一种基于自然语言大模型的翻译文本质量评估方法及系统

1.本发明涉及自然语言处理技术领域，特别是涉及一种基于自然语言大模型的翻译文本质量评估方法及系统。


背景技术：

2.随着民航业的不断发展，民航英语翻译需求日益增长。传统的翻译质量评估方法通常依赖人工评审，耗时且主观性较强。近年来，神经机器翻译（nmt）技术取得了显著进展，为自动翻译质量评估提供了新的可能。然而，现有的自动评估方法往往忽略了领域知识的重要性，难以满足民航英语翻译质量评估的需求。
3.以chatgpt为代表的自然语言大模型，在许多自然语言处理任务中取得了引人注目的成绩，如文本生成、问答系统、机器翻译、人机对话等。然而，目前尚未见到利用自然语言大模型，对翻译文本质量进行自动化评估的方案。而现有技术中，自然语言模型缺乏行业专业背景知识，难以对民航英语等行业专业语言进行翻译与评估，安全属性弱，因此亟需构建一种基于自然语言大模型的民航英语翻译文本质量评估方法，以解决现有技术中，民航英语以及其他专业领域的翻译文本的质量评估专业性能差、准确率低、安全属性弱等问题。


技术实现要素：

4.本发明的目的是提供一种基于自然语言大模型的翻译文本质量评估方法及系统，实现了对民航英语等专业领域的翻译文本进行自动化、客观、高效地评价，提高了翻译质量评估的准确性和可靠性。
5.为实现上述目的，本发明提供了如下方案：一种基于自然语言大模型的翻译文本质量评估方法，包括：s1、收集数据：收集民航领域内的翻译材料，构建民航领域数据集，所述民航领域数据集包含源语言文本、已翻译文本和人工参考译文；s2、选择模型与指标：选择gpt-4模型为基础模型，定义客观评估指标；s3、finetune训练gpt-4模型：使用民航领域数据集中的训练集对gpt-4模型进行finetune训练，得到用于评估的迁移模型；基于民航专业词汇，定义加权的余弦相似性损失函数，用于输出待评价翻译文本的评分，设置finetune训练的目标为最小化任务相关的损失函数；在finetune训练过程中，不断调整gpt-4模型的权重，允许其在训练过程中进行更新；s4、评估性能：使用民航领域数据集中的验证集对所述迁移模型的性能进行评估，并根据性能表现对所述迁移模型进行调优；s5、测试与应用：对民航领域数据集中的测试集对调整后的迁移模型进行性能测试，应用测试后的迁移模型对民航英语翻译文本进行质量评价。
6.进一步的，所述s1中，收集数据，还包括：步骤1.1：对所述民航领域数据集进行预处理，所述预处理包括文本清洗、分词、去
除停用词；步骤1.2：按一定比例将民航领域数据集划分为训练集、验证集和测试集。
7.进一步的，所述s2中，所述定义客观评估指标具体为：步骤2.1：从衡量翻译结果与民航参考译文的n-gram重叠程度，并结合民航安全的影响程度，定义评价指标e1：，其中，sp表示专业惩罚系数，用于评价民航专业关键词汇是否准确；bp表示简短惩罚系数，用于处理翻译结果过短的情况；表示权重；表示n-gram精度，即候选译文中n-gram与参考译文重叠的比例；步骤2.2：基于召回率和准确率的机器翻译评估指标，结合词汇匹配、词序和词义方面的信息以及民航安全的影响程度，定义评价指标e2：，其中，p1：准确率，即候选译文中正确匹配的词数占候选译文总词数的比例；r1：召回率，即候选译文中正确匹配的词数占参考译文总词数的比例；t1和t2均表示平衡系数，用于调整准确率和召回率之间的权重；p2：专业准确率，即候选译文中正确匹配的民航专业词数占候选译文专业总词数的比例；r2：专业召回率，即候选译文中正确匹配的民航专业词数占人工参考译文专业总词数的比例；α∈（0，1）：权重系数；步骤2.3：基于评价指标e1和e2，定义基于民航英语翻译的客观评价指标e为：，其中，是平衡系数，用于调整评估指标e1和评价指标e2之间的权重关系；步骤2.4：选择合适的权重系数α、平衡系数。
