中国安全科学学报

作者：陈述, 王典学, 杨应柳, 曹坤煜, 聂本武

单位：1 三峡大学 水电工程施工与管理湖北省重点实验室,湖北 宜昌 443002；2 三峡大学水利与环境学院,湖北 宜昌 443002；3 重庆大学 管理科学与房地产学院,重庆 400044；4 国家能源投资集团有限责任公司,四川 成都 610095

关键词：水电工程施工,安全隐患,治理措施,智能推荐,知识图谱,语义匹配

基金：国家自然科学基金资助(52479127); 国家自然科学基金资助(52079073); 国家自然科学基金资助(52209163)

为辅助制定水电工程施工安全隐患治理措施,收集水电工程施工巡检积累的隐患文本,借助Python工具对半结构化的隐患文本进行实体与关系抽取,构建安全隐患知识图谱,并导入到neo4j图数据库中进行存储;搭建水电工程施工隐患语义匹配的基于双向编码器表征的句子嵌入(Sentence-BERT)模型,学习目标隐患与历史隐患的深层语义特征,推荐与目标隐患最相似的历史安全隐患;利用Cypher查询语句,检索该历史安全隐患对应的治理措施。结果表明:Sentence-BERT模型对于施工隐患与历史相似隐患的识别准确率为96.48%,明显优于双向编码器表征(BERT)模型、基于词向量的深度语义匹配模型(Word2vec-DSSM)和基于BERT的DSSM模型(BERT-DSSM)。在随机抽取的150条目标隐患数据中测试历史相似隐患推荐精确度达到92%,并通过隐患知识图谱展示隐患治理措施的检索效果,验证了该方法的适用性和有效性。

来源：2024年第12期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第12期