SeaAlert 框架增强了对嘈杂海事遇险呼叫的分析

研究人员开发了 SeaAlert，一个旨在改进海事遇险通信分析的新框架。该系统利用基于 transformer 的严重程度分类和基于 LLM 的信息提取来处理嘈杂和非标准的遇险消息。为了克服标记数据的缺乏，创建了一个合成数据生成管道，生成了各种遇险消息，然后通过 ASR 系统对其进行模拟噪声降级和处理。评估表明，与传统方法相比，SeaAlert 的 transformer 模型对通信中的噪声和变化更具弹性，而其基于 LLM 的提取被证明比正则表达式方法更有效。 AI

影响 这项研究通过提高处理遇险呼叫的 AI 系统的准确性，有可能带来对海事紧急情况更可靠、更快速的响应。

排序理由 该集群包含一篇研究论文，详细介绍了用于分析海事遇险通信的新框架和方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Global Maritime Distress Safety System
• Gotit.pub
• Hugging Face
• ScienceCast
• SeaAlert
• Yehudit Aperstein

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →