来源：期刊VIP网 时间：
作者：陈芳;张亚博;
单位：中国民航大学安全科学与工程学院;
摘要：为界定民航机务维修安全隐患类别，实现安全隐患数据的自动分类，首先，利用构建的机务维修停用词库对安全隐患记录语料进行预处理。其次，运用词对主题模型(Biterm Topic Model, BTM)提取主题和关键词，确定了“员工未按规定对工作现场进行监管”等12类安全隐患。最后，根据BTM主题模型标注的数据集对算法进行微调，构建了基于变换器的双向编码(Bidirectional Encoder Representations from Transformers, BERT)算法的机务维修安全隐患记录自动分类模型，并与传统的分类算法进行对比。结果表明：所构建的模型可以实现民航机务维修安全隐患自动分类，其效果远高于传统机器学习支持向量机算法的效果，构建的分类模型的精确率、召回率和F_1较文本卷积神经网络算法分别提升了0.12、0.14和0.14,总体准确率达到了93%。
关键词：安全工程;机务维修;词对主题模型(BTM);基于变换器的双向编码(BERT);安全隐患;文本分类
基金资助：2024年民航局安全能力项目(ASSA202401)
