大數(shù)據(jù)為安全生產(chǎn)保駕護航

文/張洪福

引言

所謂安全生產(chǎn)，是指在生產(chǎn)經(jīng)營活動中，為了避免造成人員傷害和財產(chǎn)損失的事故而采取相應的事故預防和控制措施，使生產(chǎn)過程在符合規(guī)定的條件下進行，以保證從業(yè)人員的人身安全與健康，設備和設施免受損壞，環(huán)境免遭破壞，保證生產(chǎn)經(jīng)營活動得以順利進行的相關活動。最近幾年，許多生產(chǎn)企業(yè)將大數(shù)據(jù)應用到自身的經(jīng)營管理之中，重視大數(shù)據(jù)在安全生產(chǎn)中的應用價值。

1.大數(shù)據(jù)對安全生產(chǎn)的影響

《中國安全生產(chǎn)報》2001年10月11日創(chuàng)刊，是國內安全生產(chǎn)領域唯一綜合性報紙，是傳遞黨中央、國務院、國家安全生產(chǎn)監(jiān)督管理局、各行業(yè)主管部門、各地方政府對安全生產(chǎn)工作各個階段工作部署的重要媒介；是安全生產(chǎn)專業(yè)信息咨詢和交流的權威平臺和安全生產(chǎn)理論探尋、安全文化建設的主陣地；是各級安監(jiān)干部工作的良師益友。作為安全生產(chǎn)領域權威主流媒體有著深遠的影響力，能夠匯聚行業(yè)內的各種數(shù)據(jù)資源，數(shù)據(jù)資源包括:各地記者站稿件、民眾投稿、專家約稿、企業(yè)安全生產(chǎn)數(shù)據(jù)、政府安全監(jiān)管數(shù)據(jù)、調查報告、安全生產(chǎn)相關法律知識、安全生產(chǎn)管理知識、安全生產(chǎn)技術等。作為大數(shù)據(jù)而言，除了內部數(shù)據(jù)積累，還應充分利用互聯(lián)網(wǎng)數(shù)據(jù)，結合大數(shù)據(jù)手段對安全生產(chǎn)領域信息快速抓取和分析。完善生產(chǎn)中的數(shù)據(jù)與資料，從大數(shù)據(jù)中不斷探索其中規(guī)律。

同時，2015年4月2日，國務院辦公廳印發(fā)《國務院辦公廳關于加強安全生產(chǎn)監(jiān)管執(zhí)法的通知》，通知指出，要大力提升安全生產(chǎn)“大數(shù)據(jù)”利用能力，加強安全生產(chǎn)周期性、關聯(lián)性等特征分析，做到檢索查詢即時便捷、歸納分析系統(tǒng)科學，實現(xiàn)來源可查、去向可追、責任可究、規(guī)律可循。中國安全生產(chǎn)報社發(fā)揮自身優(yōu)勢，利用大數(shù)據(jù)技術開展安全生產(chǎn)工作，應用價值在多個方面都能夠有所體現(xiàn)。首先是對安全生產(chǎn)領域監(jiān)察的敏感性強，分析基礎數(shù)據(jù)可知哪些安全生產(chǎn)行業(yè)或某個安全生產(chǎn)行業(yè)哪個環(huán)節(jié)易發(fā)生安全問題。其次是有利于安全生產(chǎn)領域相關政策制定。中國安全生產(chǎn)報社擁有大量的數(shù)據(jù)支撐，對基礎數(shù)據(jù)內容進行分析，便于對多因素影響下事態(tài)的發(fā)展以及在趨勢方式下制定最適宜的安全舉措。最后是有利于整個安全生產(chǎn)領域的管理推進和實施。中國安全生產(chǎn)報社經(jīng)過有效處理海量的基礎性數(shù)據(jù)，對如何安全管理已有系統(tǒng)性的研究。

2.基于大數(shù)據(jù)助力安全生產(chǎn)

