陆空通话复诵差错一直是影响航空器飞行安全的重要因素,所以如何减少陆空通话复诵差错一直是民航业关注的重点。现存的方法多依赖于人工分析事故报告或通话语音完成复诵差错分类,以掌握复诵差错机理、提升管制员和飞行员之间通话质量。但这些方法不仅需要大量的人力物力,还不易处理大量数据。因此搭建一个合适的陆空通话复诵差错自动分类模型具有重要意义。本文的具体内容如下:第一,对词编码方法进行研究,提出了一种适用于复诵差错分类任务的增强one-hot编码方式。该编码方式,通过在one-hot向量之后加入标志位,缓解了one-hot编码方式无法有效建模民航词语相关性的问题。第二,对词语级别的语义匹配进行研究,提出了基于交互方式的陆空通话复诵差错分类方法。该方法通过数据预处理将复诵对文本转化为句子矩阵;然后通过交互句子矩阵得到匹配矩阵,并采用神经网络提取复诵对之间的匹配特征;最终通过全连接softmax对于匹配特征进行分类。第三,对句子级别的语义匹配进行研究,提出了基于孪生结构的陆空通话复诵差错分类方法。该方法使用两个相同的神经网络分别对句子矩阵进行编码得到复诵对文本的语义向量;然后通过全连接softmax匹配复诵对的语义向量并对匹配之后的特征分类。通过对改进的编码方式和提出的两种模型进行实验,证明了提出模型的可行性。实验结果表明改进的编码方式更加适用于陆空通话复诵差错分类任务。并且,相比于基于交互方式的方法,基于孪生结构的方法可以有效地捕捉复诵对之间深层次的匹配关系。