白鹤滩水电站是仅次于三峡水电站的中国第二大水电站。其建设中出现的安全生产问题也得到了重视。树立正确的安全意识是水电站全体员工的工作重心,也是保障水电站安全生产的措施之一。随着社会的进步和科技的发展,除了生产以外,安全问题同样是水电站主要解决的问题。最大程度的避免水电站正常运行过程中的安全隐患,是对员工安全问题的承诺,也是水电站正常顺利运行的基础。目前,需要对大量现场施工安全隐患数据进行挖掘和分析,从而有效地规避非安全因素。自然语言处理是人工智能领域中的一个重要方向,是一门融语言学、计算机科学、数学于一体的科学,它主要研究各种方法来实现人与计算机之间用自然语言进行通信。如今面向自然语言的深度学习研究,在文本分类、情感分析、语法分析、机器翻译等领域取得了很大成就,为利用面向自然语言的安全隐患数据挖掘提供了可行性。本隐患分析系统,基于Python语言开发,采用了主流的开源机器学习框架TensorFlow和深度学习的代表算法——卷积神经网络(CNN)。系统主要包括高频词汇展示、典型隐患识别和隐患属性分类三大功能模块。其中高频词汇展示用来将大量隐患记录中统计出来的高频词语通过词云图进行展现;典型隐患识别可以判断出隐患记录是否属于典型隐患,典型隐患是关注度很高的隐患,即时发现典型隐患以便及早作出修整;隐患属性分类是将隐患记录更加智能、快捷的分类到相应的隐患属性,便于后期做隐患处理。设计实现后的系统基本达到预期的功能,在白鹤滩水电站的施工安全管理中得到了使用。