面向航空领域的消息一致性解析框架

doi:10.11772/j.issn.1001-9081.2025091103

《计算机应用》唯一官方网站 ›› 2026, Vol. 46 ›› Issue (8): 2681-2690.DOI: 10.11772/j.issn.1001-9081.2025091103

• 前沿与综合应用 • 上一篇

面向航空领域的消息一致性解析框架

王梦婷¹, 高拴梁²(), 廖文睿², 李赓², 张嘉兴², 祝远芳², 赵天歌¹, 刘勇慧¹, 梁红茹²

^1.中国人民解放军93216部队，北京 100085
^2.四川大学计算机学院，成都 610065

收稿日期:2025-09-22 修回日期:2025-11-06 接受日期:2025-11-07 发布日期:2025-12-04 出版日期:2026-08-10
通讯作者: 高拴梁
作者简介:王梦婷（1993—），女，北京人，工程师，主要研究方向：卫星通信
高拴梁（2000—），男，内蒙古乌兰察布人，硕士研究生，主要研究方向：自然语言处理
廖文睿（2002—），男，四川威远人，硕士研究生，主要研究方向：流程自动化
李赓（2003—），男，山东聊城人，主要研究方向：自然语言处理
张嘉兴（2004—），男，河北唐山人，主要研究方向：多模态大语言模型
祝远芳（2004—），女，江西新余人，主要研究方向：自然语言处理
赵天歌（1992—），女，辽宁沈阳人，工程师，硕士，主要研究方向：航空通信
刘勇慧（1990—），男，内蒙古赤峰人，助理工程师，硕士，主要研究方向：航空通信
梁红茹（1992—），女，河北新乐人，副教授，博士，主要研究方向：自然语言处理。
基金资助:
国家自然科学基金面上项目(62576230);多域数据协同处理与控制全国重点实验室开放基金资助项目(CLDL-20240201)

Message consistency parsing framework for aviation domain

Mengting WANG¹, Shuanliang GAO²(), Wenrui LIAO², Geng LI², Jiaxing ZHANG², Yuanfang ZHU², Tiange ZHAO¹, Yonghui LIU¹, Hongru LIANG²

^1.Unit 93216 of the Chinese People’s Liberation Army，Beijing 100085，China
^2.College of Computer Science，Sichuan University，Chengdu Sichuan 610065，China

Received:2025-09-22 Revised:2025-11-06 Accepted:2025-11-07 Online:2025-12-04 Published:2026-08-10
Contact: Shuanliang GAO
About author:WANG Mengting， born in 1993， engineer. Her research interests include satellite communication.
LIAO Wenrui， born in 2002， M. S. candidate. His research interests include process automation.
LI Geng， born in 2003. His research interests include natural language processing.
ZHANG Jiaxing， born in 2004. His research interests include multimodal large language models.
ZHU Yuanfang， born in 2004. Her research interests include natural language processing.
ZHAO Tiange， born in 1992， M. S.， engineer. Her research interests include aviation communication.
LIU Yonghui， born in 1990， M. S.， assistant engineer. His research interests include aviation communication.
LIANG Hongru， born in 1992， Ph. D.， associate professor. Her research interests include natural language processing
Supported by:
General Program of National Natural Science Foundation of China(62576230);Open Fund of State Key Laboratory of Multi-domain Data Collaborative Processing and Control(CLDL-20240201)

摘要/Abstract

摘要：

在航空领域，为了确保空中单位与地面单位之间通信的稳定性，非结构化的文本消息需被转化为固定格式的结构化信息数据进行传输。现有方法虽利用大语言模型（LLM）的指令遵循能力实现从文本到结构化数据的转换，却普遍忽视了LLM固有的幻觉问题与不可解释性对航空信息安全构成的严重威胁。因此，提出面向航空领域的消息一致性解析框架（MCPFA），通过融合模型自我反思与人机协同机制，系统性地保障信息转化过程中的语义保真与操作安全。首先，提出基于自我反思的一致性检验方法（CVMSR），从语法、语义和语用这3个维度构建递进式验证机制，实现对结构化输出的动态校验与修正；其次，设计智能化航空消息人机协作检验系统（IAMHCIS），通过置信度感知与跨层一致性分析精准触发专家干预，并将人类反馈融入模型迭代，形成闭环优化；最后，通过系统性实验全面评估框架性能。实验结果表明，MCPFA在一致性判断与修正任务上显著优于现有方法，不仅能有效识别并修复因术语混淆、单位误判或规章违背导致的关键错误，还在未见过的消息类型上展现出良好的泛化能力。更重要的是，引入专家知识后，模型性能持续提升，从而验证了所提框架的可成长性与工程实用价值，为航空等安全攸关领域的LLM应用提供了兼顾准确性、安全性与可解释性的新路径。

