Fugu-MT 論文翻訳(概要): Causal factors discovering from Chinese construction accident cases

論文の概要: Causal factors discovering from Chinese construction accident cases

arxiv url: http://arxiv.org/abs/2105.01227v1
Date: Tue, 4 May 2021 00:36:17 GMT
ステータス: 処理完了
システム内更新日: 2021-05-05 13:00:29.998038
Title: Causal factors discovering from Chinese construction accident cases
Title（参考訳）: 中国の建設事故事例から見つかる因果要因
Authors: Zi-jian Ni, Wei Liu
Abstract要約: 中国では2012年以来、建設事故で他のどの産業よりも多くの人が死亡している。一連のNLP技術を用いて,中国の事例文から建設事故の原因要因を抽出,整理した。
参考スコア（独自算出の注目度）: 8.16738303617052
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In China, construction accidents have killed more people than any other industry since 2012. The factors which led to the accident have complex interaction. Real data about accidents is the key to reveal the mechanism among these factors. But the data from the questionnaire and interview has inherent defects. Many behaviors that impact safety are illegal. In China, most of the cases are from accident investigation reports. Finding out the cause of the accident and liability affirmation are the core of incident investigation reports. So the truth of some answers from the respondents is doubtful. With a series of NLP technologies, in this paper, causal factors of construction accidents are extracted and organized from Chinese incident case texts. Finally, three kinds of neglected causal factors are discovered after data analysis.
Abstract（参考訳）: 中国では2012年以来、建設事故で他のどの産業よりも多くの人が死亡している。事故の原因となる要因は複雑な相互作用である。事故に関する実際のデータが、これらの要因のメカニズムを明らかにする鍵となる。しかし、アンケートとインタビューのデータには固有の欠陥がある。安全に影響を与える多くの行動は違法である。中国では、ほとんどのケースは事故調査報告によるものです。事故の原因の発見と責任確認は、インシデント調査レポートの中核である。ですから、回答者の回答の真実は疑わしいものです。本稿では,一連のNLP技術を用いて,中国の事例文から建設事故の因果要因を抽出し,整理する。最後に、データ分析後に3種類の無視因果因子が検出される。

関連論文リスト

From Pre-training Corpora to Large Language Models: What Factors Influence LLM Performance in Causal Discovery Tasks? [51.42906577386907]
本研究では,因果発見タスクにおけるLarge Language Models(LLM)の性能に影響を与える要因について検討する。因果関係の頻度が高いことは、より良いモデル性能と相関し、トレーニング中に因果関係の情報に広範囲に暴露することで、因果関係の発見能力を高めることを示唆している。
論文参考訳（メタデータ） (2024-07-29T01:45:05Z)
Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文参考訳（メタデータ） (2024-06-16T03:10:16Z)
Anatomy of a Robotaxi Crash: Lessons from the Cruise Pedestrian Dragging Mishap [1.0878040851637998]
2023年10月、GMクルーズのロボタクシーとサンフランシスコの歩行者が衝突し、重傷を負った。本誌は、Cruiseがロボットタクシーで車の下に歩行者を引きずり込んだときの対応を誤認している様子を調べた。我々は、近隣の不幸を認識して対応すること、衝突後のシナリオの正確な世界モデルを構築すること、不幸に対応するための組織的な規律を欠くことなど、学習されるであろう安全に関する教訓を探求する。
論文参考訳（メタデータ） (2024-02-08T20:37:51Z)
Hotspot Prediction of Severe Traffic Accidents in the Federal District of Brazil [0.0]
この研究は、主に事故の集中度と、ホットスポットの予測に機械学習をどのように使用できるかに焦点を当て、研究の多様性を増す試みである。ブラジル連邦地区のデータは、法医学的な交通事故のアナリストから収集され、現地の気象状況のデータと組み合わせて、衝突のホットスポットを予測する。気象パラメーターが事故発生場所ほど重要でないことを確認し,事故発生回数を減らすために局所的な介入が重要であることを示す。
論文参考訳（メタデータ） (2023-12-28T22:13:11Z)
Large Language Models in Analyzing Crash Narratives -- A Comparative Study of ChatGPT, BARD and GPT-4 [0.0]
交通安全研究において,テキスト分析を用いた事故談話から情報を抽出することが一般的である。本研究は、ChatGPT, BARD, GPT4の3つのLLMインタフェースを用いている。 LLMの全体的な類似性は, 70%, 35%, 96%, 89%であった。
論文参考訳（メタデータ） (2023-08-25T00:09:16Z)
Exploring Machine Learning Techniques to Identify Important Factors Leading to Injury in Curve Related Crashes [0.4129225533930965]
本研究は, 交通事故に関連する重要な要因を変数として考慮し, 車両の損傷の有無を予測変数として検討することにより, 問題点を解消しようとするものである。本研究は、米国各州の交通事故関連データを含む国家道路交通安全局(NHTSA)のCRSSデータを用いた。分析の結果,損傷の程度,事故前イベント,事故前位置,道路記述,道路表面条件,事故月,最初の有害事象,車両数,回避操作の試み,道路勾配が車両数に影響を与えることが明らかとなった。
論文参考訳（メタデータ） (2023-01-04T13:07:28Z)
Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。様々な要因がドライバーの疲労の原因となっている。ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文参考訳（メタデータ） (2022-08-31T08:42:28Z)
Mining Root Cause Knowledge from Cloud Service Incident Investigations for AIOps [71.12026848664753]
サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
論文参考訳（メタデータ） (2022-04-21T02:33:34Z)
Everything Has a Cause: Leveraging Causal Inference in Legal Text Analysis [62.44432226563088]
因果推論は変数間の因果関係を捉えるプロセスである。本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。 GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
論文参考訳（メタデータ） (2021-04-19T16:13:10Z)
Data Mining and Visualization to Understand Accident-prone Areas [0.0]
本稿では,データマイニングと情報可視化技術を用いて事故発生地域を同定する。発見は、ほとんどの事故が夕暮れ(午後6時から7時まで)と金曜日に起こることを示唆している。結果は、ほとんどの事故が観光の人気月である10月に発生したことを示唆しています。
論文参考訳（メタデータ） (2021-03-11T18:11:23Z)
A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文参考訳（メタデータ） (2021-02-12T18:17:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。