基于自然语言处理的航行通告风险识别方法

来源：中国安全科学学报杂志2025年第S1期北京时间：

作者：瞿也丰, 辜汝桐, 黄文强, 陈东玲, 邓李明

单位：中国南方航空股份有限公司, 广东 广州 510403

摘要：为实现海量航行通告文本数据的高效精准风险识别,满足现代航班运行对航行通告风险解析的需求,提升民航领域风险识别能力,提出一种融合知识增强的语义表示(ERNIE)模型、卷积神经网络(CNN)以及双向长短期记忆神经网络(BiLSTM)的航行通告风险识别模型;借助ERNIE模型进行词向量的训练,利用CNN捕捉文本局部结构的特性,并结合BiLSTM理解文本的深层次上下文关联;并开展对比试验进行验证。结果表明:相较于其他同类模型,该方法对国内中文和国际英文航行通告的识别精度分别高达92.01%和93.85%。该成果可以为航空公司在航行情报的风险解析和安全管理提供一定的数据支撑。

关键词：自然语言处理(NLP),航行通告,风险识别,知识增强的语义表示(ERNIE),卷积神经网络(CNN),双向长短期记忆网络(BiLSTM)

基金资助：国家重点研发计划项目(2020YFA072500)