基于BERT预训练模型的事故案例文本分类方法

作者：涂远来; 周家乐^*; 王慧锋

来源：华东理工大学学报, 2023, 49(04): 576-582.

DOI：10.14135/j.cnki.1006-3080.20220223002

• 危险辨识
• 文本分类
• BERT
• 需求分析
• 安全攸关系统

事故案例数据库中的大量事故信息为安全攸关系统的设计提供了丰富、宝贵的经验，包括事故发生的时间、地点、原因、经过等。这些信息在危险辨识中起着至关重要的作用，但它们通常分布在事故文档的各个段落中，使得人工提取的效率低且成本高。本文提出了一种基于BERT(Bidirectional Encoder Representations from Transformers)预训练模型的事故案例文本分类方法，可将事故案例文本分为ACCIDENT、CAUSE、CONSEQUENCE、RESPONSE这4类。此外，收集并构建了事故案例文本数据集用于训练模型。实验结果表明，本文方法可以实现对事故案例文本的自动分类，分类准确率达到73.44%，召回率为69.13%,F1值为0.71。

• 单位
  华东理工大学