2.1 大數(shù)據(jù)積累:準確、全面地收集數(shù)據(jù)是大數(shù)據(jù)的基礎

首先要充分利用已有數(shù)據(jù)。包括:各地記者站稿件、民眾投稿、專家約稿、企業(yè)安全生產(chǎn)數(shù)據(jù)、政府安全監(jiān)管數(shù)據(jù)、調查報告、安全生產(chǎn)相關法律知識、安全生產(chǎn)管理知識、安全生產(chǎn)技術等。

其次是充分利用互聯(lián)網(wǎng)數(shù)據(jù)。隨著網(wǎng)絡應用技術的發(fā)展，網(wǎng)絡信息呈現(xiàn)出一定的“異構”特點。網(wǎng)絡信息仍以HTTP為網(wǎng)絡傳輸協(xié)議，以HTML為展示格式，但隨著互聯(lián)網(wǎng)社區(qū)化的發(fā)展和Web 2.0的崛起，網(wǎng)頁所蘊含的內容發(fā)生了深刻的變化。原來以網(wǎng)站/網(wǎng)頁內容為主導的互聯(lián)網(wǎng)，逐漸演變?yōu)榫W(wǎng)站、論壇（社區(qū)）、博客、微博等信息共存的局面。微信、論壇、博客、微博上蘊含的大量信息已經(jīng)成為互聯(lián)網(wǎng)上重要的信息組成部分。網(wǎng)民們可以在這些自媒體平臺隨時隨地發(fā)表他們所見所聞的安全生產(chǎn)事件或對某個安全生產(chǎn)事件的態(tài)度看法等。這些自媒體平臺互動性強，信息傳播快，儼然成為一個輿論放大器。而且對安全生產(chǎn)領域來說，論壇、微博、微信上的信息比普通網(wǎng)站上的信息具有更重要的使用價值。安全生產(chǎn)事故，如燃氣爆炸、坍塌事故、火災、沉船、重大車禍等信息，都是通過論壇、微博、微信等渠道第一時間傳播的。另外，一些安全生產(chǎn)隱患，如煤氣泄漏、安全漏洞、火災隱患等，網(wǎng)民可以通過互動的形式告知安監(jiān)總局、安全生產(chǎn)報社等單位，在事故發(fā)生之前及時處理，減少人民生命財產(chǎn)損失，具有重大意義。

安全生產(chǎn)大數(shù)據(jù)的要求是對互聯(lián)網(wǎng)上的有效信息進行采集和利用，但目前的數(shù)據(jù)采集技術主要是面向網(wǎng)站和網(wǎng)頁的收集和采集，不能有效解決論壇（社區(qū)）、博客、微博、微博的采集和更新問題。對于安全生產(chǎn)大數(shù)據(jù)來說，最終建設的應該是全面的信息收集機制，有效信息遍布于論壇、博客、微博、微信等載體上。針對安全生產(chǎn)行業(yè)特點和業(yè)務領域，選擇神華集團、中石油、中石化等同類企業(yè)或同行企業(yè)的安全生產(chǎn)事件進行素材的收集（如央國企新聞發(fā)言稿等），歷年全國各地發(fā)生的安全生產(chǎn)事故信息等。主要包括過往案例、對外宣傳稿、分析報告等，按照事故命名、發(fā)生時間、地點、程度級別、事故類型、傷亡人數(shù)、死亡人數(shù)等屬性特征進行分類，并可設定相關報道的媒體范圍，同時采集與事故相關的互聯(lián)網(wǎng)信息，形成安全生產(chǎn)大數(shù)據(jù)的數(shù)據(jù)支撐。

據(jù)國家安全生產(chǎn)監(jiān)督管理總局官網(wǎng)數(shù)據(jù)顯示，2017年1～7月，全國共發(fā)生各類生產(chǎn)安全事故27478起，死亡19783人。其中，較大事故377起，死亡1442人；重大事故17起，死亡225人，同比增加1起等。及時獲取這些信息，有利于相關部門了解事件態(tài)勢，盡早合理決策，避免不良影響擴大化。

2.2 自然語言處理:讓機器更懂人類，提高關聯(lián)性等特征分析

隨著人工智能的大熱，國內各大企業(yè)開始紛紛布局人工智能領域，并打造出各種不同的智能終端，比如人工機器人、無人駕駛汽車、智能電視、智能冰箱……這些智能終端有一個共同的特點——不但能讀懂人類語言，還能與人類交流，同時，還能進一步完成人類所下達的指令。

