TY -的A2 - Chen Chi-Hua盟——咚,Tianxi AU -杨,详细介绍非盟-伊巴迪,尼玛AU -罗,鑫罗伯特AU - Rad,保罗PY - 2021 DA - 2021/06/14 TI -识别事件因果因素来提高航空运输安全:提出一个深度学习方法SP - 5540046六世- 2021 AB -航空是一个复杂的运输系统和安全是至关重要的,因为飞机故障往往涉及人员伤亡。预防显然是航空运输安全的最佳策略。学习从过去的事件数据,以防止潜在的事故发生已经证明是一个成功的方法。为了防止潜在的安全隐患,使有效的预防计划,航空安全专家确定主要因素和事件报告。然而,安全专家的审查过程现在已经变得非常昂贵。事件报告的数量迅速增加,由于加速信息技术的进步和商业和私人航空运输产业的发展。因此,先进的文本挖掘算法应该应用于帮助航空安全专家促进事件数据提取的过程。本文构建deep-learning-based模型来识别因果因素从事件报告。首先,我们准备使用的数据集训练、验证和测试的大约200000个合格的事件报告航空安全报告系统(曾经)。然后,我们采取一个开源自然语言模型,与一个大型语料库训练有素的维基百科文本,基线和调整它与事件报告的文本,使之更适合我们的具体的研究任务。 Finally, we build and train an attention-based long short-term memory (LSTM) model to identify primary and contributing factors in each incident report. The solution we propose has multilabel capability and is automated and customizable, and it is more accurate and adaptable than traditional machine learning methods in extant research. This novel application of deep learning algorithms to the incident reporting system can efficiently improve aviation safety. SN - 0197-6729 UR - https://doi.org/10.1155/2021/5540046 DO - 10.1155/2021/5540046 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -