长期以来,陆空通话失误导致的飞行事故并不少见。为了减少陆空通话失误,国际民航组织及各国管理机构不断改进陆空通话用语的语言标准。但陆空通话双方误理解事件时有发生,其中由飞行员指令复诵错误引起的陆空通话问题最为常见。因此,加强陆空通话指令的语义自动化一致性度量,对飞行员正确执行管制员发出的指令具有重大而迫切的现实意义。近年来研究发现,以递归神经网络(Recurrent Neural Network,RNN)为基础的深度学习模型能较好的描述句子语义。RNN模型具有记忆功能,可以充分利用序列之间的信息。长短时记忆递归神经网络(Long Short-Term Memory Recurrent Neural Network,LSTM-RNN)克服了RNN处理序列数据时无法获取远距离信息的缺陷。因此RNN和LSTM-RNN在处理文本序列数据方面得到了广泛应用。为了描述陆空通话语义,提出了基于RNN和基于LSTM-RNN的语义描述与度量模型。首先,利用陆空通话录音构建复诵类型陆空通话语料库,并用词向量表示陆空通话指令中的词;然后利用两个RNN或LSTM-RNN模型分别描述每组陆空通话中的空管指令和飞行员复诵指令,并生成两个句子的语义向量;第三,利用余弦相似度度量两个语义向量的相似性;最后,采用常见分类器判别陆空通话双方的语义一致性。论文对比了one-hot和word2vec两种词向量生成方法。实验结果表明,利用RNN和LSTM-RNN模型描述陆空通话指令的语义向量并利用分类方法判别陆空通话的语义一致性是可行的,并且LSTM-RNN模型比RNN模型更适合用于描述陆空通话指令的语义,在实验中取得了更高的判别正确率。