인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This study compares tabular machine learning models and attribute-based heterogeneous graph models for construction site accident risk screening using 214,293 public construction project records with a 0.91% accident rate. Six models were compared under five repeated stratified splits and a common hyperparameter search, with PR-AUC as the primary metric. XGBoost achieved the highest PR-AUC of 0.268 ± 0.022, ranked first in all five splits, and captured 35.3% of accidents within the top 1% of sites. The graph-based models exceeded the accident-rate baseline but did not outperform the tabular models, indicating limited benefits without direct relational identifiers. Under missing-signal control, the estimated dependence on missingness varied from −2.1% to −23.2% across splits, indicating that single-split estimates are unreliable.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
