卫星输入任务的语义解析

    基于自然语言的用户卫星应用需求，包括三个部分:任务描绘、应用环境、平台。其中任务描绘是用户本身对需求属性的刻画，应用环境指的是用户对卫星应用范畴的理解，平台则指的是用户期望使用的卫星载荷信息。其中，任务描绘包含任务紧急程度、观察分辨率要求等信息;应用环境包括具体卫星应用的背景、卫星任务的观察范围等信息。
    根据现有的不同的航天系统的功能性，我们将子目标任务分为:成像任务、电子探测任务、天基预警任务、测绘保障任务、气象保障任务、通信保障任务和导航定位任务这七类。这七类的任务都可以抽象为形如(任务标识，任务目标，执行约束，任务要求)的形式。因此，语义解析的过程可以描述为将复杂任务分解为一类或几类子目标任务的组合。
    对于处理规则易获取的任务，我们可以采用专家系统来进行解析。它的核心是推理机，推理规则如下：
    Step 1:将初始复杂任务事实、资源事实加入工作存储器中;
    Step2:将当前工作存储器中的事实、规则库中的规则以及子任务名称作为输入，调用搜索控制函数;
    Step3:将搜索控制函数返回的事实与规则作为新的输入，通过内部接口调用推理引擎搜索策略属性，返回当前可用的规则集合一一冲突集合Con。若冲突集合Con为空，则转Step4。否则转Step5 ;
    Step4:检查相应的结果文件，并输出文件中的结论，推理结束;
    Step5:依据规则的冲突消解策略，从冲突集合C中计算返回一条规则Rl ;
    Step6:触发R1规则;
    Step?:如果R1的结论是生成新的事实，则将新的事实加入工作存储器，并转Step3 ;
    Step8:如果R1的结论是写文件动作，则转Step4.
   
    对于处理规则模糊的任务，我们可以采用案例匹配来进行处理，从案例库中找到最相似的案例，重用其解决方案，并进行修正，得到解析结果输出。最后将修正后的案例保存至案例库。
    通过专家系统或者案例匹配系统可以将复杂任务分解成子目标任务的集合，但集合内是一个个空架子，所以要对其进行任务需求补充。例如：成像任务可以分解成任务标识、任务目标、执行约束、任务条件。任务标识又可细分为任务名称、任务ID、优先级。