8.进一步的，所述s3还包括，进行学习率调整：计算梯度的一阶矩的指数加权移动平均：，计算梯度的二阶矩的指数加权移动平均：，对和进行偏差修正：，更新参数：，其中，是指训练步数为t时，对应的梯度的一阶矩的指数加权移动平均；是指训练步数为t时，对应的二阶矩的指数加权移动平均，是在时间步t的梯度，和分别
是一阶矩和二阶矩的衰减因子；表示将取t次方；表示将取t次方；是学习率，控制参数更新的幅度；t表示训练步数；是一个非常小的数，用于防止除以0的情况，是在时间步t的参数值；表示逐元素相乘。
9.进一步的，所述s4中，对所述迁移模型的性能进行评估的方法为：根据不同评价需求选择性能指标进行评估，所述性能指标包括准确率accuracy、f1分数、召回率。
10.进一步的，通过准确率accuracy对所述迁移模型的性能进行评估；准确率accuracy是分类模型预测正确的样本数与总样本数之比；公式表示为：；其中，tp表示真阳性、tn表示真阴性、fp表示假阳性、fn表示假阴性。
11.进一步的，所述s4中，所述根据性能表现对迁移模型进行调优的方法，包括调整超参数、优化算法、调整损失函数。
12.进一步的，所述方法还包括：s6、反馈与持续改进，收集用户和专业人士对测试后的迁移模型的评价结果的反馈信息，根据反馈信息调整评价指标、模型参数和训练方法，定期更新民航领域数据集。
13.本发明还提供了一种基于自然语言大模型的翻译文本质量评估系统，包括：收集模块，用于收集民航领域内的翻译材料，构建民航领域数据集，所述民航领域数据集包含源语言文本、已翻译文本和人工参考译文；基础模型构建模块，用于选择gpt-4模型为基础模型，定义评估指标；并基于民航专业词汇，定义加权的余弦相似性损失函数；finetune训练模块，用于使用民航领域数据集对gpt-4模型进行finetune训练，得到用于评估的迁移模型；在finetune训练过程中，不断调整gpt-4模型的权重，允许其在训练过程中进行更新；评价模块：用于输入源语言文本和已翻译文本，输出待评价翻译文本的各项评分；性能评估模块，用于使用民航领域数据集中的验证集对评价模块的性能进行评估，并根据性能表现对所述迁移模型进行调优；测试与应用模块，用于对民航领域数据集中的测试集进行性能测试，应用测试后的迁移模型对民航英语翻译文本进行质量评价。
14.进一步的，所述系统还包括：反馈与持续改进模块，用于收集用户和专业人士对测试后的迁移模型的评价结果的反馈信息，根据反馈信息调整评价指标、模型参数和训练方法，定期更新民航领域数据集。
15.根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于自然语言大模型的翻译文本质量评估方法及系统，具有良好的泛化能力，能够充分利用自然语言大模型强大的迁移学习能力，提高翻译质量评估的准确性和可靠性；本发明可在不同的计算设备上部署和运行，实现跨平台的自动化质量评估；还综合考虑了常规评价指标和民航领域专业评价指标，能够从专业的角度评估翻译结果的准确性、流畅性、客观性、专业性和安全性；本发明可广泛应用于民航英语及其他专业领域的翻译质量评估，实现自动化、客观和高效的评价，提高了翻译质量；还可以与其他自然语言处理技术相结合，实现对民航英语翻译质量评估的进一步优化和完善。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明基于自然语言大模型的民航英语翻译文本质量评估方法的流程示意图。
具体实施方式
18.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.本发明的目的是提供一种基于自然语言大模型的翻译文本质量评估方法及系统，实现了对民航英语等专业领域的翻译文本进行自动化、客观、高效地评价，提高了翻译质量评估的准确性和可靠性。
