用于文本损坏等级分类的深度学习架构比较研究
机器学习
2025-01-23 v1
摘要
鉴于安全在航空业中的至高重要性，即使是微小的运行异常也可能产生重大后果。对事件和事故的全面记录有助于识别根本原因并提出安全措施。然而，事件叙事的非结构化特性给计算机系统进行解释带来了挑战。我们的研究旨在利用自然语言处理（NLP）和深度学习模型来分析这些叙事，并对安全事件中发生的飞机损坏等级进行分类。通过实施 LSTM、BLSTM、GRU 和 sRNN 深度学习模型，我们的研究取得了可喜的成果，所有模型均展现出具有竞争力的性能，准确率超过 88%，显著超过了四类分类问题中 25% 的随机猜测阈值。值得注意的是，sRNN 模型在召回率和准确率方面表现最佳，达到了惊人的 89%。这些发现突显了 NLP 和深度学习模型在从非结构化文本叙事中提取可操作见解方面的潜力，特别是在航空安全事件领域评估飞机损坏程度方面的潜力。
引用
@article{arxiv.2501.01694,
title = {Comparative Study of Deep Learning Architectures for Textual Damage Level Classification},
author = {Aziida Nanyonga and Hassan Wasswa and Graham Wild},
journal= {arXiv preprint arXiv:2501.01694},
year = {2025}
}