Temel Kavramlar
航空事故報告のテキストから潜在的なテーマを抽出するために、LDAとNMFモデルを比較する。
Özet
現代社会において、航空安全は非常に重要であり、事故を減らし安全基準を向上させることが求められています。この研究では、Latent Dirichlet Allocation(LDA)とNon-negative Matrix Factorization(NMF)の2つの主要なトピックモデリング手法を比較しました。NTSBデータセットを使用して、事故報告書内の潜在的なテーマやパターンを特定するプロセスを自動化し効率化することが目的でした。LDAはより高いトピック整合性を示し、トピック内の単語間でより強い意味的関連性がある一方、NMFは特定の側面に焦点を当てたより明確で詳細なトピック生成に優れていました。
İstatistikler
LDAはC_v整合性スコア0.497を達成。
NMFはC_v整合性スコア0.437を達成。
Alıntılar
"Aviation safety is paramount in the modern world, with a continuous commitment to reducing accidents and improving safety standards."
"This paper aims to demonstrate the effectiveness of topic modeling, particularly through the application of Latent Dirichlet Allocation (LDA) and Non-negative Matrix Factorization (NMF) models, in the analysis of aviation accident reports."