为了探寻民航安全长周期运行的经验,即确定对实现安全运行起着决定性作用的关键因素,首先,收集了中国民航行业发布的航空安全工作报告、政策新闻、具有10 a以上工作经验的专家访谈等资料,运用扎根理论对其进行处理以识别民航安全复杂系...为了探寻民航安全长周期运行的经验,即确定对实现安全运行起着决定性作用的关键因素,首先,收集了中国民航行业发布的航空安全工作报告、政策新闻、具有10 a以上工作经验的专家访谈等资料,运用扎根理论对其进行处理以识别民航安全复杂系统的影响因素。其次,利用提出的二维不确定语言变量(2-Dimension Uncertain Linguistic Variables,2DULVs)分层决策试验与评估实验室(DecisionMaking Trial and Evaluation Laboratory,DEMATEL)混合模型计算影响因素的中心度和原因度,以此识别民航安全复杂系统的关键成功因素。最后,将计算结果与传统DEMATEL方法的结果进行对比分析。结果表明,安全投入力度加大、安全意识的转变、安全监管与督导力度的加强、法律法规与管理机制的持续健全完善、科技创新引领智慧安全、安全风险分级管控和隐患排查的双重预防为实现民航安全复杂系统的关键成功因素。与传统DEMATEL方法相比,提出的混合模型有效减少了549次专家决策,识别结果更符合民航实际情况。展开更多
针对民航陆空通话领域语料难以获取、实体分布不均,以及意图信息提取中实体规范不足且准确率有待提升等问题,为了更好地提取陆空通话意图信息,提出一种融合本体的基于双向转换编码器(bidirectional encoder representations from transf...针对民航陆空通话领域语料难以获取、实体分布不均,以及意图信息提取中实体规范不足且准确率有待提升等问题,为了更好地提取陆空通话意图信息,提出一种融合本体的基于双向转换编码器(bidirectional encoder representations from transformers,BERT)与生成对抗网络(generative adversarial network,GAN)的陆空通话意图信息挖掘方法,并引入航班池信息对提取的部分信息进行校验修正,形成空中交通管制(air traffic control,ATC)系统可理解的结构化信息。首先,使用改进的GAN模型进行陆空通话智能文本生成,可有效进行数据增强,平衡各类实体信息分布并扩充数据集;然后,根据欧洲单一天空空中交通管理项目定义的本体规则进行意图的分类与标注;之后,通过BERT预训练模型生成字向量并解决一词多义问题,利用双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络双向编码提取上下句语义特征,同时将该语义特征送入条件随机场(conditional random field,CRF)模型进行推理预测,学习标签的依赖关系并加以约束,以获取全局最优结果;最后,根据编辑距离(edit distance,ED)算法进行意图信息合理性校验与修正。对比实验结果表明,所提方法的宏平均F_(1)值达到了98.75%,在民航陆空通话数据集上的意图挖掘性能优于其他主流模型,为其加入数字化进程奠定了基础。展开更多
文摘为了探寻民航安全长周期运行的经验,即确定对实现安全运行起着决定性作用的关键因素,首先,收集了中国民航行业发布的航空安全工作报告、政策新闻、具有10 a以上工作经验的专家访谈等资料,运用扎根理论对其进行处理以识别民航安全复杂系统的影响因素。其次,利用提出的二维不确定语言变量(2-Dimension Uncertain Linguistic Variables,2DULVs)分层决策试验与评估实验室(DecisionMaking Trial and Evaluation Laboratory,DEMATEL)混合模型计算影响因素的中心度和原因度,以此识别民航安全复杂系统的关键成功因素。最后,将计算结果与传统DEMATEL方法的结果进行对比分析。结果表明,安全投入力度加大、安全意识的转变、安全监管与督导力度的加强、法律法规与管理机制的持续健全完善、科技创新引领智慧安全、安全风险分级管控和隐患排查的双重预防为实现民航安全复杂系统的关键成功因素。与传统DEMATEL方法相比,提出的混合模型有效减少了549次专家决策,识别结果更符合民航实际情况。
文摘针对民航陆空通话领域语料难以获取、实体分布不均,以及意图信息提取中实体规范不足且准确率有待提升等问题,为了更好地提取陆空通话意图信息,提出一种融合本体的基于双向转换编码器(bidirectional encoder representations from transformers,BERT)与生成对抗网络(generative adversarial network,GAN)的陆空通话意图信息挖掘方法,并引入航班池信息对提取的部分信息进行校验修正,形成空中交通管制(air traffic control,ATC)系统可理解的结构化信息。首先,使用改进的GAN模型进行陆空通话智能文本生成,可有效进行数据增强,平衡各类实体信息分布并扩充数据集;然后,根据欧洲单一天空空中交通管理项目定义的本体规则进行意图的分类与标注;之后,通过BERT预训练模型生成字向量并解决一词多义问题,利用双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络双向编码提取上下句语义特征,同时将该语义特征送入条件随机场(conditional random field,CRF)模型进行推理预测,学习标签的依赖关系并加以约束,以获取全局最优结果;最后,根据编辑距离(edit distance,ED)算法进行意图信息合理性校验与修正。对比实验结果表明,所提方法的宏平均F_(1)值达到了98.75%,在民航陆空通话数据集上的意图挖掘性能优于其他主流模型,为其加入数字化进程奠定了基础。
