NOTAM 数据的识别与处理

本文展示了如何处理民航领域的 NOTAM（航行通告）数据。主要研究内容如下：1. 数据预处理：针对 NOTAM 原始数据中存在中英混合、结构较差的问题，对原始数据进行清洗，分别处理中文数据与英文数据，完成分词并去除停用词。使用 Glove 词向量方法表示数据以构建自定义映射词表。2. 特征与分类器解耦：为提升文本分类模型对少数类样本的识别能力，从算法整体角度将整体模型训练过程解耦，分为特征学习与分类器学习两个阶段。特征学习阶段与分类器学习阶段的权重采用不同策略，以克服不平衡数据集中头部数据与尾部数据对分类模型的影响。实验证明，基于神经网络分类模型采用特征与分类器解耦方法，能够完成民航领域文本多分类任务，同时可提升数据集中少数类样本的识别准确率。