期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CoalBERT模型的煤矿安全隐患智能分类研究
1
作者 李泽荃 陈豪斌 +1 位作者 赵嘉良 刘飞翔 《中国矿业》 北大核心 2026年第3期257-264,共8页
在各类信息化平台的飞速发展之下,煤矿行业已经广泛采用了各类信息化平台来优化运营和提升安全生产水平。这些平台帮助煤矿企业实现了大量相关数据的积累与管理,但煤矿安全隐患文本数据的语义复杂性和领域专业性使得这些数据无法得到有... 在各类信息化平台的飞速发展之下,煤矿行业已经广泛采用了各类信息化平台来优化运营和提升安全生产水平。这些平台帮助煤矿企业实现了大量相关数据的积累与管理,但煤矿安全隐患文本数据的语义复杂性和领域专业性使得这些数据无法得到有效利用。为此,本文依据2022版《煤矿安全规程》,定义了17个一级隐患类别和109个二级隐患类别,作为煤矿安全隐患数据的样本标签体系,构建了一套系统的煤矿安全隐患分类方法,并利用CoalBERT预训练语言模型对煤矿安全隐患文本数据进行双层类别体系的文本分类,同时以BERT模型作为参照进行对比分析。该模型通过引入领域术语掩码语言建模(DP-MLM)和句子顺序预测(SOP)任务,解决了通用模型在煤矿安全领域对专业术语(如“锚杆支护”“瓦斯抽采”)的语义理解不足和对隐患描述文本中逻辑连贯性有限的两大局限性。模型训练在PyTorch框架下进行,通过设定学习率和迭代次数,并使用随机梯度下降法进行优化。研究结果表明:CoalBERT模型在煤矿安全隐患分类任务中表现出色。在一级类别分类实验中,CoalBERT模型在精准率、召回率和F1值上均高于BERT模型,分别提高了0.34%、0.21%和0.27%。在二级类别分类实验中,CoalBERT模型的F1值平均提高了3%~5%,最高分类效果可达97.75%。特别是在“矿井建设”“冲击地压防治”和“隐患排查”等类别上,CoalBERT模型展现出显著优势。由此可知,基于CoalBERT预训练语言模型的煤矿安全隐患分类算法在任务上表现出色,能够成为煤矿安全管理工作的重要辅助工具,对提升煤矿安全管理水平和预防事故发生提供有力支持。 展开更多
关键词 自然语言处理 文本分类 coalbert模型 煤矿安全隐患 BERT模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部