航空安全事件飞行阶段分类的自然语言处理与深度学习模型
计算与语言
2025-01-14 v1 机器学习
摘要
空中交通系统认识到安全的关键性，甚至微小的异常都可能导致严重后果。报告事故和事件在识别其原因并提出安全建议方面发挥着关键作用。然而，描述事前事件的叙述以非结构化文本形式呈现，计算机系统难以理解。基于这些叙述对安全事件进行分类和归类可支持航空行业利益相关者做出明智的决策。在本研究中，研究人员应用自然语言处理(NLP)和人工智能(AI)模型处理文本叙述，以对航班阶段进行分类。评估了两种深度学习模型的分类性能，分别为ResNet和sRNN，使用来自NTSB的初始数据集包含27,000篇安全事件报告。结果表明，两款模型均实现了良好的性能，准确率超过68%，远高于针对七分类问题的随机猜测率14%。这两种模型还表现出高精度、高召回率和高F1分数。sRNN模型在本研究中所使用的简化ResNet模型架构方面显著优于后者。这些发现表明，NLP和深度学习模型可从原始文本叙述中推断出飞行阶段，从而有效分析安全事件。
引用
@article{arxiv.2501.06564,
title = {Natural Language Processing and Deep Learning Models to Classify Phase of Flight in Aviation Safety Occurrences},
author = {Aziida Nanyonga and Hassan Wasswa and Oleksandra Molloy and Ugur Turhan and Graham Wild},
journal= {arXiv preprint arXiv:2501.06564},
year = {2025}
}
备注
NLP, Aviation reports, Text analysis, Deep learning algorithms, Flight phase classification