항공 안전 내러티브의 클러스터링 및 분석을 위한 자연어 처리 기반 방법

상업 항공 운영의 복잡성이 최근 몇 년 동안 상당히 증가했으며, 비행 데이터 수집 및 분석을 위한 기술의 다양화와 함께 발전해 왔습니다. 그 결과, 비행 안전 향상을 위한 데이터 기반 프레임워크의 인기가 높아졌습니다. 데이터 기반 기법은 대규모 데이터 세트에서 패턴과 이상을 효율적이고 반복적으로 탐색할 수 있는 방법을 제공합니다. 텍스트 기반의 비행 안전 데이터는 주관성이라는 독특한 도전을 제시하며, 내러티브에서 기본 경향을 추출하기 위해 자연어 처리 도구에 의존합니다. 이 논문에서는 비행 이벤트에 대한 텍스트 기반 계정과 이를 동반하는 범주형 메타데이터 매개변수를 기반으로 항공 안전 내러티브를 분석하기 위한 방법론을 제시합니다. 문서 분류를 위한 텍스트 표현의 숫자 모델 간 비교를 포함한 광범위한 전처리 루틴이 제시됩니다. k-평균 클러스터링과 t-분포 확률적 이웃 임베딩(t-SNE)을 결합하여 내러티브를 분류하고 시각화하는 프레임워크가 제시됩니다. 각 클러스터의 주도 요인을 식별하고 클러스터 및 하위 클러스터 레이블의 계층 구조를 구축하기 위한 클러스터 후처리 루틴이 개발됩니다. 상업 비행을 위한 항공 안전 사건를 설명하는 백 만 개 이상의 비식별 자발적 보고서를 포함하는 항공 안전 보고 시스템(ASRS)은 방법론에 대한 사례 연구로 분석됩니다. 이 방법의 결과로 10개의 주요 클러스터와 총 31개의 하위 클러스터가 식별됩니다. 식별된 그룹은 학습된 클러스터에 대한 메타데이터 기반 통계 분석을 통해 후처리됩니다. 개발된 방법은 데이터에서 기존 이상 레이블에는 명백하지 않은 클러스터의 경향을 발견하는 데에 유망성을 보여주며, 기존의 접근 방식을 보완하는 텍스트 기반 안전 데이터에서 통찰을 얻기 위한 새로운 도구를 제공합니다.