本体学习是指采用机器学习的方法自动地提取本体的概念和概念间的关系,随着民航业与互联网信息技术的迅速发展,航空安全管理对领域本体的自动学习提出了更高的需求。本文将深度学习方法应用到民航突发事件领域本体的关系抽取中,以非结构化民航突发事件文本信息为基础,研究领域本体中概念与概念间关系的提取问题。针对目前基于深度学习方法的关系抽取模型进行了深入分析,围绕注意力机制在自然语言处理领域的应用研究,提出了一种结合注意力机制与双向门控循环单元BiGRU(Bidirectional Gated Recurrent Unit)的分类模型(Att-BiGRU)。该模型首先通过文本信息向量化,将每个词语映射为向量表示,其次通过构建BiGRU获得词语序列的上下文语义信息,并在词语层面和句子层面分别引入注意力机制,为表达语义关系更重要的词语和句子分配更大的权重,减少无关词语和句子的影响,通过训练与模型优化,在公共数据集上对该模型进行测试,与其它几种模型进行多角度的对比分析,实验结果验证了该分类模型的有效性。针对民航突发事件领域本体关系抽取准确率低的问题,结合民航突发事件文本信息的数据特点,将Att-BiGRU模型应用在民航突发事件领域本体关系抽取中。给出了民航突发事件文本数据的预处理过程,详细论述了实验过程各种参数、函数、优化和正则化方法等关系提取的实现步骤,并将实验结果与之前相关方法进行对比,表明本文方法有效提升了领域本体关系抽取的准确率,为民航突发事件领域本体关系的自动获取提供了更好的方法支持。