基于自然語言理解的安全事故信息處理系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、在安全事故的發(fā)生量方面，中國已經(jīng)遠(yuǎn)超主要的發(fā)達國家。這種形勢的惡性發(fā)展不利于人民生活的穩(wěn)定，更不利于國家發(fā)展的持續(xù)性。因此，迫切需要采取有效的手段來管理安全事故信息。但國內(nèi)相關(guān)部門的網(wǎng)站對安全事故信息的管理及應(yīng)用的方式表明了這些部門并沒有充分地發(fā)掘其所掌握的數(shù)據(jù)的內(nèi)在價值，也對安全事故的預(yù)防工作的貢獻甚微。因此，本文設(shè)計并實現(xiàn)了基于自然語言理解的安全事故信息處理系統(tǒng)，該系統(tǒng)負(fù)責(zé)對2002年至2016年間的安全事故信息進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)計和分析的需求進行的系統(tǒng)的設(shè)計及實現(xiàn)。
　　首先，利用自然語言處理中的命名實體識別技術(shù)，遍歷并判斷信息分詞后形成的分詞序列，從而獲取該信息對應(yīng)的時間和地點。利用自然語言處理中的詞性標(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，通過判斷該分詞的左、右側(cè)的若干分詞來決定該分詞是否能夠代表“受傷”、“死亡”等情況，對此，提出了“增量搜索

3、算法”，實現(xiàn)了安全事故信息的抽取。但信息抽取結(jié)果中的地點還存在著問題，如“缺失省份”、“空地址”，本文通過識別分詞序列中的所有地址實體，然后解析它們各自對應(yīng)的多級行政單位并統(tǒng)計每一級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)，對此，提出了“地址補齊算法”，用來輔助抽取關(guān)鍵信息。
　　其次，本文基于Word2Vec提出了“選擇性擴展算法”，該算法綜合考慮了安全事故信息的特點以及冗余分詞和稀疏特征帶來的影響，給出了一