基于KeyBERT与语义网络分析探究工程学生对自动驾驶车辆政策的接受度
社会与信息网络
2023-07-19 v1 人工智能
计算与语言
机器人学
摘要
本研究旨在利用改进的文本挖掘方法探究用户对自动驾驶车辆(AV)政策的接受度。近来,韩国政策制定者将自动驾驶汽车(ADC)与自动驾驶机器人(ADR)视为可降低客货运输成本的下一代交通工具。他们支持为ADC建设V2I与V2V通信基础设施,并认定ADR等同于行人以推动其在人行道的部署。为弥补上述政策终端用户接受度未被充分考虑的缺口,本研究对工业、机械及电子-电气-计算机领域研究生的评论应用了两种文本挖掘方法。其一为基于TF-IWF与Dice系数的共现网络分析(CNA),其二为基于KeyBERT(提取能上下文表征评论的关键词)与双余弦相似度的上下文语义网络分析(C-SNA)。比较这些方法的原因,既是为了兼顾AV政策的启示,也是为了满足该研究域应用高质量文本挖掘的需求。值得关注的是,本研究考量了基于频率、不反映文本上下文的文本挖掘之局限,以及语义网络分析(SNA)中调整阈值的权衡。两种方法的比较结果显示,C-SNA比CNA以更少的节点与特征提供了理解用户声音所需的信息。那些基于工程素养与所给文本预先理解AV政策的用户,揭示了AV事故政策的潜在风险。本研究补充了管理这些风险以支撑AV在公共道路成功部署的建议。
引用
@article{arxiv.2307.09014,
title = {Exploring acceptance of autonomous vehicle policies using KeyBERT and SNA: Targeting engineering students},
author = {Jinwoo Ha and Dongsoo Kim},
journal= {arXiv preprint arXiv:2307.09014},
year = {2023}
}
备注
29 pages with 11 figures