ترجمه فارسی مقاله غلبه بر داده های ایمنی نامتعادل با استفاده از مثلث تصادف گسترده

چکیده

There is growing interest in using safety analytics and machine learning to support the prevention of workplace incidents, especially in high-risk industries like construction and trucking. Although existing safety analytics studies have made remarkable progress, they suffer from imbalanced datasets, a common problem in safety analytics, resulting in prediction inaccuracies. This can lead to management problems, e.g., incorrect resource allocation and improper interventions. To overcome the imbalanced data problem, we extend the theory of accident triangle to claim that the importance of data samples should be based on characteristics such as injury severity, accident frequency, and accident type. Thus, three oversampling methods are proposed based on assigning different weights to samples in the minority class. We find robust improvements among different machine learning algorithms. For the lack of open-source safety datasets, we are sharing three imbalanced datasets, e.g., a 9-year nationwide construction accident record dataset, and their corresponding codes.

چکیده به فارسی (ترجمه ماشینی)

علاقه زیادی به استفاده از تجزیه و تحلیل ایمنی و یادگیری ماشین برای حمایت از پیشگیری از حوادث محل کار ، به ویژه در صنایع پرخطر مانند ساخت و ساز و حمل و نقل وجود دارد.اگرچه مطالعات تحلیلی ایمنی موجود پیشرفت چشمگیری داشته است ، اما آنها از مجموعه داده های نامتعادل رنج می برند ، یک مشکل شایع در تجزیه و تحلیل ایمنی ، و در نتیجه عدم دقت پیش بینی می شود.این می تواند منجر به مشکلات مدیریتی ، به عنوان مثال ، تخصیص منابع نادرست و مداخلات نادرست شود.برای غلبه بر مشکل داده های نامتوازن ، ما تئوری مثلث تصادف را گسترش می دهیم تا ادعا کنیم که اهمیت نمونه داده ها باید بر اساس ویژگی هایی مانند شدت آسیب ، فرکانس تصادف و نوع تصادف باشد.بنابراین ، سه روش نمونه برداری بر اساس اختصاص وزن های مختلف به نمونه ها در کلاس اقلیت ارائه شده است.ما در بین الگوریتم های مختلف یادگیری ماشین پیشرفت های قوی پیدا می کنیم.برای عدم وجود مجموعه داده های ایمنی منبع باز ، ما سه مجموعه داده نامتعادل ، به عنوان مثال ، یک مجموعه داده ضبط تصادف 9 ساله در سراسر کشور و کدهای مربوط به آنها را به اشتراک می گذاریم.