煤炭工程

作者：吴徐燕,杨超宇

单位：安徽理工大学 人工智能学院，安徽 淮南 232001

关键词：煤矿“三违”,GCN,特征学习,训练样本,文本共现,

针对煤矿“三违”文本分类数据存在专业性强、语义易混淆、样本比例失衡3种问题，提出cBert-GCN煤矿“三违”文本分类模型。考虑到存在除专业领域信息外，煤矿“三违”文本数据简短，同时具有上下文关联紧密以及固有二义性，引入拼音、字形向量以增强表达煤矿“三违”文本数据。文章将GCN用于煤矿“三违”文本分类中，构建文本共现图以捕获文本中的结构信息和依赖关系，采用中文预训练模型和图卷积神经网络结合的方式进行特征学习，融合字符级和词级，设置二者权重以实现对煤矿“三违”数据的准确分类。结果表明“cBert-GCN模型在训练样本上的准确率高于其他模型达到97.03%，且在测试样本中准确率达到93.17%，具备良好泛化能力。因此，cBert-GCN模型在煤矿“三违”文本数据方面具有比较明显的应用优势。

来源：2026年第1期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2026年第1期