基于自然语言处理的航空安全事件序列分类
计算与语言
2025-01-23 v1 机器学习
摘要
安全是航空运输系统的关键方面，因为即使是轻微的操作异常也可能导致严重后果。为降低航空安全事件发生的概率，事故和征候被报告以确定根本原因、提出安全建议等。然而，事故前事件的分析叙述是以人类可理解的、原始的、非结构化的文本形式呈现的，计算机系统无法理解。从文本叙述中对安全事件进行分类和归类的能力将有助于航空业利益相关者做出明智的安全关键决策。为了对安全事件进行分类和归类，我们应用了自然语言处理（NLP）和人工智能（AI）模型来处理文本叙述。本研究旨在回答以下问题：使用自然语言处理从文本叙述中推断安全事件对飞机造成的损坏程度的效果如何？我们评估了多种深度学习模型的分类性能，包括LSTM、BLSTM、GRU、sRNN，以及这些模型的组合，如LSTM和GRU、BLSTM+GRU、sRNN和LSTM、sRNN和BLSTM、sRNN和GRU、sRNN和BLSTM和GRU、sRNN和LSTM和GRU，这些模型在来自NTSB的27,000份安全事件报告上进行了评估。研究结果表明，所有研究的模型都表现出具有竞争力的良好性能，准确率超过87.9%，远高于四类分类问题中25%的随机猜测。此外，这些模型还获得了高精确率、召回率和F1分数，分别超过80%、88%和85%。sRNN在召回率（90%）和准确率（90%）方面略优于其他单一模型，而LSTM在精确率（87%）方面表现略好。
引用
@article{arxiv.2501.06490,
title = {Sequential Classification of Aviation Safety Occurrences with Natural Language Processing},
author = {Aziida Nanyonga and Hassan Wasswa and Ugur Turhan and Oleksandra Molloy and Graham Wild},
journal= {arXiv preprint arXiv:2501.06490},
year = {2025}
}