面向海上安全的知识图谱构建与因果分析：一种 HFACS 引导的零样本大语言模型方法

《Ocean Engineering》：Knowledge graph construction and causal analysis for maritime safety: An HFACS-guided zero-shot LLM approach

　　

•首个基于 IMO GISIS 构建的 HFACS 支撑的海事事故知识图谱（1165 份报告）。
•零样本两阶段 LLM 管道在无标注数据的情况下实现了 F1 = 0.738。
•程序与安全管理体系（SMS）出现在 60.8% 的报告中，但很少触发因果链。
•特定事故类型的 HFACS 特征揭示了程序性原因与航行性原因的差异。
•GraphRAG 实现了自然语言查询，以支持针对性的安全设计。

引言

海上运输承载了全球约 80% 的贸易量，然而航运业每年仍持续经历平均超过 1800 起报告事故，导致数百人死亡、严重的环境破坏以及价值数十亿美元的船舶损失（国际海事组织，2024）。人为错误已被认定为海事伤亡事件的促成因素，占比超过 80%（Coraddu 等，2020）。理解这些人为和组织因素超越了学术兴趣：根据 IMO 的 ISM 规则，船旗国必须在每次严重海事伤亡事件后进行结构化的安全调查，其发现旨在为监管指南、保险标准以及港口国监督检查协议提供信息。在过去二十年中，国际海事组织全球综合航运信息系统（GISIS）积累了来自全球成员国的标准化事故调查报告海量仓库。原则上，该语料库包含了识别系统性安全故障并优先进行监管干预所需的证据。然而在实际中，这些见解仍然 largely 不可访问。由于调查报告是以自由格式的自然语言编写的，历史上在大规模提取结构化因果信息需要经过训练的分析员进行大量人工努力。

人为因素分析和分类系统（HFACS）（Wiegmann 和 Shappell，2003）提供了一个理论上稳固的框架，用于将事故因果因素分类为四个层次的层级：不安全行为、不安全行为的前因、不安全监督和组织影响。该系统最初为美国军事航空开发，HFACS 已成功在商业航空、石油和天然气、铁路以及最近的海事领域得到验证（Shi 等，2021，Hulme 等，2019，Nwankwo 等，2021）。将此框架应用于海事事故数据，使我们能够确定航空中观察到的系统性模式——特别是组织和管理失败作为根本原因的 predominance——是否 persisted 在商业航运独特的运营环境中。

现有的海事安全定量方法受到三个关键限制，本研究解决了这些限制。首先，样本量不足：大多数基于 HFACS 的研究仅手动编码 100–500 份报告（Shi 等，2021，Demirci 和 Cebi，2022，Hulme 等，2019），产生的估计值精度不足，无法支持跨多种事故类型的监管概括。其次，提取方法被证明是脆弱的：基于规则和关键词驱动的技术捕获显式提及，但系统性地忽视了释义或隐含的因果关系统——经验丰富的调查员通常将细微的联系嵌入叙事描述中，而不是结构化字段。第三，发现仍然碎片化：传统输出通常采用静态交叉表的形式，而不是能够支持多跳推理的可查询结构，例如识别“哪些监督失败最常出现在北大西洋沉船事件之前？”

知识图谱（KGs）通过编码事故、因果因素、事件序列和环境条件作为通过语义关系链接的带类型节点，直接缓解了第三点限制。随后的图查询可以遍历因果链，跨事故类别聚合数据，并揭示被传统表格分析掩盖的模式（Gan 等，2023，Liu 等，2024，Ma 等，2024）。然而，现有的海事事故 KG 规模仍然有限——通常包含少于 600 份报告和 17,000 个实体——因为它们的构建依赖于监督命名实体识别模型，这需要大量的标注训练数据。因此，从完整的 GISIS 语料库生成 KG 被证明是不可行的。