20.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
21.实施例1如图1所示，本发明实施例提供的一种基于自然语言大模型的翻译文本质量评估方法，包括：s1、收集数据：从权威渠道收集民航领域内的翻译材料（包括国际民航组织、各型民航客机的飞行手册、民航词典等），构建民航领域数据集，所述民航领域数据集包含源语言文本、已翻译文本和人工参考译文；s2、选择模型与指标：选择openai公司的gpt-4模型为基础模型；考虑到民航行业对于安全性始终高度重视，如果翻译文本存在不准确、不专业等潜在错误，将文本应用于运行环境中，将可能导致直接或者间接的安全事件，造成严重的生命财产损失，为此，本发明从衡量翻译结果与民航参考译文的n-gram重叠程度，并结合民航安全的影响程度，定义客观评价指标；s3、finetune训练gpt-4模型：使用民航领域数据集中的训练集对gpt-4模型进行finetune训练，得到用于评估的迁移模型，以适应翻译文本的质量评价任务；在finetune训练过程中，不断调整训练前的gpt-4模型的权重，允许其在训练过程中进行更新；finetune训练的目标是最小化任务相关的损失函数，为此，本发明基于民航专业词汇，定义加权的余弦相似性损失函数，用于输出待评价翻译文本的评分，所述加权的余弦相似性损失函数为：；其中，a表示翻译文本向量；b表示原文本向量；w是权重对角矩阵，表示与输入文本维度相同，其每个元素wi代表了第i个维度的权重，划分为民航专业词汇和非专业词汇两类，且设定权重为；；
s4、评估性能：使用民航领域数据集中的验证集对所述迁移模型的性能进行评估，并根据性能表现对所述迁移模型进行调优；s5、测试与应用：用民航领域数据集中的测试集对调优后的迁移模型进行性能测试，确保具有良好的泛化能力；应用测试后的迁移模型对民航英语翻译文本进行质量评价；对实际应用中的翻译结果进行持续监控，以便实时调整模型参数和优化方法。
22.本实施例中，所述s1中，收集数据，还包括：步骤1.1：对所述民航领域数据集进行预处理，所述预处理包括文本清洗、分词、去除停用词等；步骤1.2：按一定比例将民航领域数据集划分为训练集、验证集和测试集。
23.本实施例中，所述s2中，所述定义客观评估指标具体为：步骤2.1：从衡量翻译结果与民航参考译文的n-gram重叠程度，并结合民航安全的影响程度，定义评价指标e1：，其中，sp（safety penalty）：专业惩罚系数，用于评价民航专业关键词汇是否准确；当译文词汇错误率（个数/千字）p大于阈值p0，则sp=0；否则sp=1，一般p0取值p0≤5；bp简短惩罚系数（brevity penalty）：用于处理翻译结果过短的情况；当候选译文长度c小于参考译文长度r时，；否则，bp = 1。
24.：表示权重，通常设为1/n，n为最大考虑的n-gram长度，n通常设置为2或者3；：表示n-gram精度，即候选译文中n-gram与参考译文重叠的比例；n-gram表示一种统计语言模型。
25.步骤2.2：基于召回率和准确率的机器翻译评估指标，结合词汇匹配、词序和词义方面的信息以及民航安全的影响程度，定义评价指标e2：，其中，p1：准确率，即候选译文中正确匹配的词数占候选译文总词数的比例；r1：召回率，即候选译文中正确匹配的词数占参考译文总词数的比例；t1和t2均表示平衡系数，用于调整准确率和召回率之间的权重；p2：专业准确率，即候选译文中正确匹配的民航专业词数占候选译文专业总词数的比例；r2：专业召回率，即候选译文中正确匹配的民航专业词数占人工参考译文专业总词数的比例；α∈（0，1）：权重系数；步骤2.3：基于评价指标e1和e2，定义基于民航英语翻译的客观评价指标e为：，其中，是平衡系数，用于调整评估指标e1和评价指标e2之间的权重关系；步骤2.4：选择合适的权重系数α、平衡系数和其他参数，以满足评估需求。
