煤矿安全隐患信息自动分类方法

谢斌红; 马非; 潘理虎; 张英俊

doi:10.13272/j.issn.1671-251x.2018050019

煤矿安全隐患信息自动分类方法

谢斌红¹,
马非 ¹,
潘理虎^{1, 2},
张英俊¹

1.
太原科技大学计算机科学与技术学院，山西太原030024
2.
中国科学院地理科学与资源研究所，北京100101

基金项目:

山西省中科院科技合作项目（20141101001）

山西省社会发展科技攻关项目（20140313020-1）

详细信息

中图分类号: TD67
计量
- 文章访问数: 61
- HTML全文浏览量: 11
- PDF下载量: 15
出版历程
- 刊出日期: 2018-10-09

Automatic classification method of coal mine safety hidden danger informatio

1.
Department of Computer Science and Technology, Taiyuan University of Science and Technology,Taiyuan 030024, China
2.
Institute of Geographic Science and Natural Resources Research, Chinese Academy of Science, Beijing 100101,China

摘要

摘要: 人工分类方式难以满足海量煤矿安全隐患信息的分类要求，而基于概率统计的文本自动分类方法分类准确率较低。针对上述问题，提出了一种基于Word2vec和卷积神经网络的煤矿安全隐患信息自动分类方法。首先对隐患信息进行分词、去停用词等预处理，然后应用Word2vec来表征词之间的语义相似性关系，最后利用卷积神经网络提取隐患信息的局部上下文高层特征，并使用Softmax分类器实现隐患信息的自动分类。实验结果表明，该方法实现了端到端的自动分类，可有效提升分类的准确性和全面性。
- 煤矿安全 /
- 隐患信息自动分类 /
- 文本分类 /
- 卷积神经网络 /
- Word2vec
Abstract: Manual classification method is difficult to meet classification requirements of massive coal mine safety hidden danger information, and automatic text classification method based on probability statistics has low classification accuracy rate. In view of the above problems, an automatic classification method of coal mine safety hidden danger information was proposed which was based on Word2vec and convolutional neural network. Firstly, hidden danger information is pre-processed through word segmentation and stop word deletion. Then semantic similarity between words is represented by employing Word2vec. Finally, local context high-level features of hidden danger information are extracted by use of convolutional neural network, and Softmax classifier is used to realize automatic classification of hidden danger information. The experimental results show that the method realizes end-to-end automatic classification and can effectively improve accuracy and comprehensiveness of classification.
- coal mine safety /
- automatic classification of hidden danger information /
- text classification /
- convolutional neural network /
- Word2vec

HTML全文

参考文献(0)

施引文献(19)

期刊类型引用(10)

1.	罗海平，曾向阳，陈勇. 基于SMOTE+ENN的煤矿安全隐患文本分类研究. 中国矿业. 2025(01): 116-125 . 百度学术
2.	李其然，李化中. 我国数据分类分级研究进展与企业实施路径建议. 信息安全与通信保密. 2024(05): 91-100 . 百度学术
3.	陈凤杰，刘润斌. 山西平安煤矿隐蔽致灾地质因素分析. 煤炭与化工. 2022(04): 63-65 . 百度学术
4.	莫俊铭，郑成勇，戴紫灵. 基于BERT模型的企业安全隐患排查. 电子技术与软件工程. 2022(14): 225-228 . 百度学术
5.	杨有慧，董申颂，陈明媛，庞壮，覃芳璐. 基于TPE-BIRCH的电网安全隐患分类方法. 广西电力. 2022(06): 57-63 . 百度学术
6.	王德志，陈靖耀. 基于BERT的社交网络媒体突发事件标注方法研究. 华北科技学院学报. 2021(06): 74-82 . 百度学术
7.	谭章禄，陈孝慈. 基于文本挖掘的煤矿安全隐患管理研究. 中国安全生产科学技术. 2020(02): 43-48 . 百度学术
8.	龚丽娟，王昊，张紫玄，朱立平. Word2Vec对海关报关商品文本特征降维效果分析. 数据分析与知识发现. 2020(Z1): 89-100 . 百度学术
9.	李红霞，李妍雯. 安全信息认知视角下矿工个体安全信息力影响因素研究. 西安科技大学学报. 2019(05): 867-874 . 百度学术
10.	林川，武乐飞，戴家佳. 基于类别关键词权重的煤矿安全隐患分类方法. 贵州大学学报(自然科学版). 2019(06): 53-57+97 . 百度学术

其他类型引用(9)

资源附件(0)

计量

文章访问数: 61
HTML全文浏览量: 11
PDF下载量: 15
被引次数: 19

煤矿安全隐患信息自动分类方法

计量

出版历程

Automatic classification method of coal mine safety hidden danger informatio

期刊类型引用(10)

其他类型引用(9)

计量

出版历程

目录