大语言模型（LLMs）提供了替代传统提取方法的方案。无需标注数据，经过精心提示的 LLM 可以从自然语言文本中提取结构化信息，将其与领域分类法进行分类，并在单次推理中生成机器可读的 JSON。当应用于事故报告时，这种零样本方法实现了大规模结构化提取，完全绕过了标注瓶颈。然而，由 LLM 驱动的海事事故 KG 构建仍然 largely 未探索，其提取质量和领域特定的失败模式尚未被系统性地表征。

本文提出四个主要贡献：
1. 两阶段零样本 LLM 提取管道。我们引入了一条零样本管道，处理原始 GISIS PDF 报告而无需任何标注训练数据，对整个 1165 份报告语料库所需 API 时间少于 12 小时。第一阶段提取事故实体和时间顺序的事件序列，第二阶段将因果因素映射到四级 HFACS 分类法。完整的提示词、JSON 输出模式以及 29 个语义分组关键词表提供在附录 A 第一阶段提取提示词，附录 B 第二阶段 HFACS 映射提示词和 JSON 模式，附录 C 语义分组关键词模式；该实现已公开发布（见代码和数据可用性）。
2. 据我们所知，同行评议英语文献中最大的 HFACS 支撑的海事事故 KG。所得图谱涵盖 2000–2024 年的 1165 份 GISIS 报告，包含 42,675 个节点和 47,468 个带类型关系——相比之前最大的基于 NER 的海事事故 KG（Liu 等，2024），实体数量扩展了 2.6 倍，相比最新的基于 LLM 的海事事故 KG（Huang 等，2026），实体数量扩展了 8.7 倍，这是基于涵盖 22 个船旗国的国际 IMO GISIS 语料库实现的。
3. 语料库规模的基于 KG 的 HFACS 支撑分析。据我们所知，我们首次呈现了跨海事事故语料库的基于 KG 的 HFACS 支撑分析，涉及事故类型×因素关联、事件链复杂度和两跳因果路径，揭示了事故类别间因果特征的差异性。
4. 海事 KG 文献中最大的独立专家验证，并记录了错误类型学。通过对分层 47 份报告样本（359 个因素）进行独立专家评估，其中包含 10 份报告的双重编码裁决子集（二元合并上的 Gwet 的 AC1 = 0.792），我们报告混合金标准 F1 分数为 0.738，并确定了三种主要的提取失败模式（看似合理但不存在 ～55%；层级混淆 ～30%；特异性丢失 ～15%），并 delineated 运营影响。

研究目标。本研究的主要目标是将 IMO GISIS 语料库的自由文本事故调查报告转换为可查询的 HFACS 支撑知识图谱，以支持海事事故的人口级因果分析。三个次要目标 operationalise 了这一目标：（i）表征零样本 LLM 提取在海事事故文本上的提取质量和主导失败模式，在第 4 节中解决；（ii）识别事件链和两跳路径结构中特定事故类型的 HFACS 因果特征，在第 5 节中解决；（iii）证明所得 KG 实现了通过文档级检索无法实现的跨报告因果查询，在第 6 节中解决。

本文其余部分组织如下。第 2 节回顾相关文献。第 3 节详述数据集和提取管道。第 4 节介绍构建的 KG 及其质量评估和验证样本 justification。第 5 节呈现多维统计和因果分析，包括第 5.5 节的敏感性分析。第 6 节演示 GraphRAG 应用。第 7 节突出研究局限性并检查更广泛的影响。第 8 节总结主要发现并概述未来研究方向。附录 A 第一阶段提取提示词，附录 B 第二阶段 HFACS 映射提示词和 JSON 模式，附录 C 语义分组关键词模式，附录 D 补充图：HFACS 层级分布，附录 E 类型的 bootstrap 置信区间提供了提示词、模式、关键词表、补充图和 bootstrap CI 数据。

