개요
재해 기록에는 보통 무슨 일이 있었는지를 적은 짧은 자유 서술이 포함되지만, 이러한 서술이 대규모로 분석되는 일은 드물다. David Passmore, Yulia Kustikova, Rose Baker, Jeong-Ha Yim과 함께 쓴 이 프로시딩 논문에서 우리는 비지도 기계학습이 이런 서술을 위험 평가에 쓸모 있는 방식으로 요약할 수 있는지 탐색했다.
자료는 2000년부터 2015년 사이에 미국 탄광에서 발생한 재해 77,215건의 서술 보고였다. 잠재 디리클레 할당(Latent Dirichlet Allocation)으로 토픽모형을 추정한 뒤, 토픽의 비중을 재해의 특성과 관련지었다.
주요 내용
- 모형화 과정에서 자유 서술 보고로부터 여섯 개 토픽이 확인되었다.
- 한 토픽은 주로 근골격계의 염좌와 좌상을 기술했다.
- 그 토픽의 비중은 재해가 광산 부지의 어디에서 발생했는지, 상해 정도, 연도에 따라 달랐다.
- 이 토픽에 가까운 서술은 갱내보다 지상이나 그 밖의 장소를 더 자주 언급했다.
- 이 탐색적 결과는 재해 서술에 대한 토픽 마이닝을 더 진행해 볼 가치가 있음을 시사한다.
행사
IPICSE-2018, MATEC Web of Conferences 251권(2018)에 게재.
서지
Passmore, D., Chae, C., Kustikova, Y., Baker, R., & Yim, J.-H. (2018). An exploration of text mining of narrative reports of injury incidents to assess risk. MATEC Web of Conferences, 251, Article 06020. https://doi.org/10.1051/matecconf/201825106020