26.本实施例中，所述s3还包括，进行学习率调整：在finetune过程中，通常采用较低的学习率进行finetune训练，以保持预训练模型的知识；使用固定的学习率、学习率衰减策略或自适应学习率优化器，本发明结合动量（momentum）和 rmsprop，提出了一种优化算法，既计算梯度的一阶矩（即梯度的均值），也计
算二阶矩（即梯度平方的均值）。其更新公式如下：计算梯度的一阶矩（指数加权移动平均）：；计算梯度的二阶矩（指数加权移动平均）：，对和进行偏差修正：，更新参数：，其中，是指训练步数为t时，对应的梯度的一阶矩的指数加权移动平均；是指训练步数为t时，对应的二阶矩的指数加权移动平均；是在时间步t的梯度，和分别是一阶矩和二阶矩的衰减因子，通常取值为0.9和0.999；表示将取t次方；表示将取t次方；是学习率，控制参数更新的幅度；t表示训练步数；是一个非常小的数，用于防止除以0的情况，通常取值为1e-8
，是在时间步t的参数值；表示逐元素相乘。
27.本实施例中，所述s4中，对所述迁移模型的性能进行评估的方法为：根据不同评价需求选择性能指标进行评估，所述性能指标包括准确率accuracy、f1分数、召回率等。
28.本实施例中，通过准确率accuracy对所述迁移模型的性能进行评估，具体为：准确率accuracy是分类模型预测正确的样本数与总样本数之比；公式表示为：；其中，tp表示真阳性（正确分类为正类的样本数）、tn表示真阴性（正确分类为负类的样本数）、fp表示假阳性错误分类为正类的样本数）、fn表示假阴性（错误分类为负类的样本数）。
29.本实施例中，所述s4中，所述根据性能表现对所述迁移模型进行调优的方法包括：调整超参数、优化算法、调整损失函数等。
30.进一步的实施例中，所述方法还包括：s6、反馈与持续改进，具体为：步骤6.1. 收集用户和专业人士对测试后的迁移模型评估结果的反馈，以便持续优化模型性能。
31.步骤6.2. 根据反馈信息调整评价指标、模型参数和训练方法，以更好地满足民航英语翻译文本质量评估的需求。
32.步骤6.3. 定期更新民航领域数据集，以确保模型能够适应不断变化的民航领域的术语和用语。
33.实施例2本实施例提供了一种基于自然语言大模型的翻译文本质量评估系统，包括：
收集模块，用于收集民航领域内的翻译材料，构建民航领域数据集，所述民航领域数据集包含源语言文本、已翻译文本和人工参考译文；基础模型构建模块，用于选择gpt-4模型为基础模型，定义评估指标；并基于民航专业词汇，定义加权的余弦相似性损失函数；finetune训练模块，用于使用民航领域数据集对gpt-4模型进行finetune训练，得到用于评估的迁移模型；在finetune训练过程中，不断调整gpt-4模型的权重，允许其在训练过程中进行更新；评价模块：用于输入源语言文本和已翻译文本，输出待评价翻译文本的各项评分；性能评估模块，用于使用民航领域数据集中的验证集对所述迁移模型的性能进行评估，并根据性能表现对所述迁移模型进行调优；测试与应用模块，用于对民航领域数据集中的测试集对调优后的迁移模型进行性能测试，应用测试后的迁移模型对民航英语翻译文本进行质量评价。
34.进一步的实施例中，所述基于自然语言大模型的翻译文本质量评估系统还包括：反馈与持续改进模块，用于收集用户和专业人士对测试后的迁移模型的评价结果的反馈信息，根据反馈信息调整评价指标、模型参数和训练方法，定期更新民航领域数据集。
35.综上，本发明提供的基于自然语言大模型的翻译文本质量评估方法及系统，具有良好的泛化能力，能够充分利用gpt-4模型强大的迁移学习能力，提高翻译质量评估的准确性和可靠性；本发明根据权威渠道的民航领域内翻译材料，构建的包含源语言文本、已翻译文本和人工参考译文的民航领域数据集。适合民航翻译文本的客观评价指标。针对民航行业特点，能够提供更准确、更专业、更客观的翻译质量评价效果。
