结合Word2vec和BiLSTM的民航非计划事件分析方法.pdfVIP

第47卷第7期合肥工业大学学报（自然科学版）Vol.47No.7

2024年7月JOURNALOFHEFEIUNIVERSITYOFTECHNOLOGY(NATURALSCIENCE)Jul.2024

DOI.10.3969/j.issn.1003-5060.2024.07.009

结合Word2vec和BiLSTM的

民航非计划事件分析方法

王捷，周迪，左洪福，黄维²

（1.南京航空航天大学民航学院，江苏南京211106；2.成都天奥电子股份有限公司，四川成都611731）

摘要：安全是民航业的核心主题。针对目前民航非计划事件分析严重依赖专家经验及分析效率低下的问

题，文章提出一种结合Word2vec和双向长短期记忆（bidirectionallongshort-termmemory,BiLSTM)神经网

络模型的民航非计划事件分析方法。首先采用Word2vec模型针对事件文本语料进行词向量训练，缩小空间

向量维度；然后通过BiLSTM模型自动提取特征，获取事件文本的完整序列信息和上下文特征向量；最后采

用softmax函数对民航非计划事件进行分类。实验结果表明，所提出的方法分类效果更好，能达到更优的准

确率和FI值，对不平衡数据样本同样具有较稳定的分类性能，证明了该方法在民航非计划事件分析上的适

用性和有效性。

关键词：民航安全；文本分析；非计划事件；Word2vec;双向长短期记忆(BiLSTM)神经网络

中图分类号：TP391.1;V328文献标志码：A文章编号：1003-5060(2024)07-0917-08

Acivilaviationunplannedeventanalysismethod

combinedwithWord2vecandBiLSTM

WANGJie，ZHOUDil，ZUOHongfu，HUANGWei?

(1.CollegeofCivilAviation,NanjingUniversityofAeronauticsandAstronautics,Nanjing211106,China;2.ChengduSpaceonElectron

icsCo..,Ltd.,Chengdu611731,China)

Abstract:Safetyisthecorethemeofthecivilaviationindustry.Aimingattheproblemthattheanaly-

sisofcivilaviationunplannedeventsheavilydependsonexpertexperienceandthelowanalysiseffi-

ciency,acivilaviationunplannedeventanalysismethodisproposed,whichcombinesWord2vecand

bidirectionallongshort-termmemory(BiLSTM)neuralnetworkmodel.Firstly,Word2vecisusedto

trainwordvectorsforeventtextcorpus,reducingthedimensionofthespacevector,Then,thefea-

turesareautomaticallyextractedbyBiLSTMmodeltoobtainthecompletesequenceinformationand

contextfeaturevectoroftheeventtext.Finally,thesoftmaxfunctionisusedtoclassifycivilaviation

unplannedeve