关键词: 信息抽取, 大语言模型, 模型自我反思, 人机协作, 幻觉

Abstract:

In aviation domain， stable communication between air units and ground units requires unstructured text messages be transformed into structured information in a fixed format for transmission. Although the existing methods use the instruction-following capabilities of Large Language Models （LLMs） to perform such transformation from text into structured data， they ignore the inherent hallucination and lack of interpretability of LLMs — which pose serious threats to information security. Therefore， a Message Consistency Parsing Framework for the Aviation domain （MCPFA） was proposed to integrate model self-reflection and human-machine collaboration to ensure semantic fidelity and operational safety during the parsing process systematically. First， a Consistency Verification Method based on Self-Reflection （CVMSR） was developed to establish a progressive validation mechanism across three dimensions： syntax， semantics， and pragmatics， so as to realize dynamic verification and correction of the structured output. Second， an Intelligent Aviation Message Human-Machine Collaboration Inspection System （IAMHCIS） was designed to use confidence awareness and cross-layer consistency analysis to trigger expert intervention precisely and incorporate human feedback into model iteration， so as to form a closed-loop optimization. Finally， the framework was evaluated comprehensively through systematic experiments. The results demonstrate that MCPFA outperforms the existing methods significantly in both consistency judgment and correction tasks， identifying and fixing critical errors caused by term confusion， unit misinterpretation， or regulation violation effectively. Furthermore， the framework exhibits strong generalization capability on unseen message types. Importantly， after integrating expert knowledge， performance gains continuously， confirming the proposed framework’s growability and practical value， and the proposed framework provides a new accurate， secure， and interpretable way for LLM application in aviation and other safety-critical domains.

Key words: information extraction, Large Language Model (LLM), model self-reflection, human-machine collaboration, hallucination

中图分类号:

TP391

王梦婷, 高拴梁, 廖文睿, 李赓, 张嘉兴, 祝远芳, 赵天歌, 刘勇慧, 梁红茹. 面向航空领域的消息一致性解析框架[J]. 计算机应用, 2026, 46(8): 2681-2690.

Mengting WANG, Shuanliang GAO, Wenrui LIAO, Geng LI, Jiaxing ZHANG, Yuanfang ZHU, Tiange ZHAO, Yonghui LIU, Hongru LIANG. Message consistency parsing framework for aviation domain[J]. Journal of Computer Applications, 2026, 46(8): 2681-2690.

