An Ontology-Based Classification Framework for Situation Extraction from Concrete Pouring Radio Logs

Résumé Technique : Un cadre de classification basé sur une ontologie pour l'extraction de situations à partir de journaux radio de coulage de béton

Énoncé du problème
Le coulage du béton implique des opérations complexes et simultanées (ex. : livraison par pompe, vérifications de coffrage, mouvements de travailleurs) où la sécurité dépend fortement de la communication radio en temps réel. Cependant, les énoncés radio sur les chantiers de construction sont distincts des documents standards ; ils sont courts, elliptiques et omettent fréquemment le locuteur, le lieu ou l'objet. Ils contiennent souvent de l'argot spécifique au site, des expressions dérivées du japonais, des cris, des jurons et des ordres urgents. Par conséquent, la simple détection de mots-clés est insuffisante pour identifier l'état des équipements, l'état des structures temporaires, les signaux de danger ou les actions de contrôle. Le défi central consiste à normaliser ces énoncés non structurés et spécifiques au terrain en concepts standards et à dériver des situations critiques pour la sécurité (dangers, contrôles, états) basées sur les relations sémantiques entre les éléments plutôt que sur des mots isolés.

Méthodologie
L'étude propose un cadre à deux couches basé sur une ontologie conçu pour traiter les journaux radio via la normalisation, le marquage sémantique et le jugement basé sur les relations.

1. Normalisation des expressions de terrain : Avant la mise en correspondance avec l'ontologie, les énoncés bruts sont normalisés. L'argot de chantier (ex. : « wakku » pour le coffrage, « noro » pour la pâte de ciment) et les expressions non standard sont convertis en terminologie de construction standard. Cette étape segmente également les énoncés en unités d'objet, de phénomène, d'acte et de discours/émotion, préservant les jurons et l'urgence comme marqueurs d'attitude plutôt que de les supprimer.
2. Structure ontologique à deux couches :
   • Couche 1 (Marqueurs sémantiques détaillés) : Les expressions normalisées sont mappées vers sept axes sémantiques : Travail, Acte, Objet, Cible, Phénomène, Interjection/Discours, et Jurons/Émotion. Chaque axe possède des codes spécifiques (ex. : l'Objet inclut l'équipement, les structures temporaires, les matériaux ; le Phénomène inclut la montée de pression, les plis, les fuites).
   • Couche 2 (Dérivation de situation) : Les signaux de danger, les actions de contrôle et les états de situation ne sont pas assignés à des mots uniques, mais sont dérivés de schémas de relation entre les marqueurs de la Couche 1. Les relations clés incluent la liaison objet-phénomène (ex. : Coffrage + Défaillance imminente = Risque de rupture de coffrage), la liaison acte-cible (ex. : Ordre + Travailleur + Verbe d'évacuation = Évacuation du travailleur), et les règles de transition d'état (ex. : Signal de danger + Confirmation = État résolu).
3. Stratégie d'évaluation : En raison de la difficulté de collecter et de divulguer des données radio réelles (qui peuvent contenir du contenu sensible ou inapproprié), l'étude utilise un journal radio virtuel d'une journée construit par les chercheurs, contenant 25 énoncés. Une table de correspondance ontologique de référence a été créée pour ce journal. La performance du cadre a été évaluée en comparant les résultats de l'extraction basée sur des règles par rapport à cette table de référence. De plus, un grand modèle de langage local (LLM, qwen2.5:7b) a été testé comme base de comparaison pour le mappage des marqueurs détaillés afin d'évaluer sa capacité à gérer les expressions de terrain par rapport à l'approche basée sur des règles.

Contributions clés

• Cadre sémantique structuré : L'étude définit un schéma de marquage détaillé qui sépare l'argot de chantier, les interjections et les jurons en axes sémantiques spécifiques plutôt que de les traiter comme du bruit ou de simples mots-clés de danger.
• Jugement basé sur les relations : Elle change de paradigme, passant de la correspondance de mots-clés à l'inférence basée sur les relations. Les signaux de danger et les actions de contrôle sont dérivés uniquement lorsque des relations sémantiques spécifiques (ex. : liaison objet-phénomène) sont confirmées, évitant ainsi les faux positifs provenant de mots isolés.
• Mécanisme d'évaluation et de mise en attente pour révision (Review-Hold) : L'article introduit un cadre d'évaluation rigoureux utilisant une table de correspondance de référence. Crucialement, il définit des critères de « mise en attente pour révision » pour les énoncés qui ne peuvent être confirmés automatiquement (ex. : cibles manquantes ou argot ambigu), distinguant les éléments déterminables automatiquement des éléments nécessitant une intervention humaine.
• Définition du rôle du LLM : L'étude positionne les LLM non pas comme des décideurs finaux pour la surveillance de la sécurité, mais comme des outils pour le mappage préliminaire des marqueurs, soulignant leurs limites actuelles en matière de stabilité de la séparation des axes et de la sélection des codes par rapport aux systèmes basés sur des règles.

Résultats
En utilisant le journal virtuel de 25 énoncés, le système d'extraction basé sur des règles a obtenu les taux d'accord suivants par rapport à la table de référence :

• Marqueurs détaillés : 95,9 % d'accord (3,4 % en attente de révision).
• Relations : 86,4 % d'accord (9,1 % en attente de révision).
• Signaux de danger : 90,0 % d'accord (10,0 % en attente de révision).
• Actions de contrôle : 97,0 % d'accord (3,0 % en attente de révision).
• États de situation : 100,0 % d'accord (0,0 % en attente de révision).
• Jugement de non-danger : 100,0 % de précision dans l'identification des énoncés de travail normaux comme non dangereux.

En revanche, le mappage basé sur le LLM n'a atteint que 34,5 % d'accord sur les marqueurs détaillés et a généré 49 éléments excédentaires non présents dans la table de référence. Le LLM a eu des difficultés à séparer les axes (ex. : confondre les cibles d'inspection avec les phénomènes réels) et à sélectionner les bons codes pour les expressions de terrain.

Signification et revendications
L'article affirme que sa principale contribution est de fournir un schéma de marquage détaillé, des règles de jugement basées sur les relations et un cadre d'analyse d'erreurs adaptés à une validation future avec des données réelles ou simulées. Il stipule explicitement qu'il ne vérifie pas la performance opérationnelle d'un système de surveillance automatique utilisant des données de terrain réelles. Au lieu de cela, l'étude démontre que :

1. Les énoncés radio peuvent être traités comme des unités structurées pour le jugement de surveillance plutôt que comme de simples textes pour la détection de mots-clés.
2. Une ontologie à deux couches peut réussir à dériver des situations de sécurité complexes (dangers, contrôles, états) à partir des relations entre les éléments sémantiques.
3. Un mécanisme de « mise en attente pour révision » est essentiel pour prévenir les erreurs telles que la sur-classification d'énoncés normaux en dangers ou l'interprétation erronée de demandes de confirmation comme des incidents réels.
4. Bien que les LLM puissent capturer le sens approximatif des expressions de terrain, ils manquent actuellement de la stabilité requise pour la séparation précise des axes et la sélection des codes nécessaires à la prise de décision critique pour la sécurité sans supervision humaine ou vérification basée sur des règles.

L'étude conclut que le cadre proposé structure efficacement la procédure de traitement prévue pour le journal virtuel, mais l'existence d'éléments en attente de révision souligne la nécessité d'un affinement supplémentaire des dictionnaires de terminologie, des règles d'anaphore et des règles de décomposition multi-actes avant un déploiement dans des environnements de terrain réels.