基于Tranformer模型的安全事故分类的研究
对以往安全事故的案例分析是进行安全管理的重要环节,世界各国专家学者都在研究事故伤亡的发生规律以寻求解决对策。随着大数据和人工智能的发展,迫切需要一种高效自动对安全事故文本分析的方法 ,本研究基于自然语言处理的相关技术和方法,运用基于Transformer结构的BERT模型对安全事故案例进行标签分类,并和基于循环神经网络的模型Lstm和Bilstm进行了对照。实验证明,BERT模型分类效果最优,并在测试数据集的评测上能到达平均90％的F1值,优于Lstm和Bilstm模型。本研究结果表明Transformer模型对建筑行业安全事故案例的分类任务表现优异,为安全行业的事故分析提供了一个强大的数字化框架,有利于提高安全行业的工作和生产效率。
安全事故分析 自然语言处理 文本分类 Transformer模型
陆梦阳
中国建筑国际工程有限公司
国内会议
长沙
中文
1454-1462
2021-09-27（万方平台首次上网日期，不代表论文的发表时间）