基于BLS的铁路安全事件文本分类研究*

• 全文链接
• 请求原文

作   者：

尚麟宇;  尹明;  肖畅;  程君; 

作者机构：

中国铁道学会;  中国铁道科学研究院集团有限公司通信信号研究所;  国能朔黄铁路发展有限责任公司; 

关键词：

文本挖掘;  词频-逆文档频率(TF-IDF);  宽度学习系统(BLS);  铁路安全事件;  文本分类; 

期刊名称：

中国安全科学学报

i s s n：

1003-3033

年卷期：

2022 年 32 卷 006 期

页   码：

103-108

摘   要：

为预防铁路安全事件的发生,利用文本挖掘相关技术和宽度学习系统(BLS),探讨铁路安全事件分类,包括设备问题、施工问题、作业问题、外部环境问题4大类.通过清洗及结构化314条文本数据,运用Jieba分词+自定义词表+通用停用词表完成中文分词;基于卡方检验建立223个特征词,基于词频-逆文档频率(TF-IDF)计算特征词权重;基于BLS完成事件成因分类,设计3种基于BLS的分类方法.结果表明:该系统通过挖掘铁路安全事件报告的文本信息,能够形成有效的分类模型;利用BLS自身节省算力的特性,并通过添加特征增强节点的方式,可提高分类准确性,从而提高行业管理水平.