論文の概要: Comparative Analysis of Topic Modeling Techniques on ATSB Text Narratives Using Natural Language Processing

• arxiv url: http://arxiv.org/abs/2501.01227v1
• Date: Thu, 02 Jan 2025 12:21:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 17:12:53.213093
• Title: Comparative Analysis of Topic Modeling Techniques on ATSB Text Narratives Using Natural Language Processing
• Title（参考訳）: 自然言語処理を用いたATSBテキストナラティブのトピックモデリング手法の比較分析
• Authors: Aziida Nanyonga, Hassan Wasswa, Ugur Turhan, Keith Joiner, Graham Wild,
• Abstract要約: 本稿では、確率的潜在意味分析(pLSA)、潜在意味分析(LSA)、潜在ディリクレ割当(LDA)、非負行列分解(NMF)の4つの顕著なトピックモデリング手法の適用について検討する。 この研究は、各技術がデータ内に潜伏するテーマ構造を明らかにする能力を調べ、安全専門家に行動可能な洞察を得るための体系的なアプローチを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Improvements in aviation safety analysis call for innovative techniques to extract valuable insights from the abundance of textual data available in accident reports. This paper explores the application of four prominent topic modelling techniques, namely Probabilistic Latent Semantic Analysis (pLSA), Latent Semantic Analysis (LSA), Latent Dirichlet Allocation (LDA), and Non-negative Matrix Factorization (NMF), to dissect aviation incident narratives using the Australian Transport Safety Bureau (ATSB) dataset. The study examines each technique's ability to unveil latent thematic structures within the data, providing safety professionals with a systematic approach to gain actionable insights. Through a comparative analysis, this research not only showcases the potential of these methods in aviation safety but also elucidates their distinct advantages and limitations.
• Abstract（参考訳）: 航空安全分析の改善は、事故報告で利用可能な大量のテキストデータから貴重な洞察を抽出する革新的な技術を求めている。 本稿では,オーストラリア交通安全局(ATSB)データセットを用いた航空事故事例の識別に,確率的潜在セマンティック分析(pLSA),潜時セマンティック分析(LSA),潜時ディリクレ割当(LDA),非負行列因子化(NMF)の4つの顕著なトピックモデリング手法を適用した。 この研究は、各技術がデータ内に潜伏するテーマ構造を明らかにする能力を調べ、安全専門家に行動可能な洞察を得るための体系的なアプローチを提供する。 比較分析を通じて, 本研究は, 航空安全におけるこれらの手法の可能性を示すだけでなく, それらの利点と限界を解明する。

関連論文リスト

• Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
  計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。 ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。 我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
  論文  参考訳（メタデータ） (2025-02-18T02:26:50Z)
• Exploring Aviation Incident Narratives Using Topic Modeling and Clustering Techniques [0.0]
  本研究は,国立運輸安全委員会(NTSB)データセットに高度自然言語処理(NLP)技術を適用した。 主な目的は、潜在テーマの識別、意味的関係の探索、確率的関係の評価、共有特性に基づくクラスタインシデントである。 比較分析の結果, LDAのコヒーレンス値は0.597, pLSAは0.583, LSAは0.542, NMFは0.437であった。
  論文  参考訳（メタデータ） (2025-01-14T08:23:15Z)
• Analyzing Aviation Safety Narratives with LDA, NMF and PLSA: A Case Study Using Socrata Datasets [0.0]
  本研究は,1908年から2009年までのソクラタデータセットにおけるトピックモデリング手法の適用について検討した。 この分析では、パイロットエラー、機械的故障、天候条件、訓練不足などの重要なテーマを特定した。 今後の方向性としては、追加のコンテキスト変数の統合、ニューラルトピックモデルの利用、航空安全プロトコルの強化などがある。
  論文  参考訳（メタデータ） (2025-01-03T08:14:39Z)
• Applications of natural language processing in aviation safety: A review and qualitative analysis [0.0]
  本研究では,航空安全における自然言語処理の活用について検討する。 安全対策を強化するための機械学習アルゴリズムに焦点を当てている。 現在、キーワード検索自然言語処理と航空安全による34のScoopus結果がある。
  論文  参考訳（メタデータ） (2025-01-03T07:36:10Z)
• Topic Modeling Analysis of Aviation Accident Reports: A Comparative Study between LDA and NMF Models [0.0]
  本稿では、LDA(Latent Dirichlet Allocation)とNon- negative Matrix Factorization(NMF)の2つの主要なトピックモデリング手法を比較した。 LDAは、トピック内の単語間のより強い意味的関連性を示す、より高いトピックコヒーレンスを示す。 NMFは、航空事故の特定の側面についてより焦点を絞った分析を可能にする、はっきりした、きめ細かいトピックを生み出すのに優れていた。
  論文  参考訳（メタデータ） (2024-03-04T01:41:07Z)
• Enhancing Explainability in Mobility Data Science through a combination of methods [0.08192907805418582]
  本稿では,重要なXAI技法を調和させる包括的フレームワークを提案する。 LIME Interpretable Model-a-gnostic Explanations, SHAP, Saliency Map, attention mechanism, direct trajectory Visualization, and Permutation Feature (PFI) 本研究の枠組みを検証するため,様々な利用者の嗜好や受容度を評価する調査を行った。
  論文  参考訳（メタデータ） (2023-12-01T07:09:21Z)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)
• Artificial Text Detection via Examining the Topology of Attention Maps [58.46367297712477]
  トポロジカルデータ分析(TDA)に基づく3種類の解釈可能なトポロジカル特徴を提案する。 BERTモデルから派生した特徴が3つの共通データセットにおいて、カウントベースとニューラルベースベースラインを最大10%上回っていることを実証的に示す。 特徴の探索解析は表面に対する感度と構文的性質を明らかにしている。
  論文  参考訳（メタデータ） (2021-09-10T12:13:45Z)
• SMT-Based Safety Verification of Data-Aware Processes under Ontologies (Extended Version) [71.12474112166767]
  我々は、このスペクトルで最も調査されたモデルの1つ、すなわち単純なアーティファクトシステム(SAS)の変種を紹介する。 このDLは適切なモデル理論特性を享受し、後方到達性を適用可能なSASを定義することができ、対応する安全問題のPSPACEにおける決定可能性をもたらす。
  論文  参考訳（メタデータ） (2021-08-27T15:04:11Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)

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。