图/表 9

参考文献 31

[1]	许璟瑜，韩冰，宇峰，等. 航空通信导航系统自动化测试技术研究［C］// 第十届中国航空学会青年科技论坛. 西安：中航西安飞机工业集团股份有限公司， 2022： 919-923.
	Xu Jingyu， Han Bing， Yu Feng， et al. Research on automatic testing technology of aviation communication navigation system［C］// 10th Chinese Society of Aeronautics and Astronautics Youth Forum. Xi’an： AVIC Xi’an Aircraft Industry Group Company Ltd.， 2022： 919-923.
[2]	朱衍波，王志鹏，郭凯，等. L波段数字航空通信系统技术发展现状与挑战［J］. 航空学报， 2024， 45（10）： 6-20.
	Zhu Yanbo， Wang Zhipeng， Guo Kai， et al. L-band digital aeronautical communications system development status and challenges［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（10）： 6-20.
[3]	孙毅驰. 浅析中国民用航空通信、导航系统发展现状［J］. 中国新通信， 2020， 22（13）： 19-20.
	Sun Yichi. A brief analysis of the development status of civil aviation communication and navigation systems in China［J］. China New Telecommunications， 2020， 22（13）： 19-20.
[4]	潘政昂，孙旻阳，李建虎，等. Link 16数据链态势信息处理方法研究［J］. 测控技术， 2024， 43（11）： 1-7.
	Pan Zheng’ang， Sun Minyang， Li Jianhu， et al. Research on situational information processing methods for Link 16 data link［J］. Measurement and Control Technology， 2024， 43（11）： 1-7.
[5]	张大鹏. 基于新型信道编码的Link16数据链基本波形改进方案［C］// 天津市电子工业协会.天津市电子工业协会2024年年会. 北京：北京通广龙电子科技有限公司， 2024： 301-306.
	Zhang Dapeng. Basic waveforms improvement scheme of Link16 data link based on new channel coding［C］// 2024 Annual Conference of Tianjin Electronic Industry Association. Beijing： Beijing Tongguanglong Electronics Technology Co.， Ltd.， 2024： 301-306.
[6]	赵青. Link16数据链通信中的干扰检测与识别技术研究［D］. 成都：电子科技大学， 2024.
	Zhao Qing. Research on interference detection and identification techniques in Link16 data link communication［D］. Chengdu： University of Electronic Science and Technology of China， 2024.
[7]	陈鹏. CEC及其与战术数据链的联合应用［J］. 舰船科学技术， 2011， 33（7）： 156-159.
	Chen Peng. Research on CEC and its joint application with tactical data links［J］. Ship Science and Technology， 2011， 33（7）： 156-159.
[8]	詹克军，史海滨. CEC数据链关键技术研究［J］. 硅谷， 2011（15）：108-109.
	Zhan Kejun， Shi Haibin. Research on key technologies of CEC data link［J］. Silicon Valley， 2011（15）： 108-109.
[9]	Duong S， Lumbreras A， Gartrell M， et al. Learning from multiple sources for data-to-text and text-to-data［J］. Proceedings of Machine Learning Research， 2023， 206： 3733-3753.
[10]	Buts J， Jones H. From text to data： mediality in corpus-based translation studies［J］. MonTI， 2021， 13： 301-329.
[11]	Wang S， Feng Y， Lan T， et al. Text2Data： low-resource data generation with textual control［J］. Proceedings of the AAAI Conference on Artificial Intelligence， 2025， 39（20）： 21252-21260.
[12]	Zariyat T R， Ahmed F I， Oishi T T， et al. BnText2Table-dataset and text-to-table generation in Bangla［D］. Dhaka： BRAC University， 2024.
[13]	吴宁，丁锐，李毅. 卫星数据链在ACARS报文传输中的应用［J］. 航空维修与工程， 2023（3）： 37-39.
	Wu Ning， Ding Rui， Li Yi. Application of SATCOM Datalink in ACARS reports transmission［J］. Aviation Maintenance and Engineering， 2023（3）： 37-39.
[14]	石峰，郭凯瑞，宋欣睿. ARINC429总线通用化数据采集系统的设计与实现［C］// 第二十一届中国航空测控技术年会. 北京：第二十一届中国航空测控技术年会专刊， 2024： 127-130.
	Shi Feng， Guo Kairui， Song Xinrui. Design and implementation of universal ARINC 429 bus data acquisition system［C］// 21st Annual Conference on China Aviation Measurement and Control Technology. Beijing： Special Issue of the 21st China Annual Conference on Aviation Measurement and Control Technology， 2024： 127-130.
[15]	曲东才，唐琳娜，吴晓男，等. STANAG 4586 标准化接口——从理想到现实［J］. 飞航导弹， 2005（9）： 6-13.
	Qu Dongcai， Tang Linna， Wu Xiaonan， et al. STANAG 4586 standardized interface： from concept to reality［J］. Winged Missiles Journal， 2005（9）： 6-13.
[16]	Islam M R， Amin A， Zereen A N. Enhancing Bangla language next word prediction and sentence completion through extended RNN with Bi-LSTM model on n-gram language［C］// ICAEEE 2024. Piscataway： IEEE， 2024： 1-6.
[17]	Salim M S， Murad H， Das D， et al. BanglaGPT： a generative pretrained transformer-based model for Bangla language［C］// ICICT4SD 2023. Piscataway： IEEE， 2023： 56-59.
[18]	Jing X， Chennakesavan A， Chandra C， et al. BERT for aviation text classification［C］// AIAA Aviation 2023 Forum. Reston， VA： AIAA， 2023： No.3438.
[19]	Szeto A， Das A N. Classification of notices to airmen using natural language processing［C］// AIAA SCITECH 2024 Forum. Reston， VA： AIAA， 2024： No.2585.
[20]	Wang L， Chou J， Tien A， et al. AviationGPT： a large language model for the aviation domain［C］// AIAA Aviation Forum and Ascend 2024. Reston， VA： AIAA， 2024： No.4250.
[21]	Pearson K. Contributions to the mathematical theory of evolution［J］. Philosophical Transactions of the Royal Society of London， 1894， 185： 71-110.
[22]	EUROCONTROL. Aeronautical information exchange model［EB/OL］. ［2025-04-02］..
[23]	Vennesland A， Keller R M， Schuetz C G， et al. Matching ontologies for air traffic management： a comparison and reference alignment of the AIRM and NASA ATM ontologies［C］// 14th International Workshop on Ontology Matching co-located with ISWC 2019. Aachen： CEUR-WS.org， 2019： 1-12.
[24]	Team Qwen. Qwen 2. 5 technical report［PP/OL］. V2. arXiv （2025-01-03）［2025-04-02］..
[25]	Guo D， Yang D， Zhang H， et al. DeepSeek-R1： incentivizing reasoning capability in LLMs via reinforcement learning［J］. Nature， 2025， 645： 633-638.
[26]	Wei J， Wang X， Schuurmans D， et al. Chain-of-thought prompting elicits reasoning in large language models［C］// NeurIPS 2022. Red Hook： Curran Associates Inc.， 2022： 24824-24837.
[27]	Madaan A， Tandon N， Gupta P， et al. SELF-REFINE： iterative refinement with self-feedback［C］// NeurIPS 2023. Red Hook： Curran Associates Inc.， 2023： 46534-46594.
[28]	Yao S， Yu D， Zhao J， et al. Tree of Thoughts： deliberate problem solving with large language models［C］// NeurIPS 2023. Red Hook： Curran Associates Inc.， 2023： 11809-11822.
[29]	Wang Z， Cai S， Chen G， et al. Describe， explain， plan and select： interactive planning with LLMs enables open-world multi-task agents［C］// NeurIPS 2023. Red Hook： Curran Associates Inc.， 2023： 34153-34189.
[30]	Wang L， Xu W， Lan Y， et al. Plan-and-solve prompting： improving zero-shot chain-of-thought reasoning by large language models［C］// ACL 2023. Stroudsburg： ACL， 2023： 2609-2634.
[31]	Yao S， Zhao J， Yu D， et al. ReAct： synergizing reasoning and acting in language models［PP/OL］. V3. arXiv （2023-03-10）［2025-03-14］..

