LogSyn：面向从非结构化通用航空维修日志中提取结构化洞察的少样本LLM框架
机器学习
2026-02-10 v2
摘要
飞机维修日志包含宝贵的安全数据，但因其非结构化文本格式而未得到广泛利用。本文引入LogSyn框架，使用大语言模型(LLM)将这些日志转换为结构化、机器可读的数据。通过对6169条记录的少样本上下文学习，LogSyn执行受控抽象生成(CAG)，对问题-解决叙述进行总结并在详细的分层本体法则中对事件进行分类。该框架识别关键故障模式，提供一种可扩展的方法，从维修日志中进行语义结构化和可操作洞察提取。该工作为改进维修工作流程和预测分析在航空业及相关行业提供了实用路径。
引用
@article{arxiv.2511.18727,
title = {LogSyn: A Few-Shot LLM Framework for Structured Insight Extraction from Unstructured General Aviation Maintenance Logs},
author = {Devansh Agarwal and Maitreyi Chatterjee and Biplab Chatterjee},
journal= {arXiv preprint arXiv:2511.18727},
year = {2026}
}
备注
Accepted in Proceedings of the 3rd INCOM 2026