基于弱监督语义词典构建的航空安全事件报告成因识别
计算与语言
2014-01-20 v1 机器学习
摘要
航空安全报告系统收集自愿提交的航空安全事件报告，以促进旨在减少此类事件的研究工作。为了有效减少这些事件，准确识别这些事件发生的原因至关重要。更确切地说，给定一组可能的原因或塑造因素，成因识别任务涉及识别且仅识别出那些导致报告中所述事件的塑造因素。我们研究了两种成因识别方法。这两种方法均利用了语义词典提供的信息，该词典是通过Thern和Riloff的Basilisk框架自动构建的，并辅以我们在语言学和算法上的修改。第一种方法使用简单的启发式规则对报告进行标注，即在报告中寻找语义词典学习过程中获取的词和短语。第二种方法将成因识别转化为文本分类问题，采用监督式和直推式文本分类算法从标注了塑造因素的事件报告中学习模型，并使用这些模型对未见报告进行标注。我们的实验表明，基于启发式的方法和基于学习的方法（当给定充足的训练数据时）均显著优于基线系统。
引用
@article{arxiv.1401.4436,
title = {Cause Identification from Aviation Safety Incident Reports via Weakly Supervised Semantic Lexicon Construction},
author = {Muhammad Arshad Ul Abedin and Vincent Ng and Latifur Khan},
journal= {arXiv preprint arXiv:1401.4436},
year = {2014}
}