如此神奇的技術是如何實現(xiàn)的呢？這要歸功于人工智能領域一項核心的處理技術——NLP。NLP（Natural Language Processing），即自然語言處理，它是研究人與計算機交互的語言問題的一門學科，也是人工智能一個重要的子領域。簡單來說，NLP是讓機器“理解”人們使用的自然語言結構和意思，將自然語言翻譯為機器語言形式，并加工它（總結、句法分析等），再返回給用戶自然語言。它涉及很多內容和技術，如文本朗讀/語音合成、語音識別、中文自動分詞、詞性標注、句法分析、自然語言生成、文本分類、信息檢索、信息抽取、文字校對、問答系統(tǒng)、機器翻譯、自動摘要、文字蘊涵……

在人工智能發(fā)展之初，NLP技術就已經(jīng)顯示出巨大的魅力。1949年埃德蒙·伯克利（Edmund Berkeley）在他出版的《Giant Brains Or Machines That Think》一書中曾寫道:“最近出現(xiàn)許多消息，談論的主題是奇怪的巨型機器處理信息，速度極快，技能很強……這種機器與大腦相似，由硬件和線纜組成，而不是血肉和神經(jīng)，機器可以處理信息，可以計算、可以得出結論，可以選擇，還可以根據(jù)信息執(zhí)行合理操作?？傊@臺機器可以思考?！?/p>

作為人工智能核心技術之一，自然語言處理技術越發(fā)受到技術公司的青睞，在國務院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中，自然語言處理技術被列為關鍵共性技術。

先進的技術需要與行業(yè)進行深度結合，才能實現(xiàn)更大的價值。自然語言處理技術可以實現(xiàn)對安全生產(chǎn)大數(shù)據(jù)的分析處理，建立符合行業(yè)特色的安全生產(chǎn)知識庫，包括安全生產(chǎn)案例庫、安全生產(chǎn)口徑庫、關鍵詞庫、媒體庫及敏感詞庫、專業(yè)領域知識庫等，形成知識的積累。

安全生產(chǎn)案例庫:首先，利用采集的行業(yè)數(shù)據(jù)，經(jīng)過自然語言的解析和整理，自動從大規(guī)模行業(yè)語料中挖掘專業(yè)術語和新詞，快速構建行業(yè)詞典，構建行業(yè)語料庫。同時，通過多個行業(yè)語料庫的采樣和綜合，構建通用語料庫。語料預處理中對語料分塊，并進行分詞、命名實體識別，然后進行串頻統(tǒng)計、子串歸并操作，再分別通過橫向對比和縱向遞進的方法進行行業(yè)術語和行業(yè)短語挖掘?？蓪崿F(xiàn)數(shù)據(jù)內容過濾，多語種識別和自動轉碼、自動分詞、自動分類、自動聚類、自動熱點發(fā)現(xiàn)、相似檢索、文章排重、自動摘要、重點信息抽取等功能。案例庫本著科學、實用的原則，對每個安全生產(chǎn)事件的特征都進行了全方位的剖析，既包括該事件的發(fā)展演變過程、網(wǎng)上民意演變過程圖表，也包括在事件過程的各個階段中網(wǎng)絡上各種不同觀點、看法的所占比重和典型觀點的摘編。可按照事故命名、發(fā)生時間、地點、程度級別、事故類型、傷亡人數(shù)、死亡人數(shù)等屬性特征進行分類，并可設定相關報道的媒體范圍。業(yè)務人員可通過安全生產(chǎn)案例庫瀏覽、查詢和下載案例報告，利用過往的應對經(jīng)驗，并結合當前實際情況，提高安全生產(chǎn)應對處置能力。安全生產(chǎn)案例庫是長期研究、分析互聯(lián)網(wǎng)及行業(yè)數(shù)據(jù)積累下來的寶貴資料，對安全生產(chǎn)的宣傳、調研、理論、培訓等有一定的參考和借鑒價值。

