基于深度学习的铁路事故叙述文本分析
计算与语言
2020-05-21 v3 信息检索
机器学习
神经与进化计算
机器学习
摘要
自动理解特定领域文本以提取后续可用的有用关系是一项非平凡任务。此类关系之一便是铁路事故原因与其报告相应描述之间的关系。2001 至 2016 年间，美国铁路事故造成超过 46 亿美元损失。涉事铁路公司须向联邦铁路管理局（FRA）提交事故报告。这些报告包含多种固定字段条目，包括事故主要原因（一个具有 389 个取值的编码变量）以及叙述字段（对事故的简短文本描述）。尽管这些叙述比固定字段条目提供了更多信息，但报告中使用的术语非专业读者不易理解。因此，提供一种辅助方法从此类领域特定文本（叙述）中填写主要原因，将有助于更准确地标注事故。交通安全另一个重要问题是报告的事故原因是否与叙述描述一致。为解答这些问题，我们应用深度学习方法以及 Word2Vec 与 GloVe 等强大词嵌入，利用叙述文本对主要原因字段的事故原因取值进行分类。结果表明，此类方法既能基于报告叙述准确分类事故原因，又能发现事故报告中的重要不一致性。
引用
@article{arxiv.1810.07382,
title = {Analysis of Railway Accidents' Narratives Using Deep Learning},
author = {Mojtaba Heidarysafa and Kamran Kowsari and Laura E. Barnes and Donald E. Brown},
journal= {arXiv preprint arXiv:1810.07382},
year = {2020}
}
备注
accepted in IEEE International Conference on Machine Learning and Applications (IEEE ICMLA)