基于自然語(yǔ)言理解的安全事故信息處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、在安全事故的發(fā)生量方面，中國(guó)已經(jīng)遠(yuǎn)超主要的發(fā)達(dá)國(guó)家。這種形勢(shì)的惡性發(fā)展不利于人民生活的穩(wěn)定，更不利于國(guó)家發(fā)展的持續(xù)性。因此，迫切需要采取有效的手段來(lái)管理安全事故信息。但國(guó)內(nèi)相關(guān)部門(mén)的網(wǎng)站對(duì)安全事故信息的管理及應(yīng)用的方式表明了這些部門(mén)并沒(méi)有充分地發(fā)掘其所掌握的數(shù)據(jù)的內(nèi)在價(jià)值，也對(duì)安全事故的預(yù)防工作的貢獻(xiàn)甚微。因此，本文設(shè)計(jì)并實(shí)現(xiàn)了基于自然語(yǔ)言理解的安全事故信息處理系統(tǒng)，該系統(tǒng)負(fù)責(zé)對(duì)2002年至2016年間的安全事故信息進(jìn)行處理及可視化工作

2、，其中，“處理”指的是抽取和分類，“可視化”指的是根據(jù)安全事故信息的處理流程、統(tǒng)計(jì)和分析的需求進(jìn)行的系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)。
　　首先，利用自然語(yǔ)言處理中的命名實(shí)體識(shí)別技術(shù)，遍歷并判斷信息分詞后形成的分詞序列，從而獲取該信息對(duì)應(yīng)的時(shí)間和地點(diǎn)。利用自然語(yǔ)言處理中的詞性標(biāo)注技術(shù)，遍歷并篩選出分詞序列中所有詞性為數(shù)詞的分詞，在分詞序列中，通過(guò)判斷該分詞的左、右側(cè)的若干分詞來(lái)決定該分詞是否能夠代表“受傷”、“死亡”等情況，對(duì)此，提出了“增量搜索

3、算法”，實(shí)現(xiàn)了安全事故信息的抽取。但信息抽取結(jié)果中的地點(diǎn)還存在著問(wèn)題，如“缺失省份”、“空地址”，本文通過(guò)識(shí)別分詞序列中的所有地址實(shí)體，然后解析它們各自對(duì)應(yīng)的多級(jí)行政單位并統(tǒng)計(jì)每一級(jí)別上的行政單位出現(xiàn)的頻率，并將其作為判斷該信息最終地址的依據(jù)，對(duì)此，提出了“地址補(bǔ)齊算法”，用來(lái)輔助抽取關(guān)鍵信息。
　　其次，本文基于Word2Vec提出了“選擇性擴(kuò)展算法”，該算法綜合考慮了安全事故信息的特點(diǎn)以及冗余分詞和稀疏特征帶來(lái)的影響，給出了一