曹恺祺　李佳静

摘要：近年来，我国能源行业的安全生产责任事故层出不穷。为了能将相关事故尽可能快速有效地汇报相关部门，必须对互联网上关于能源行业的事故新闻做到实时的监控。该文提出了一套对互联网上能源行业事故实时抓取分析的事故监控系统，采用机器学习与规则匹配相结合的文本挖掘技术来分类新闻事件，采用改进后的新闻事件分类方法比单纯使用机器学习的方法在准确率和召回率都有显著提升。文章最后提出系统实现的框架，并提出改进意见。

关键词：文本表示；特征提取；SVM分类器；规则过滤

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）03-0061-04

1 背景

能源行业主要包括煤炭行业，石油行业，电力行业，核电行业和新能源行业，随着我国经济的快速发展，国内各个领域对于能源的需求也是与日俱增，也促成了我国能源行业的快速发展。但有些能源生产单位只注重产量，对能源的安全生产缺少科学管理，导致能源行业事故时有发生。

总体而言，对于能源的开采工作都是一些高风险的作业，一旦发生事故，不仅会对企业造成巨大经济损失，而且会造成巨大的环境破坏。因此，消除和控制能源行业的安全生产事故，降低能源行业事故造成的影响，有效保护环境，已经是政府和相关能源生产单位的当务之急。

在当下，政府对于能源行业安全生产相关事故的关注，一般是通过相关生产部门的汇报以及能源行业相关网站的报道。……