典型文献
基于文本挖掘的民航事件风险评估
文献摘要：
为实现"安全第一、预防为主、综合治理"的民航安全管理目标,建立了从报告中学习并评估风险等级的深度学习模型.首先采集航空安全报告系统中10年报告,根据严重度建立事件后果的量化指标,确定5个风险等级:高、中高、中、中低和低风险,并消除事件结果分布不平衡和结果多样性的影响.然后应用卷积神经网络(Convolutional Neural Network,CNN)探索非结构化的事件概要与风险等级之间的关系,通过该模型对事件进行分类,确定风险等级.风险评估模型与不同量化指标和不同方法对比,其分类准确率可达96％,优于其他指标和方法.最后应用该模型对非结构化的事件概要挖掘,对2020年事件进行快速的风险评估,预测准确率可达80％.基于CNN的民航风险评估模型可以对文本格式的事件概要充分挖掘,快速评估与主动感知风险,对支持安全预警具有重要意义.
文献关键词：
民航安全;风险评估;安全预警;文本挖掘;卷积神经网络
中图分类号：
作者姓名：
倪晓梅;王华伟;熊明兰;王峻洲
作者机构：
南京航空航天大学民航学院,江苏南京210016
文献出处：
引用格式：
[1]倪晓梅;王华伟;熊明兰;王峻洲-.基于文本挖掘的民航事件风险评估)[J].湖南大学学报（自然科学版）,2022(06):73-79
A类：
B类：
文本挖掘,事件风险,安全第一,预防为主,民航安全管理,管理目标,评估风险,风险等级,深度学习模型,航空安全,报告系统,年报,严重度,立事,量化指标,低风险,分布不平衡,Convolutional,Neural,Network,非结构化,概要,风险评估模型,不同量,同量化,不同方法,方法对比,分类准确率,他指,预测准确率,文本格式,快速评估,主动感知,感知风险,安全预警,警具
AB值：
0.459525
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