数据子集	样本量	平均指令长度（tokens）	元语言要素密度（要素数）
飞行操作	5 361	87.3	4.2
机务维修	4 467	89.1	4.5
航路规划	2 298	91.5	4.7
应急处置	638	92.6	4.8

数据子集	样本量	平均指令长度（tokens）	元语言要素密度（要素数）
飞行操作	5 361	87.3	4.2
机务维修	4 467	89.1	4.5
航路规划	2 298	91.5	4.7
应急处置	638	92.6	4.8

方法	Qwen2.5-7B-Instruct				DeepSeek-R1-Distill-Qwen-7B
	一致性判断		一致性修正		一致性判断		一致性修正
	Acc↑	F1↑	EM↑	KEF↑	Acc↑	F1↑	EM↑	KEF↑
Chain-of-thought	0.524	0.483	0.423	0.452	0.698	0.558	0.482	0.528
SELF-REFINE	0.712	0.677	0.627	0.654	0.768	0.734	0.688	0.716
ToT	0.635	0.599	0.531	0.575	0.689	0.651	0.580	0.625
DEPS	0.642	0.602	0.545	0.583	0.699	0.665	0.602	0.649
Plan-and-solve	0.656	0.623	0.566	0.608	0.712	0.688	0.635	0.672
ReAct	0.711	0.688	0.637	0.660	0.779	0.752	0.709	0.734
CVMSR	0.825	0.806	0.781	0.795	0.856	0.847	0.837	0.840

方法	Qwen2.5-7B-Instruct				DeepSeek-R1-Distill-Qwen-7B
	一致性判断		一致性修正		一致性判断		一致性修正
	Acc↑	F1↑	EM↑	KEF↑	Acc↑	F1↑	EM↑	KEF↑
Chain-of-thought	0.524	0.483	0.423	0.452	0.698	0.558	0.482	0.528
SELF-REFINE	0.712	0.677	0.627	0.654	0.768	0.734	0.688	0.716
ToT	0.635	0.599	0.531	0.575	0.689	0.651	0.580	0.625
DEPS	0.642	0.602	0.545	0.583	0.699	0.665	0.602	0.649
Plan-and-solve	0.656	0.623	0.566	0.608	0.712	0.688	0.635	0.672
ReAct	0.711	0.688	0.637	0.660	0.779	0.752	0.709	0.734
CVMSR	0.825	0.806	0.781	0.795	0.856	0.847	0.837	0.840

