当今社会,矿山安全问题是国家关注的重点问题,防止安全生产过程中各种事故的发生是安全生产最重要的任务。本文利用国家安全部门网站发布的权威事故信息,利用现代科学手段,充分挖掘事故隐患信息,找出事故发生的关键隐患,以实现对安全事故的预防,减少事故的发生。本文来源于国家安全监管总局“基于深度学习的大数据煤矿安全事故预警与应急管理平台的研究”项目,主要进行了基于自然语言处理的事故隐患信息挖掘算法研究。本文的研究工作如下:(1)首先介绍了本文的研究背景和意义,分析了国内外在自语言处理领域信息处理、相似度计算方面的研究现状以及煤矿事故预警的研究现状,阐述了论文的研究内容和组织结构;其次介绍了论文用到的相关技术,包括数据预处理、神经网络模型和信息检索等,为事故隐患分类算法和信息查询算法奠定了理论基础。(2)针对长短期记忆网络模型词语分配相同权重的问题,在长短期记忆网络模型后加入了一层注意力机制,为事故隐患信息分配不同的权重,提出了基于注意力机制的长短期记忆网络事故隐患分类模型算法。首先爬取了官方网站的事故隐患信息,对信息进行了数据预处理,根据事故隐患等级分类将数据分成了不同的语料库;其次将数据输入到改进的事故隐患分类模型中进行模型的训练、验证;最后通过实验对比得出本算法取得了很好的事故隐患分类效果。(3)对事故隐患信息进行分类是为了更好的挖掘信息的潜在价值,在分类完成之后,需要查找到相似事故,分析事故原因,同时针对中文词语一词多义的问题,提出了基于How Net的事故隐患信息查询算法。首先对输入的隐患信息进行数据预处理,然后将处理好的数据输入已有的事故隐患分类模型中得到信息隐患类型;同时将该数据输入到提出的信息查询算法中,并在对应的隐患类型库中进行相似案例的检索,输出相似度最高的前三个案例;实验结果表明本算法信息查询的准确率得到显著提高。