36.本发明可在不同的计算设备上部署和运行，实现跨平台的自动化质量评估；本发明综合考虑了常规评价指标和民航领域专业评价指标，能够从专业的角度评估翻译结果的准确性、流畅性、专业性和安全性；本发明可广泛应用于民航英语及其他专业领域的翻译质量评估，实现自动化、客观和高效的评价，提高了翻译质量；还可以与其他自然语言处理技术相结合，实现对民航英语翻译质量评估的进一步优化和完善。
37.在本实施例中的其余技术特征，本领域技术人员均可以根据实际情况进行灵活选用以满足不同的具体实际需求。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的组成、结构，均在本发明的权利要求书请求保护的技术方案限定技术保护范围之内。
38.本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。在以上描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的技术，例如具体的施工细节，作业条件和其他的技术条件等。
39.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种基于自然语言大模型的翻译文本质量评估方法，其特征在于，包括：s1、收集数据：收集民航领域内的翻译材料，构建民航领域数据集，所述民航领域数据集包含源语言文本、已翻译文本和人工参考译文；s2、选择模型与指标：选择gpt-4模型为基础模型，定义客观评估指标；s3、finetune训练gpt-4模型：使用民航领域数据集中的训练集对gpt-4模型进行finetune训练，得到用于评估的迁移模型；基于民航专业词汇，定义加权的余弦相似性损失函数，用于输出待评价翻译文本的评分，设置finetune训练的目标为最小化任务相关的损失函数；在finetune训练过程中，不断调整gpt-4模型的权重，允许其在训练过程中进行更新；s4、评估性能：使用民航领域数据集中的验证集对所述迁移模型的性能进行评估，并根据性能表现对所述迁移模型进行调优；s5、测试与应用：对民航领域数据集中的测试集对调优后的迁移模型进行性能测试，应用测试后的迁移模型对民航英语翻译文本进行质量评价。2.根据权利要求1所述的基于自然语言大模型的翻译文本质量评估方法，其特征在于，所述s1中，收集数据，还包括：步骤1.1：对所述民航领域数据集进行预处理，所述预处理包括文本清洗、分词、去除停用词；步骤1.2：按一定比例将民航领域数据集划分为训练集、验证集和测试集。3.根据权利要求1所述的基于自然语言大模型的翻译文本质量评估方法，其特征在于，所述s2中，所述定义客观评估指标具体为：步骤2.1：从衡量翻译结果与民航参考译文的n-gram重叠程度，并结合民航安全的影响程度，定义评价指标e1：，中，sp表示专业惩罚系数，用于评价民航专业关键词汇是否准确；bp表示简短惩罚系数，用于处理翻译结果过短的情况；表示权重；表示n-gram精度，即候选译文中n-gram与参考译文重叠的比例；步骤2.2：基于召回率和准确率的机器翻译评估指标，结合词汇匹配、词序和词义方面的信息以及民航安全的影响程度，定义评价指标e2：，其中，p1：准确率，即候选译文中正确匹配的词数占候选译文总词数的比例；r1：召回率，即候选译文中正确匹配的词数占参考译文总词数的比例；t1和t2均表示平衡系数，用于调整准确率和召回率之间的权重；p2：专业准确率，即候选译文中正确匹配的民航专业词数占候选译文专业总词数的比例；r2：专业召回率，即候选译文中正确匹配的民航专业词数占人工参考译文专业总词数的比例；α∈（0，1）：权重系数；步骤2.3：基于评价指标e1和e2，定义基于民航英语翻译的客观评价指标e为：，
