論文の概要: Natural Language Processing of Aviation Occurrence Reports for Safety
Management
- arxiv url: http://arxiv.org/abs/2301.05663v1
- Date: Fri, 13 Jan 2023 17:00:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 14:07:27.538563
- Title: Natural Language Processing of Aviation Occurrence Reports for Safety
Management
- Title(参考訳): 安全管理のための航空事故報告の自然言語処理
- Authors: Patrick Jonk, Vincent de Vries, Rombout Wever, Georgios Sidiropoulos,
Evangelos Kanoulas
- Abstract要約: 本稿では,航空安全発生報告の分析を支援するために,自然言語処理(NLP)手法について検討する。
適切な条件下では、発生レポートのラベル付けを変換器ベースの分類器で効果的に自動化することができる。
- 参考スコア(独自算出の注目度): 7.008490462870145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Occurrence reporting is a commonly used method in safety management systems
to obtain insight in the prevalence of hazards and accident scenarios. In
support of safety data analysis, reports are often categorized according to a
taxonomy. However, the processing of the reports can require significant effort
from safety analysts and a common problem is interrater variability in labeling
processes. Also, in some cases, reports are not processed according to a
taxonomy, or the taxonomy does not fully cover the contents of the documents.
This paper explores various Natural Language Processing (NLP) methods to
support the analysis of aviation safety occurrence reports. In particular, the
problems studied are the automatic labeling of reports using a classification
model, extracting the latent topics in a collection of texts using a topic
model and the automatic generation of probable cause texts. Experimental
results showed that (i) under the right conditions the labeling of occurrence
reports can be effectively automated with a transformer-based classifier, (ii)
topic modeling can be useful for finding the topics present in a collection of
reports, and (iii) using a summarization model can be a promising direction for
generating probable cause texts.
- Abstract(参考訳): 事故報告は安全管理システムで一般的に用いられる手法であり、危険や事故シナリオの頻度に関する洞察を得る。
安全データ分析を支持するため、レポートは分類によって分類されることが多い。
しかしながら、レポートの処理には安全アナリストによる多大な努力が必要であり、一般的な問題はラベル付けプロセスにおける相互変動である。
また、分類によっては報告が処理されない場合や、分類が文書の内容を完全にカバーしていない場合もある。
本稿では,航空安全発生報告の分析を支援するための自然言語処理法について検討する。
特に、分類モデルを用いたレポートの自動ラベリング、トピックモデルを用いたテキストの集合内の潜在トピックの抽出、可能性のある原因テキストの自動生成などが問題となっている。
実験の結果
i) 適切な条件下では、発生報告のラベル付けを変換器ベースの分類器で効果的に自動化することができる。
(ii)トピックモデリングは、レポートのコレクションに存在するトピックを見つけるのに役立ちます。
(iii)要約モデルを使うことは、可能性の高い原因テキストを生成するための有望な方向である。
関連論文リスト
- AMRFact: Enhancing Summarization Factuality Evaluation with AMR-driven
Training Data Generation [63.18211192998151]
本稿では,現実的に一貫性のない要約を生成する新しいフレームワークであるAMRFactを提案する。
提案手法は, 現実的に正しい要約をAMRグラフに解析し, 否定的な例を生成するために制御された事実矛盾を注入する。
提案手法は,AggreFact-SOTAデータセットにおいて,従来のシステムよりも大幅に優れていることを示す。
論文 参考訳(メタデータ) (2023-11-16T02:56:29Z) - Assessing Privacy Risks in Language Models: A Case Study on
Summarization Tasks [65.21536453075275]
我々は要約作業に焦点をあて、会員推測(MI)攻撃について調査する。
テキストの類似性や文書修正に対するモデルの抵抗をMI信号として活用する。
我々は、MI攻撃から保護するための要約モデルの訓練と、プライバシとユーティリティの本質的にのトレードオフについて議論する。
論文 参考訳(メタデータ) (2023-10-20T05:44:39Z) - AGIR: Automating Cyber Threat Intelligence Reporting with Natural
Language Generation [15.43868945929965]
我々は,CTIレポートの変換ツールであるAGIR(Automatic Generation of Intelligence Reports)を紹介する。
AGIRの主な目的は、包括的インテリジェンスレポートを生成するための労働集約的なタスクを自動化することで、セキュリティアナリストを強化することである。
我々はAGIRのレポート生成能力を定量的かつ質的に評価する。
論文 参考訳(メタデータ) (2023-10-04T08:25:37Z) - Fine-tuning and aligning question answering models for complex
information extraction tasks [0.8392546351624164]
質問応答(QA)や通過検索モデルのような抽出言語モデルは、クエリ結果が適切なコンテキスト文書の境界内で見つかることを保証します。
既存のドイツ語のQAモデルを微調整することで,複雑な言語的特徴の抽出タスクをカスタマイズする性能が向上することを示す。
評価基準を再現するために,Levenshtein 距離,F1-Score,Exact Match,ROUGE-L の組合せを推定した。
論文 参考訳(メタデータ) (2023-09-26T10:02:21Z) - MQAG: Multiple-choice Question Answering and Generation for Assessing
Information Consistency in Summarization [55.60306377044225]
最先端の要約システムは高度に流動的な要約を生成することができる。
しかし、これらの要約には、情報源に存在しない事実上の矛盾や情報が含まれている可能性がある。
本稿では,ソース情報と要約情報を直接比較する,標準的な情報理論に基づく代替手法を提案する。
論文 参考訳(メタデータ) (2023-01-28T23:08:25Z) - Relational Action Bases: Formalization, Effective Safety Verification,
and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。
RABは両方の制限を解除することで既存のモデルを一般化する。
データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2022-08-12T17:03:50Z) - Automatic Issue Classifier: A Transfer Learning Framework for
Classifying Issue Reports [0.0]
私たちはRoBERTaと呼ばれる既製のニューラルネットワークを使って、問題を分類しています。
本稿では,問題レポートを複数ラベル設定で分類するアプローチを提案する。我々はRoBERTaと呼ばれる市販のニューラルネットワークを用いて,問題レポートの分類を行う。
論文 参考訳(メタデータ) (2022-02-12T21:43:08Z) - Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。
予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
論文 参考訳(メタデータ) (2020-11-27T10:43:04Z) - Predicting Themes within Complex Unstructured Texts: A Case Study on
Safeguarding Reports [66.39150945184683]
本稿では,教師付き分類手法を用いた保護レポートにおいて,主テーマの自動識別の問題に焦点をあてる。
この結果から,ラベル付きデータに制限のある複雑なタスクであっても,深層学習モデルが対象知識の振る舞いをシミュレートする可能性が示唆された。
論文 参考訳(メタデータ) (2020-10-27T19:48:23Z) - Tense, aspect and mood based event extraction for situation analysis and
crisis management [0.0]
この論文はトルコ語のこのような体系を発展させている。
基本的なイベント構造を抽出することに加えて、その時間的、モーダル的、そして意志的/反復的な値に従って、ニュースレポートに与えられる文を分類することができる。
論文 参考訳(メタデータ) (2020-08-01T19:22:51Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。