安全生產(chǎn)口徑庫:通過自然語言處理技術，可為安全生產(chǎn)口徑庫提供技術支撐，收集并分類細分歷年全國發(fā)生的安全生產(chǎn)事故，采集相關的媒體報道，實現(xiàn)提取涉事人名、地名和機構名稱的功能，同時可自動標識是否涉及國務院、安監(jiān)總局或各地安監(jiān)局，便于分析整理各級監(jiān)管機構、涉事企業(yè)及其他相關部門的處理意見、回應的時間節(jié)點、回應內容、處置方法等?？梢约皶r、全面、準確地掌握各種信息和網(wǎng)絡動向，從浩瀚的數(shù)據(jù)宇宙中發(fā)掘事件苗頭、歸納輿論觀點傾向、掌握公眾態(tài)度情緒，并結合歷史類似事件進行趨勢預測和應對建議。建立完善的地區(qū)、機構、行業(yè)、社情民意的分類體系，便于進行信息共享、分析處理、信息快速查找，逐步形成圍繞安全生產(chǎn)的口徑知識庫。通過安全生產(chǎn)口徑庫的建設，利于安全生產(chǎn)業(yè)務人員熟悉掌握政策、口徑、提升自身業(yè)務素質，也有利于加強新聞宣傳工作的組織規(guī)范性和整體協(xié)作效率，降低信息搜索成本，提高信息回應的針對性、準確性、一致性和及時性。

2.3 智能語義檢索:做到檢索查詢及時便捷

以自然語言理解技術為基礎的新一代搜索引擎，被稱為智能語義檢索。由于它將信息檢索從目前基于關鍵詞層面提高到基于知識（或概念）層面，對知識有一定的理解與處理能力，能夠實現(xiàn)分詞技術、同義詞技術、概念搜索、短語識別以及機器翻譯技術等，因而這種搜索引擎具有信息服務的智能化、人性化特征。這種允許網(wǎng)民采用自然語言進行信息檢索，將為他們提供更方便、更確切的搜索服務。

安全生產(chǎn)行業(yè)搜索利用智能語義檢索，能夠比通用搜索提供更多的行業(yè)相關查詢方式。行業(yè)搜索應提供豐富的查詢手段，包括自動分類、普通檢索、組合檢索、拼音檢索、相關短語檢索等。智能語義檢索更加人性化，功能也更強，能夠滿足行業(yè)的特殊需求。在搜索應用開發(fā)過程中，逐步選擇適合于行業(yè)應用的查詢方式。

2.3.1 拼音檢索

拼音檢索的主要功能是提供全拼檢索、簡拼檢索、同音檢索等技術，幫助用戶快速有效地檢索自己所需要的內容。

基于串頻統(tǒng)計和上下文的注音技術:在大量拼音語料基礎上，統(tǒng)計漢字串和拼音串的分布規(guī)律等大量有用信息，利用基于上下文的注音算法對多音漢字進行注音，保證了注音的準確性。

同音檢索技術:支持同音檢索、全拼檢索和簡拼檢索，在豐富的拼音語料庫基礎上，對漢字串的分布頻率進行了統(tǒng)計，整理出高頻漢字串和拼音串的對應表，在此基礎上，保證用戶輸入的拼音串對應的一定是最可能的漢字串。

拼音輸入校正技術:利用拼音詞典和相關算法實現(xiàn)輸入校正。

2.3.2 相關短語檢索

相關短語檢索的主要功能是，在檢索過程中，根據(jù)用戶輸入查詢，提供一組比較常用的相關查詢供用戶參考，向用戶提供高質量的“查詢建議”，方便用戶使用搜索系統(tǒng)。例如，輸入“知識”， 提示“知識管理”“知識在線”“知識經(jīng)濟”等。

3.實現(xiàn)短語檢索的關鍵

一是相關短語匹配技術。如何定義并計算短語的相關性是個很有挑戰(zhàn)性的問題。相關短語匹配技術采用了語義詞典和短語語法結構相結合的方法，計算短語之間的相關性，取得了滿意的效果。

