰(zhàn)0.010 6、飛機(jī)0.010 6、偵察0.010 6、部署0.010 6）。

《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》排序前20的詞語及TF-IDF值為（干擾0.015 5、電子0.014 7、干擾器0.01 2、電子戰(zhàn)0.010 9、藍(lán)軍0.008 6、投放0.006 9、雷達(dá)0.004 6、干擾機(jī)0.003 9、信號0.003 9、預(yù)警0.003 8、截收0.003 4、通信兵0.003 4、誘餌彈0.003 4、阻塞0.003 4、雜波0.003 4、金屬0.003 4、波條0.003 4、機(jī)載雷達(dá)0.003 4、紅外線0.003 4、艦炮0.003 4）。

3.3 計算文本相似性

將信息需求文本向量和《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》源文本信息的特征向量進(jìn)行組合。根據(jù)組合向量空間，將兩個向量表示為35維的向量形式（即藍(lán)軍、要害、淺近、地面、干擾能力、干擾器、雷達(dá)站、位置、技術(shù)、性能、海岸、預(yù)警機(jī)、電子、縱深、空中、目標(biāo)、電子戰(zhàn)、飛機(jī)、偵察（截收）、部署、干擾、電子、投放、干擾機(jī)、信號、預(yù)警、通信兵、誘標(biāo)彈、阻塞、雜波、金屬、箔條、機(jī)載雷達(dá)、紅外線、艦炮）。《信息需求》文本向量可表示為

Vec（info_req）=（0.066 5，0.047 6，0.047 6，0.047 6，0.047 6，0.033 3，0.024 9，0.024 9，0.024 9，0.024 9，0.018 9，0.018 9，0.018 9，0.014 3，0.014 3，0.010 6，0.010 6，0.010 6，0.010 6，0.010 6，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0）。

《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》文本向量可表示為

Vec（source_info_text_twdzz）=（0.006 9，0，0，0，0，0.012，0.003 9，0，0，0，0，0，0，0，0，0，0.010 9，0，0.003 8，0，0.015 5，0.014 7，0.004 6，0.003 9，0.003 9，0.003 8，0.003 8，0.003 8，0.003 4，0.003 4，0.003 4，0.003 4，0.003 4，0.003 4，0.003 4）。

將兩個文本向量代入式（5）中，可以得到：

cosineSIM=1+∑ki=1xi×yi2∑ki=1（xi）2×∑ki=1（yi）2=0.628 9（7）

根據(jù)計算結(jié)果可知，文本《信息需求》和《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》具有一定的相似度。同理可以得到《信息需求》與其他源信息文本的相似度，具體如表1所示。

3.4 自動推薦關(guān)鍵信息文本

根據(jù)表1的相關(guān)結(jié)果，sim（-）=0.5，sim（+）=0.628 9，代入公式（6），可以得到推薦的閾值τ為

τ=sim（-）+sim（+）-sim（-）3=

0.5+0.628 9-0.53=0.543 0 （8）

將表1的相似度分別進(jìn)行計算后，結(jié)果如圖6所示。

從圖6可知，《藍(lán)軍本島與外島兵力部署》《藍(lán)軍城市防御戰(zhàn)斗突出特點》等8個文本由于與《關(guān)鍵信息需求-要害目標(biāo)》的余弦相似度值小于規(guī)定閾值，都不向指揮員推薦?！端{(lán)軍電子戰(zhàn)部隊的編制與裝備》和《藍(lán)軍武器裝備評析》與《關(guān)鍵信息需求-要害目標(biāo)》的余弦相似度值大于規(guī)定閾值，且前者與《關(guān)鍵信息需求-要害目標(biāo)》相比，大于后者，因此可以按照《藍(lán)軍電子戰(zhàn)部隊的編制與裝備》《藍(lán)軍武器裝備評析》的排序向指揮人員推薦信息。

4 結(jié)束語

正如克勞塞維茨所說，“分析判斷能力是將領(lǐng)應(yīng)該具有的微光，那么決策就是跟隨這種微光前進(jìn)的能力”。指揮員科學(xué)高效的決斷力，絕不是“眉頭一皺、計上心來”那么簡單，而是來源于對各類有用信息的高效快速收集與科學(xué)的綜合分析判斷。本文針對大數(shù)據(jù)時代，作戰(zhàn)指揮人員深陷數(shù)據(jù)迷霧而難以快速獲取所需信息的現(xiàn)實問題，提出了運(yùn)用基于信息需求的信息自動推薦算法，闡明了算法的基本思路、實現(xiàn)流程，并運(yùn)用Python對算法進(jìn)行了仿真實現(xiàn)。仿真驗證表明，基于信息需求的信息自動推薦算法，可以在指揮人員提出信息需求的基礎(chǔ)上，通過對信息文本的向量化處理，自動從各類信息文本中選擇出指揮人員所需的關(guān)聯(lián)度較高的信息，自主推薦給指揮員輔助指揮決策，縮短信息搜集的時間，提高指揮人員指揮決策的時效性，有利于將信息優(yōu)勢轉(zhuǎn)換為指揮員和指揮機(jī)關(guān)的決策優(yōu)勢，進(jìn)而轉(zhuǎn)化為部隊行動優(yōu)勢和作戰(zhàn)優(yōu)勢。

