基于PMI与BTM的船舶事故原因文本挖掘

• 作者: 于卫红 付飘云 任月 王庆武
• 来源期刊: 交通信息与安全
• 关键词: 交通安全 船舶事故调查报告 文本挖掘 主题模型 词共现 PMI算法 BTM算法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 交通安全
• 页码范围: 35-44
• 页数: 10页
• 分类号: U698.6
• 语种: 中文
• DOI: 10.3963/j.jssn.1674-4861.2021.01.0005

摘要

为了实现从海量的船舶事故调查报告中自动提取出水上交通安全知识,提出了从词语和主题2个层面对船舶事故调查报告进行语义挖掘的方法,并以100份船舶自沉事故调查报告为语料进行具体挖掘.在词语层面,使用PMI算法从事故原因文本中挖掘频繁共现的词语模式,通过文本特征词的共现揭示事故致因要素间的关联.在主题层面,使用BTM算法对事故原因文本进行主题建模,通过主题对数似然、主题一致性评估建模结果的优劣.通过主题建模,对表征自沉事故原因的特征词进行聚类,并根据主题在文档集合中的分布初步量化出每种原因的发生概率.根据使用500组新数据集对主题模型预测能力的测试,所构建的主题模型能够100％识别出领域无关的词并自动忽略;对于语料库中85.6％的词语,所构建的主题模型能够明确地将其归属于代表某一原因的主题;另14.4％的词主题边界不明显,难以将其单独以较大的可能性明确归属到某一主题下.