二是相關短語詞典。相關短語詞典是相關短語檢索的基礎，來源主要有兩部分:一部分是人工整理的短語相關知識；另一部分是通過數(shù)據(jù)挖掘技術，從搜索引擎查詢日志中獲取的相關短語。這樣既保證了詞典的規(guī)模，又保證了詞典的質量。新華搜索前期的工作已經(jīng)形成了包含數(shù)十萬條詞條及其相關短語的短語詞典。

三是高頻查詢詞典。主要來源是在長期積累的檢索日志基礎上，整理并統(tǒng)計用戶在日常檢索中經(jīng)常使用的100多萬個查詢。如果用戶輸入的短語不包含在相關短語詞典中，則使用相關短語匹配技術從高頻查詢詞典中檢索相似短語。

四是人工整理和數(shù)據(jù)挖掘方法結合構造相關短語詞典。相關短語詞典的規(guī)模達到百萬級詞條和它們的相關短語，其來源主要有兩部分:一部分是人工整理的短語相關知識；另一部分是通過數(shù)據(jù)挖掘技術，從搜索引擎查詢日志中獲取的相關短語。這樣既保證了詞典的規(guī)模，又保證了詞典的質量。

如何定義并計算短語的相關性是個很有挑戰(zhàn)性的問題。 實驗證明了采用語義詞典和短語語法結構相結合的方法，計算短語之間的相關性，取得了滿意的效果。

3.1 檢索結果排序

行業(yè)搜索的檢索結果排序方法是研究的一個重點。通用搜索引擎采用以鏈接分析為主要手段的排序手段，行業(yè)搜索的檢索結果排序需要綜合考慮網(wǎng)頁內容的相關性（用戶查詢詞與網(wǎng)頁內容的相關度）、網(wǎng)頁自身的重要性（鏈接分析）以及時效性。

3.2 內容相關性:向量空間模型

傳統(tǒng)IR技術中判斷查詢條件與文檔的內容相關性，最為通用的方法是采用向量空間模型（VSM）進行計算。

安全生產(chǎn)智能語義檢索將綜合運用相關性排序、網(wǎng)頁權重、時間權重等多種排序因素，獲得較優(yōu)的排序結果，具體排序過程主要基于以下與相關度相關的因素進行。

3.3 內容相關度:基于傳統(tǒng)的IR排序算法

比如TF-IDF，VSM，計算查詢條件與網(wǎng)頁的內容相關度。在網(wǎng)頁內容方面，標題中的關鍵詞、黑體的關鍵詞以及標題中出現(xiàn)的關鍵詞、網(wǎng)頁外部鏈接的錨文本等，比網(wǎng)頁本身內容具有更高的權重。

文檔權重:主要基于鏈接分析方法（如PageRank）計算文檔的權重。

時間權重:按照網(wǎng)頁發(fā)布時間（如果獲取不到發(fā)布時間則取收錄時間）計算時間權重。

結果排序算法的主要流程是，系統(tǒng)依據(jù)內容相關性、文檔權重、時間權重，計算獲得排序結果。

以上大數(shù)據(jù)的基礎、技術和應用為大數(shù)據(jù)在安全生產(chǎn)中的應用提供了方向。安全生產(chǎn)基于大數(shù)據(jù)技術可以做到安全生產(chǎn)檢索查詢即時便捷、歸納分析系統(tǒng)科學。

通過對安全生產(chǎn)行業(yè)相關數(shù)據(jù)采集、自然語言處理、檢索，可以實現(xiàn)資源共享、內容創(chuàng)新、信息增值及優(yōu)質服務；通過大數(shù)據(jù)技術，逐步打造面向 “互聯(lián)網(wǎng)+”語境下的現(xiàn)代化信息系統(tǒng)，能夠充分貫徹《國務院辦公廳關于加強安全生產(chǎn)監(jiān)管執(zhí)法的通知》的精神。中國安全生產(chǎn)報社將大數(shù)據(jù)技術與安全生產(chǎn)業(yè)務相結合，為安全生產(chǎn)領域今后的進一步改革和發(fā)展打下堅實的技術基礎。