基于事件分类的航空事故报告细粒度事件抽取的层次化多标签分类

航空领域记录大量事故报告，这在提高航空安全方面具有重要价值。为了更好地利用这些报告，我们需要理解根据事故报告识别出的最重要的事件或影响因素。然而，日益增长的事故报告数量需要来自领域专家的大量工作来标记这些报告。为提高标记效率，许多研究人员开始 developing algorithms 来自动识别事故报告中的潜在事件。本文认为，通过利用事件分类学可以更准确地识别事件。具体而言，我们考虑将问题视为层次化分类任务，即首先识别粗粒度信息，然后预测细粒度信息。我们通过将 novel hierarchical attention module 集成到 BERT 中来实现这种层次化分类过程。为进一步利用事件分类学中的信息，我们依据标签之间的关系和分布对所提出的模型进行正则化。我们的方法在由国家运输安全委员会（NTSB）收集的数据上进行了评估。结果表明，细粒度预测准确率显著提高，正则化项对解决稀有事件识别问题有益。