我国多位中科院和工程院院士在《中国可持续能源发展战略》中指出,到2050年,煤炭所占能源结构比例仍然不会低于50%。在未来相当长的时间内,煤炭作为主要的能源将在我国经济发展和社会完善等多个进程中发挥突出作用。“安全第一,预防为主”是我国为煤矿领域所确立的安全生产方针,但随着煤矿开采量逐年增加,科学采矿技术以及信息技术的发展,又带来了一系列新的问题,煤矿安全管理工作略显落后,一方面,煤矿安全管理仍然习惯于事后管理,缺少对隐患的事前预防以及安全预测,仅仅将“预防为主”当作形式;另一方面,安全隐患标准化不够,在隐患的识别和处理上不够科学和及时,从而造成隐患监控不到位,事故发生风险较大。针对以上问题,本文着眼于煤矿安全隐患信息的自动处理分析,以深度学习为解决方案,给出了短文本自动分类方法,并将其应用于安全隐患信息的自动分类分级任务中。首先人为构建面向煤矿安全隐患信息领域的专业词库,接着使用Word2vec模型来训练面向煤矿安全隐患信息领域的词向量,将语言信息转换成计算机可识别的向量信息;然后对煤矿安全隐患信息做分词、去停用词等预处理;接着应用深度学习技术来实现安全隐患信息的分类任务,使用深度学习开发框架Pytorch搭建MSCNN网络,并使用预训练好的数据及Word2vec词向量模型进行粗粒度级别的分类模型训练调优;紧接着构建了HD-MSCNN框架并训练,以实现煤矿安全隐患信息细粒度级别分类及安全隐患风险分级。最后将该分类分级模型与煤矿安全隐患信息管理系统进行整合,实现煤矿安全隐患信息的自动分类分级的实际应用。本文实现的煤矿安全隐患信息自动分类框架具有如下优势:第一,相较于其它深度学习文本分类模型,本文提出的基于深度学习的层次结构分类框架HD-MSCNN具有更高的精确度、召回率及₁F值;第二,本模型采用了扩展槽机制,具有较强的可扩展性,当新增类别时可更快的实现分类模型的完善而不需要再重新进行训练。