机构名称：
¥ 1.0
1研究生，部门公民和环境工程，大学。在伊利诺伊州乌尔巴纳香槟（Urbana-Champaign），北马修斯大街205号，伊利诺伊州乌尔巴纳，伊利诺伊州61801。电子邮件：xiyuw2@illinois.edu 2副教授， 公民和环境工程，大学。 在伊利诺伊州乌尔巴纳香槟（Urbana-Champaign），北马修斯大街205号，伊利诺伊州乌尔巴纳，伊利诺伊州61801。 电子邮件：gohary@illinois.edu抽象信息提取提供了一个机会，可以自动从建筑安全法规中提取安全要求，以支持自动安全合规性检查，以检查与这些法规一起检测现场违规行为。 但是，由于非结构化文本的复杂性，以前对安全合规性检查过程自动化的可伸缩性和自动提取安全要求的能力的努力降低了。 因此，本文提出了一种基于深度学习的信息提取方法，用于提取关系，该方法将从建筑安全法规中提取的跌落保护相关实体联系起来，以支持自动化现场合规性检查。 提出的方法使用基于注意力的卷积神经网络模型来识别和分类关系。 该提出的方法已在两个与跌倒保护有关的职业安全与健康管理（OSHA）部分进行实施和测试。 它的加权精度，召回和F-1度量分别为82.7％，81.1％和81.3％，这表明了良好的关系提取性能。 简介现场合规性检查旨在检测违反建筑安全法规的行为。 2018; Fang等。电子邮件：xiyuw2@illinois.edu 2副教授，公民和环境工程，大学。在伊利诺伊州乌尔巴纳香槟（Urbana-Champaign），北马修斯大街205号，伊利诺伊州乌尔巴纳，伊利诺伊州61801。电子邮件：gohary@illinois.edu抽象信息提取提供了一个机会，可以自动从建筑安全法规中提取安全要求，以支持自动安全合规性检查，以检查与这些法规一起检测现场违规行为。但是，由于非结构化文本的复杂性，以前对安全合规性检查过程自动化的可伸缩性和自动提取安全要求的能力的努力降低了。因此，本文提出了一种基于深度学习的信息提取方法，用于提取关系，该方法将从建筑安全法规中提取的跌落保护相关实体联系起来，以支持自动化现场合规性检查。提出的方法使用基于注意力的卷积神经网络模型来识别和分类关系。该提出的方法已在两个与跌倒保护有关的职业安全与健康管理（OSHA）部分进行实施和测试。它的加权精度，召回和F-1度量分别为82.7％，81.1％和81.3％，这表明了良好的关系提取性能。简介现场合规性检查旨在检测违反建筑安全法规的行为。2018; Fang等。传统上，此过程是由现场经验丰富的安全经理手动进行的，该过程无法保证及时确定和解决违规行为（Tang等人。2020）预防潜在的安全事件。因此，许多研究工作已致力于自动化现场合规性检查过程。例如，计算机视觉技术已通过检测某些保护项目（例如硬帽和个人跌落保护系统）的存在来广泛用于监测站点条件（Fang等人2019; Nath等。2020），跟踪和预测工人和设备等站点对象的轨迹（Tang等2019;罗伯茨等。2020），并认可工人的运营以及与环境的互动（Teizer 2015; Zhang等人2015b; Park and Brilakis 2016;唐等。2020）。尽管有这些努力收集和分析现场信息，但通常以粗略的方式做出合规决策，而没有足够的考虑到建筑安全法规中所述的不同情况和/或例外。
电子提交给ACS期刊的模板-NSF -PAR
主要关键词
相关文件推荐