模型	一致性判断		一致性修正
模型	Acc↑	F1↑	Acc↑	F1↑
CVMSR	0.856	0.847	0.837	0.837
w/o syn	0.724	0.698	0.701	0.682
w/o sem	0.694	0.678	0.636	0.557
w/o pra	0.647	0.581	0.526	0.548

面向航空领域的消息一致性解析框架

Message consistency parsing framework for aviation domain

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 31

相关文章 15

编辑推荐

Metrics

参数	设置值
基座模型	DeepSeek-R1-Distill-Qwen-7B
批次大小	8
梯度累积步数	4
学习率	2×10 ^-⁵
学习率调度器	CosineAnnealingLR
优化器	AdamW
训练轮次	3

[1]	张悦, 郭羽含. 大语言模型驱动的语义量化网约车时空需求预测方法[J]. 《计算机应用》唯一官方网站, 2026, 46(8): 2467-2476.
[2]	刘新亮, 徐雨时, 李杜白, 任延昭. 基于知识图谱的问答方法综述[J]. 《计算机应用》唯一官方网站, 2026, 46(8): 2394-2410.
[3]	朱林凯, 杨璐, 张弘杰, 吴子衿, 刘璐. LLM与SWRL驱动的跨境数据合规异构跨链智能合约生成框架[J]. 《计算机应用》唯一官方网站, 2026, 46(7): 2074-2084.
[4]	程雅典, 李颖颖, 张平, 邱芳冰, 柴晓楠, 舒玉巧. 基于双角色交互机制的心理健康大语言模型[J]. 《计算机应用》唯一官方网站, 2026, 46(7): 2054-2063.
[5]	李佳航, 韩启龙, 李丽洁, 张慧. 基于大语言模型的超关系知识图谱限定符增强方法[J]. 《计算机应用》唯一官方网站, 2026, 46(7): 2043-2053.
[6]	侯迪迪, 洪少东, 付玉杰, 崔允贺, 申国伟. 基于大语言模型链接的网络安全实体识别方法[J]. 《计算机应用》唯一官方网站, 2026, 46(7): 2064-2073.
[7]	王昱麒, 张仰森, 王璞. 融合知识增强和对比学习的高中英语阅读理解模型[J]. 《计算机应用》唯一官方网站, 2026, 46(7): 2096-2103.
[8]	易宇声, 黄兆豪, 邓梓昊, 孔蕾蕾, 齐浩亮. 面向信创数据库迁移的多知识库协同大语言模型提示框架CORER[J]. 《计算机应用》唯一官方网站, 2026, 46(6): 1811-1817.
[9]	蔡泰鑫, 魏凤凤. 面向多解旅行商问题的大语言模型增强蚁群优化算法[J]. 《计算机应用》唯一官方网站, 2026, 46(6): 1712-1720.
[10]	王劲滔, 高志霖, 孟琪翔, 卜凡亮. 基于大语言模型重构案件信息的类案检索方法[J]. 《计算机应用》唯一官方网站, 2026, 46(6): 1785-1792.
[11]	熊龙雨, 杜圣东, 史浩琛, 胡节, 杨燕, 李天瑞. 基于知识增强大语言模型架构的政务热线问答系统[J]. 《计算机应用》唯一官方网站, 2026, 46(6): 1721-1727.
[12]	盛兴, 翁孙贤, 陈扩松, 王忠平, 任芮锋, 刘勇. 基于深度学习的电网企业专利价值评估[J]. 《计算机应用》唯一官方网站, 2026, 46(5): 1468-1474.
[13]	王倩飞, 李旸, 李德玉, 王素格. 基于大语言模型的双通道特征融合表示的短文本聚类方法[J]. 《计算机应用》唯一官方网站, 2026, 46(5): 1441-1449.
[14]	黄雨倩, 黄辉, 秦永彬, 黄瑞章, 陈艳平, 周裕林, 孙倩. 融合全局和局部语义的司法要素抽取方法[J]. 《计算机应用》唯一官方网站, 2026, 46(5): 1460-1467.
[15]	郑嘉丽, 周刚, 陈静, 李顺航. 基于多特征自适应融合的智能生成文本检测方法[J]. 《计算机应用》唯一官方网站, 2026, 46(5): 1433-1440.