[4A1-GS-10] AI応用：大規模言語モデル

[4A1-GS-10-05] 深層言語モデルを用いた災害対応検証報告書からのヒヤリハット事例文の分類手法の提案

〇野村 爽太¹、横山 想一郎²、山下 倫央²、川村 秀憲²、大原 美保³ (1. 北海道大学大学院情報科学院、2. 北海道大学大学院情報科学研究院、3. 東京大学大学院情報学環)

キーワード：深層学習、AI応用

近年，多発する災害への対応力向上のため，自治体による災害対応検証報告書の活用が進んでいる．これらの報告書には，行政職員が遭遇したヒヤリハット事例が記録されており，その収集と分類は防災対策の向上に不可欠である．現在の事例抽出は手作業で行われており，状況に基づいて12種類のクラスに分類されている．ただし，2017年以降の水害関連の検証報告書に限定しても，85点・全7,053ページあり，人手による抽出・分類が困難になってきており，ヒヤリハット事例の抽出・分類を支援するツールが望まれる．これまでの我々の研究では，深層学習モデルBERTを用いたヒヤリハット事例文の抽出手法を提案し，高精度で抽出が可能だと確認した．本研究では，深層学習モデルBERTを用いて抽出したヒヤリハット事例文を12クラスに分類する手法を提案する．モデルの学習には人手で抽出・分類されたヒヤリハット事例を学習データとして用いている．Top-3 accuracy を用いたヒヤリハット事例文分類手法の評価実験では，データ数の少ないクラスの正解率が低い傾向は見られたが，データ数の多いクラスの正解率は実用可能なレベルにあることが確認された．