參考文獻(xiàn)：

[1] 鄒靜，高智慧，楊巍.大數(shù)據(jù)處理技術(shù)在現(xiàn)代戰(zhàn)爭中的應(yīng)用［C］.中國指揮與控制學(xué)會.第十屆中國指揮控制大會論文集（上冊），2022.

ZOU J， GAO Z H， YANG W. Application of big data processing technology in modern war［C］. Chinese Institute of Command and Control. Proceedings of the 10th China Command and Control Conference （Volume 1）， 2022.

［2］ 李加軍. 基于大數(shù)據(jù)技術(shù)的電子商務(wù)個性化信息自動推薦算法應(yīng)用［J］. 自動化技術(shù)與應(yīng)用， 2021， 40（10）： 38-42.

LI J J. Application of personalized information automatic recommendation algorithm in E-commerce based on big data technology［J］. Techniques of Automation and Applications， 2021， 40（10）： 38-42.

［3］ GUAN Y， WEI Q. Deep learning based personalized recommendation with multi-view information integration［J］. Decision Support Systems， 2019，118（5）：58-69.

［4］ 皎海軍， 杜勝賢， 廖晨陽， 等. 基于詞頻-逆文檔頻率（TFIDF）算法的公文 處理智能推薦技術(shù)研究［J］. 辦公自動化， 2020， 25（13）： 23-26.

JIAO H J， DU S X， LIAO C Y， et al. Research on intelligent recommendation technology for official document processing based on TFIDF algorithm［J］. Office Informatization， 2020， 25（13）： 23-26.

［5］ 藍(lán)崢杰， 王烈， 聶雄. 一種基于詞頻-逆文檔頻率和混合損失的表情識別算法［J］. 計算機(jī)工程， 2023， 49（1）： 295-302， 310.

LAN Z J， WANG L， NIE X. An expression recognition algorithm based on term frequency-inverse document frequency and hybrid loss［J］. Computer Engineering， 2023， 49（1）： 295-302， 310.

［6］ 曾pBYHqDdPSDQG9QZ1uqTjJg==小芹. 基于Python的中文結(jié)巴分詞技術(shù)實現(xiàn)［J］. 信息與電腦， 2019， 31（18）： 38-39， 42.

ZENG X Q. Technology implementation of Chinese jieba segmentation based on python［J］. China Computer ＆ Communication， 2019， 31（18）： 38-39， 42.

［7］ 祝永志，荊靜.基于Python語言的中文分詞技術(shù)的研究［J］.通信技術(shù)，2019，52（7）：1 612-1 619.

ZHU Y Z， JING J. Chinese word segmentation technology based on Python Language［J］. Communications Technology， 2019，52（7）：1 612-1 619.

［8］ 武永亮， 趙書良， 李長鏡， 等. 基于TF-IDF和余弦相似度的文本分類方法［J］. 中文信息學(xué)報， 2017， 31（5）： 138-145.

WU Y L， ZHAO S L， LI C J， et al. Text classification method based on TF-IDF and cosine similarity［J］. Journal of Chinese Information Processing， 2017， 31（5）： 138-145.

［9］ 張瑞典， 錢曉東. 用余弦相似度修正評分的協(xié)同過濾推薦算法［J］. 計算機(jī)工程與科學(xué)， 2020， 42（6）： 1 096-1 105.

ZHANG R D， QIAN X D. A collaborative filtering recommendation algorithm with revised rating by cosine similarity［J］. Computer Engineering ＆ Science， 2020， 42（6）： 1 096-1 105.

［10］郭鋒， 鄭雷， 葛黃徐， 等. 基于相似度閾值模糊聚類的紅外區(qū)域提取方法［J］. 紅外技術(shù)， 2022， 44（8）： 863-869.

GUO F， ZHENG L， GE H X， et al. Infrared image segmentation method based on fuzzy clustering with similarity thresholding［J］. Infrared Technology， 2022， 44（8）： 863-869.

（責(zé)任編輯：許韋韋）