其中，是平衡系数，用于调整评估指标e1和评价指标e2之间的权重关系；步骤2.4：选择合适的权重系数α、平衡系数。4.根据权利要求1所述的基于自然语言大模型的翻译文本质量评估方法，其特征在于，所述s3还包括，进行学习率调整：计算梯度的一阶矩的指数加权移动平均：，计算梯度的二阶矩的指数加权移动平均：，对和进行偏差修正：，更新参数：，其中，是指训练步数为t时，对应的梯度的一阶矩的指数加权移动平均；是指训练步数为t时，二阶矩的指数加权移动平均，是在时间步t的梯度，和分别是一阶矩和二阶矩的衰减因子；表示将取t次方；表示将取t次方；是学习率，控制参数更新的幅度；t表示训练步数；是一个非常小的数，用于防止除以0的情况，是在时间步t的参数值；表示逐元素相乘。5.根据权利要求1所述的基于自然语言大模型的翻译文本质量评估方法，其特征在于，所述s4中，对所述迁移模型的性能进行评估的方法为：根据不同评价需求选择性能指标进行评估，所述性能指标包括准确率accuracy、f1分数、召回率。6.根据权利要求5所述的基于自然语言大模型的翻译文本质量评估方法，其特征在于，通过准确率accuracy对所述迁移模型的性能进行评估；准确率accuracy是分类模型预测正确的样本数与总样本数之比；公式表示为：，其中，tp表示真阳性、tn表示真阴性、fp表示假阳性、fn表示假阴性。7.根据权利要求1所述的基于自然语言大模型的翻译文本质量评估方法，其特征在于，所述s4中，所述根据性能表现对所述迁移模型进行调优的方法包括：调整超参数、优化算法、调整损失函数。8.根据权利要求1所述的基于自然语言大模型的翻译文本质量评估方法，其特征在于，所述方法还包括：s6、反馈与持续改进：收集用户和专业人士对测试后的迁移模型的评价结果的反馈信息，根据反馈信息调整评价指标、模型参数和训练方法，定期更新民航领域数据集。9.一种基于自然语言大模型的翻译文本质量评估系统，其特征在于，包括：收集模块，用于收集民航领域内的翻译材料，构建民航领域数据集，所述民航领域数据
集包含源语言文本、已翻译文本和人工参考译文；基础模型构建模块，用于选择gpt-4模型为基础模型，定义评估指标；并基于民航专业词汇，定义加权的余弦相似性损失函数；finetune训练模块，用于使用民航领域数据集对gpt-4模型进行finetune训练，得到用于评估的迁移模型；在finetune训练过程中，不断调整gpt-4模型的权重，允许其在训练过程中进行更新；评价模块：用于输入源语言文本和已翻译文本，输出待评价翻译文本的各项评分；性能评估模块，用于使用民航领域数据集中的验证集对评价模块的性能进行评估，并根据性能表现对所述迁移模型进行调优；测试与应用模块，用于对民航领域数据集中的测试集进行性能测试，应用测试后的迁移模型对民航英语翻译文本进行质量评价。10.根据权利要求9所述的基于自然语言大模型的翻译文本质量评估系统，其特征在于，所述系统还包括：反馈与持续改进模块，用于收集用户和专业人士对测试后的迁移模型的评价结果的反馈信息，根据反馈信息调整评价指标、模型参数和训练方法，定期更新民航领域数据集。

技术总结
本发明公开了一种基于自然语言大模型的翻译文本质量评估方法及系统，涉及自然语言处理技术领域，通过构建民航领域数据集，选择GPT-4模型为基础模型，定义客观评估指标；通过对GPT-4模型进行Finetune训练，得到用于评估的迁移模型，再根据性能表现对其进行调整，最后对调整后的迁移模型进行性能测试，应用测试后的迁移模型对民航英语翻译文本进行质量评价。本发明建立的迁移模型的泛化能力强，能够充分利用其迁移学习能力，提高翻译质量评估的准确性和可靠性；能从专业的角度评估翻译结果的准确性、流畅性、专业性和安全性，可广泛应用于民航英语及其他专业领域的翻译质量评估，实现自动化、客观、高效的评价。高效的评价。高效的评价。


技术研发人员：王艾 林孟阳 阮自辉
受保护的技术使用者：中国民用航空飞行学院
技术研发日：2023.07.05
技术公布日：2023/8/6