基于中文分词与TF-IDF算法的屋顶危险因素量化研究

《Scientific Reports》：Research on the roof hazard factors quantification based on Chinese word segmentation and TF-IDF algorithm

　　

摘要

顶板事故被视为煤矿安全方面的重大隐患。通过CiteSpace对326篇相关文献进行分析后发现，这一领域的研究趋势日益明显。传统的隐患识别方法严重依赖专家判断、预定义模型以及手工处理，这导致其在处理非结构化的事故文本时存在较强的主观性、效率低下，且适应性较差。为解决这一问题，本文提出了一种结合中文分词与TF-IDF算法的集成框架，用以自动提取并量化顶板事故的隐患因素。该方法被应用于115份非结构化的顶板事故报告，用于识别和量化隐患因素，最终结果显示，直接原因和间接原因中的冗余信息分别减少了26%和35%。此外，该方法还能够提取出关键的隐患表述，并对其赋予客观权重。主要的直接原因包括矿工自身问题、违规作业以及支撑措施不到位等；而间接原因则涉及安全教育和培训不足、操作规范缺失，以及未能有效开展隐患排查与管理。