通过 NLP 与深度学习提升航空安全：对 ATSB 安全报告中的飞行阶段进行分类
机器学习
2025-01-15 v1 计算与语言
摘要
航空安全至关重要，要求对不同飞行阶段的安全事件进行精确分析。本研究采用自然语言处理 (NLP) 和深度学习模型，包括 LSTM、CNN、双向 LSTM (BLSTM) 和简单循环神经网络 (sRNN)，对来自澳大利亚运输安全局 (ATSB) 的安全报告中的飞行阶段进行分类。各模型表现出高准确率、精确率、召回率和 F1 分数，其中 LSTM 实现的最高性能分别为 87%、88%、87% 和 88%。这一表现凸显了其在自动化安全事件分析中的有效性。NLP 与深度学习技术的融合为航空安全分析的变革性提升提供了可能，使能够针对性地进行安全措施并简化报告处理。
引用
@article{arxiv.2501.07923,
title = {Aviation Safety Enhancement via NLP & Deep Learning: Classifying Flight Phases in ATSB Safety Reports},
author = {Aziida Nanyonga and Hassan Wasswa and Graham Wild},
journal= {arXiv preprint arXiv:2501.07923},
year = {2025}
}
备注
NLP, Aviation Safety, ATSB, Deep learning, Flight phase. arXiv admin note: substantial text overlap with arXiv:2501.01694