해양 안전관리를 위한 복수 인과관계의 클래스 불균형 해소 및 키워드 네트워크 (Addressing Class Imbalance in Multiple Causal Relations and Keyword Network for Maritime Safety Management)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 33권 / 5호 / 454 ~ 462페이지
· 저자명 : 문기영, 이상덕

초록

최근 자연어처리 기술을 활용하여 해양사고의 인과 키워드를 추출하고 분석하는 연구가 많이 수행되고 있으나, 복합적 요인에 의해서 발생하는 해양사고는 복수의 인과관계 포함하므로, 클래스 불균형 문제가 발생할 수 있다. 본연구에서는 클래스 불균형 문제를 극복함으로써, 해양사고 사례 내 복수의 인과관계를 효과적으로 추출할 수 있는 방법을 제안한다. 복수인과관계의 등장으로 인한 클래스 불균형 문제를 극복하기 위하여 개체명 인식과 관계 추출을 분리하고 단계적으로 수행한다. 이를 위해 해양사고 판결문 1,365건을 수집하여 학습 데이터셋을 구축하였으며, 사전학습 언어 모델인 RoBERTa를 파인튜닝(fine-tuning) 하였다.
실험을 통해 복수의 인과관계를 포함하는 해양 사고의 인과 키워드 추출이 가능함을 확인하였다. 또한, 추출한 인과 키워드를 기반으로 키워드 네트워크를 구축하였고, 사고의 원인과결과를 직관적으로 파악할 수 있음을 확인하였다.

영어초록

Recently, many studies have been conducted to extract and analyze causalkeywords from maritime accidents using natural language processing technology.
However, maritime accidents, which are caused by complex factors, often involvemultiple causal relations. Applying the methods proposed in previous studies tothese cases can lead to a class imbalance problem. This study proposes an approachto efficiently extract multiple causal keywords from maritime accident cases. Toovercome the class imbalance problem caused by the emergence of multiple causalrelationships, we separate named entity recognition and relation extraction,performing them sequentially. To this end, we constructed a dataset from maritimeaccident verdicts and fine-tuned the pre-trained language model, RoBERTa.
Through experiments, we confirmed the capability of our approach in extractingcausal keywords from maritime accidents with multiple causal relations. In addition,based on the extracted causal keywords, we established a keyword network thatallows for an intuitive understanding of the cause and effect of maritime accidents.

참고자료

· 없음