1.一种基于知识嵌入的结构化管制指令提取方法，其特征在于，包括如下步骤：步骤1，构建机场知识字典；步骤2，构建规则替换管制指令文本中的已知信息；步骤3，进行信息抽取模型训练；步骤4，通过训练好的模型进行预测，得到结构化的管制指令；步骤1包括：将特定已知机场信息编写入机场先验知识字典，所述特定已知机场信息包括机场中的跑道号、滑行道号、塔台名称，所述机场知识字典包含两部分，一是在模型训练过程中数据来源机场的知识；二是在模型预测过程中目标数据的来源机场，构建方法以键值对的形式保存，即{信息属性：信息值}的方式建立映射关系；步骤2包括：对管制指令中出现的机场中的跑道、滑行道信息进行辨析，通过检索机场知识字典预处理管制指令数据，将信息替换成属性，辨析方法是直接搜索字典中有无相应信息；步骤3包括：步骤3-1，进行预处理：从机场塔台收集管制指令作为训练数据，针对训练数据的管制指令，检索对应的机场知识字典，检索出管制指令中出现的实体信息，在管制指令中将实体替换成对应的通用表述实体，将替换后的管制指令数据组成训练数据集；步骤3-2，训练信息抽取模型；步骤3-2包括：对训练数据集中的管制指令进行标注，将其中出现的实体信息一一标出，同时对介词词组进行一致性标注，向命名实体识别模型输入训练数据集中的管制指令，设定管制指令句子长度是l，即所述句子包含l个单字，使用词嵌入技术得到每个字的向量表示，设向量维度是512，则输入句子的维度变成(l，512)；所述命名实体识别模型包括双向长短期记忆网络BiLSTM模型和条件随机场CRF模型，BiLSTM模型包含两个方向相反的LSTM，一个LSTM利用目标词的上文信息对目标词实体属性进行预测，另一个LSTM利用目标词的下文对目标词的实体属性进行预测；经过BiLSTM模型处理，输出(l，M)维的信号，其中M是标注类别的数量，最后利用CRF模型得到实体类别输出序列；步骤4包括：步骤4-1，对于需要处理的管制指令，通过检索机场知识字典找出实体信息，并对实体进行替换；步骤4-2，通过命名实体识别模型处理管制指令，抽取出相关的实体，形成结构化的管制指令。
2.根据权利要求1所述的方法，其特征在于，两个方向相反的LSTM均符合以下条件：设定输入文本为x＝x 1 ，x 2 ，...，x T ，x t 表示文本中的第t个字，T是输入文本长度，LSTM利用门限机制记住位置上的信息，计算公式如下：i t ＝σ(W xi x t +W hi h t-1 +W ci c t-1 +b i )f t ＝σ(W xf x t +W hf h t-1 +W cf c t-1 +b f )c t ＝f t c t-1 +i t tanh(W xc x t +W hc h t-1 +b c )o t ＝σ(W xo x t +W ho h t-1 +W co c t +b o )h t ＝o t tanh(c t ) (1)其中，σ是激活函数，i t ，f t ，o t 分别表示输入门、遗忘门和输出门在位置t上的输出值，c t 表示第t个单元格状态，模型在第t个神经元上的隐藏状态h t 由o t 和c t 计算得到；W xi ，W xf ，W xo ，W xc 是输入x的权重矩阵，W hi ，W hf ，W ho ，W hc 是隐藏状态h的权重矩阵，W ci ，W cf ，W co 是单元格状态c的权重矩阵，b i ，b f ，b c ，b o 分别是输入门、遗忘门、单元格状态更新、输出门方程的偏置值；tanh(z)＝2f(2z)-1是激活函数， 是激活函数，z表示输入表示序列。
