文章摘要:现有安全生产分析主要是基于数据信息，而实际安全数据常为“数值-文本”大安全数据，如何充分析取数据和文本等2方面信息，是企业安全分析中的一个重要挑战。本文首先基于岭回归、被动进取、弹性网络回归、梯度增强等机器学习算法，构建面向数据信息的生产风险分析模型；之后依次基于Jieba分词、LDA主题建模、单分类算法和集成算法等文本挖掘技术，构建面向文本信息的生产风险分析模型；最后利用Pearson相关系数和回归算法，实现面向“数值-文本”大安全数据的企业安全分析。本文以东南某工贸企业为例，分析发现：基于梯度增强回归算法的数据分析模型效果最好，基于Voting模型的文本分析模型表型分类效果最优，Pearson相关系数为0.4438，基于GBR模型的“数值-文本”综合分析拟合度最高。结果表明，该“数值-文本-比对-综合”的大安全数据分析思路有效可行。

文章关键词:

论文DOI:10.13637/j.issn.1009-6094.2021.1272

论文分类号:F272.3;TP391.1

文章来源：《水下无人系统学报》 网址: http://www.sxwrxt.cn/qikandaodu/2021/1106/330.html