Hierarchical Multi-label Classification for Fine-level Event Extraction from Aviation Accident Reports

要約

航空分野では大量の事故報告が記録されており、航空の安全性の向上が非常に重視されています。
これらの報告書をより有効に活用するには、事故報告書に基づいて最も重要な出来事や影響要因を理解する必要があります。
しかし、事故報告の数が増加しているため、それらの報告にラベルを付けるために専門分野の専門家は多大な労力を必要としています。
ラベル付けプロセスをより効率的にするために、多くの研究者は、事故報告書から根本的な事象を自動的に特定するアルゴリズムの開発を開始しました。
この記事では、イベント分類法を活用することでイベントをより正確に識別できると主張しています。
より具体的には、この問題を、最初に粗いレベルの情報を特定し、次に細かいレベルの情報を予測する階層的な分類タスクと考えます。
新しい階層的注意モジュールを BERT に組み込むことで、この階層的分類プロセスを実現します。
イベント分類からの情報をさらに活用するために、ラベル間の関係と分布に従って提案されたモデルを正規化します。
私たちのフレームワークの有効性は、国家運輸安全委員会 (NTSB) によって収集されたデータを使用して評価されます。
詳細レベルの予測精度が大幅に向上し、正則化項が稀なイベントの識別問題に有益であることが示されています。

要約(オリジナル)

A large volume of accident reports is recorded in the aviation domain, which greatly values improving aviation safety. To better use those reports, we need to understand the most important events or impact factors according to the accident reports. However, the increasing number of accident reports requires large efforts from domain experts to label those reports. In order to make the labeling process more efficient, many researchers have started developing algorithms to identify the underlying events from accident reports automatically. This article argues that we can identify the events more accurately by leveraging the event taxonomy. More specifically, we consider the problem a hierarchical classification task where we first identify the coarse-level information and then predict the fine-level information. We achieve this hierarchical classification process by incorporating a novel hierarchical attention module into BERT. To further utilize the information from event taxonomy, we regularize the proposed model according to the relationship and distribution among labels. The effectiveness of our framework is evaluated with the data collected by National Transportation Safety Board (NTSB). It has been shown that fine-level prediction accuracy is highly improved, and the regularization term can be beneficial to the rare event identification problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google