章节片段

相关工作

与本研究相关的文献跨越三个互补的流派。第一个是统计和机器学习安全分析，使用概率模型、贝叶斯网络和监督分类器来量化事故因素之间的依赖关系，但几乎 exclusively 操作于结构化属性数据。第二个是基于 HFACS 的人为因素分析，提供理论上稳固的分类法来分类因果因素，但历史上依赖手动进行。

数据收集

我们从 IMO 全球综合航运信息系统（GISIS）检索事故调查报告，这是一个仓库，根据伤亡调查规则聚合 IMO 成员国的标准化提交。这些文档以 PDF 格式提供，涵盖所有事故类别，包括碰撞、搁浅、火灾、伤亡和机械故障。涵盖 2000–2024 年，该语料库包含来自 40 多个船旗国的提交，从主要。

知识图谱形式化

海事事故知识图谱被正式定义为一个有向异质图：G=(V,E,TV,TE,?,ψ)，其中 V 是节点集合，E?V×V 是有向边集合，TV 和 TE 分别是节点和边类型集合，?:V→TV 将每个节点映射到其语义类型，ψ:E→TE 将每个边映射到其关系类型。

六个节点类型是：TV={Accident,HFACS_Factor,EventNode,Vessel,Location,Environment}，
主要关系类型是：TE={INVOLVED_IN,HAPPENED_AT,ORIGINATED_FROM,LED

分析

推断范围。在本节中，我们区分两类陈述：（i）排名级发现（例如，程序与 SMS 是最普遍的总体类别，或污染事故与最长的平均事件链相关），作为研究发现呈现并在第 5.5 节中进行压力测试；（ii）单元格级估计（例如，包含程序与 SMS 因素的封闭空间报告的精确百分比），应该被阅读。

系统设计

本研究开发的知识图谱（KG）作为图检索增强生成（GraphRAG）系统（Edge 等，2024）的后端。在此框架内，自然语言查询通过三步过程解决：（i）从 KG 中检索相关子图，（ii）将子图序列化为结构化上下文，（iii）将此上下文连同原始问题传递给大语言模型（LLM）进行答案生成。此类架构允许。

局限性

我们在讨论实质性发现（第 7.2 节）和运营影响（第 7.3 节）之前突出本研究的局限性，以便所有解释都通过这些约束的 lens 来阅读。

提取精度与可靠性 - 有效性边界。针对混合金标准的独立专家验证得出的精度为 65.0%，这意味着大约三分之一的提取 HFACS 因素未能准确反映原始报告内容。这

结论

本研究提出一个大规模海事事故知识图谱（KG），通过两阶段、零样本 LLM 提取管道从 1165 份 IMO GISIS 调查报告构建。所得 KG 包含 42,675 个节点和 47,468 个基于 HFACS 人为因素分类法的带类型关系，使其成为迄今为止报告的最大 HFACS 支撑的海事事故 KG，也是第一个源自国际而非国家数据集的 KG。管道在无标注训练数据的情况下运行，管道

CRediT 作者贡献声明
Yijie Xi：写作 – 审查与编辑，写作 – 初稿，方法论。Jingbo Yin：监督，数据整理，概念化。

写作过程中生成式 AI 使用声明
在此工作的准备过程中，作者使用 Claude 协助语言润色，并帮助构建方法论、结果和讨论部分的各个部分。在使用此工具后，作者根据需要审查和编辑了内容，并对出版物的内容承担全部责任。未使用生成式 AI 生成科学主张、数据、图表或引用，也未将其列为作者。

资助
本研究得到国家自然科学基金（项目编号：52472362）和海事技术与安全国家重点实验室开放研究基金（项目编号：W26CG000064）的支持。

竞争利益声明
作者声明他们没有任何已知的竞争性财务利益或个人关系，可能会影响本论文中报告的工作。

致谢
我们感谢国际海事组织公开提供 GISIS 事故报告，以及第 4 节中报告的评分者间可靠性分析的独立第二编码员，他选择保持匿名。

Yijie Xi|Jingbo Yin