基于NLP的煤矿事故原因分类研究

摘要：

为有效提升分析和处理煤矿事故文本的效率,融合自然语言处理(NLP)技术与事故致因模型,构建一个自动化的事故原因分类框架.首先以事故致因"2-4"模型(24Model)为事故分类依据,分析87份煤矿事故调查报告,得到煤矿事故原因分类框架,构建每类事故原因的语料库;然后利用NLP技术分别处理语料库中各类原因文本,将其用于训练fastText模型,自动识别事故原因文本并分类;最后对比分析fastText模型与TextCNN等其他3种经典模型的分类效果.结果表明:共得到21类事故原因和6 684条训练语料,训练后的fastText模型对煤矿事故原因分类的识别正确率能够达到98.92％,综合性能优于其他3种分类模型.基于24Model和NLP技术开发的事故文本挖掘系统,能够快速分析处理事故文本信息,进一步细化事故调查报告中的原因,便于进行事故案例学习和统计分析.

关键词：自然语言处理(NLP)、事故原因分类、"2-4"模型(24Model)、fastText、文本挖掘

所属期刊栏目：33

分类号：X936(安全工程)

在线出版日期：2023-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：20-26