Revisão Automatizada de Especificações de Construção com Reconhecimento de Entidades Nomeadas Usando Processamento de Linguagem Natural

Ao licitar em projetos de construção, os contratantes precisam entender as especificações adequadamente para gerenciar os riscos do projeto. No entanto, as especificações são analisadas principalmente com base nas habilidades cognitivas humanas, o que pode levar um tempo considerável e pode resultar em erros devido a mal-entendidos. Embora esforços tenham sido feitos para automatizar esse processo, os esforços acadêmicos existentes para automatizar o processo têm limitações. Para desenvolver um modelo automatizado de revisão de especificações aplicável a vários tipos de especificações, os autores propõem estruturas de extração de informações que consistem em cinco categorias. Além disso, um modelo de reconhecimento de entidades nomeadas (NER) foi desenvolvido com base na arquitetura de memória de longo e curto prazo bidirecional para extrair informações de dados textuais automaticamente. O conjunto de dados para o desenvolvimento do modelo compreendia 56 especificações de construção, que incluíam um total de 4.659 sentenças rotuladas de acordo com cinco categorias de informações. Word2Vec foi utilizado para converter dados de texto rotulados na forma de vetores numéricos a serem inseridos no modelo NER. O modelo NER atribuiu com sucesso cada palavra nos dados de teste a uma categoria apropriada com um desempenho satisfatório de 0,919 de precisão e 0,914 de recall. Esses resultados contribuem para a automação do processo de revisão de especificações de construção. Embora esta pesquisa tenha se concentrado em projetos de construção de estradas, a estrutura de extração de informações proposta pode ser aplicada a outros tipos de projetos de construção.