基于文本挖掘的建筑施工坍塌事故致因研究

田水承 王雪晨 范彬彬

摘 要：為明確建筑施工坍塌事故致因及其關(guān)系，有效預(yù)防事故和減少傷害，選取2014—2020年間國內(nèi)420例建筑施工坍塌事故調(diào)查報告，基于R語言文本挖掘的方法，對所選事故調(diào)查報告進(jìn)行數(shù)據(jù)清洗、分詞、特征選擇后，利用WordCloud 2程序包對結(jié)果進(jìn)行可視化展示。運(yùn)用社會網(wǎng)絡(luò)分析軟件Ucinet對建筑施工坍塌事故致因網(wǎng)絡(luò)進(jìn)行中心性、核心-邊緣結(jié)構(gòu)及凝聚子群分析。結(jié)果表明，TF-IDF算法所得28項事故致因中，11項位于致因網(wǎng)絡(luò)的核心區(qū)域，其中安全意識淡薄、管理混亂、資質(zhì)不達(dá)標(biāo)、隱患整改不力、監(jiān)督檢查不到位、違章操作等8項致因同樣處于

詞云突出位置，且各致因間聯(lián)系緊密，應(yīng)對其高度重視和管控，從而減少建筑施工坍塌事故的發(fā)生。關(guān)鍵詞：建筑事故；坍塌致因；文本挖掘；R語言；社會網(wǎng)絡(luò)分析中圖分類號：X 947

文獻(xiàn)標(biāo)志碼：A

文章編號：1672-9315（2022）05-0849-07

DOI：10.13800/j.cnki.xakjdxxb.2022.0502開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Research on causes of collapse accidents in building construction based on text mining

TIAN Shuicheng^1，2，WANG Xuechen^1，2，F(xiàn)AN Binbin^1，2

（1.College of Safety Science and Engineering，Xian University of Science and Technology，Xian 710054，China；2.Institute of Safety & Emergency Management，Xian University of Science and Technology，Xian 710054，China）

Abstract：In order to clarify the causes of building construction collapse accidents and the relationship between them，and effectively prevent accidents and reduce injuries，the data of 420 domestic building construction collapse accident investigation reports from 2014 to 2020 is taken as the mining language materials.Based on the method of text mining of R language，data cleaning，word segment，and character selection of the accident investigation reports are conducted，and the results are visualized using the WordCloud 2 package.The social network analysis software Ucinet is used to analyze the centrality，core-periphery structure，and cohesive subgroups of the network caused by building collapse accidents.The results show that among the 28 accident causes obtained by the TF-IDF algorithm，11 causes are located in the core area of the cause network，including poor security awareness，chaotic management，substandard qualifications，ineffective rectification of hidden dangers，inadequate supervision and inspection，illegal operations and other 8 ones which are also prominent in the word cloud.And the causes are closely related，which should be highly valueed and controled to reduce the occurrence of building construction collapse accidents.

Key words：construction accident；causes of collapse；text mining；R language；social network analysis

0 引 言隨著中國社會的快速發(fā)展，建筑業(yè)已逐漸成為國民經(jīng)濟(jì)的重要支柱產(chǎn)業(yè)之一，但在生產(chǎn)過程中重特大事故仍時有發(fā)生。據(jù)統(tǒng)計，2012—2018年間，中國共發(fā)生房屋市政工程生產(chǎn)安全事故4 100起，死亡5 011人，其中坍塌事故占11.46%，死亡人數(shù)占比高達(dá)18.86%^[1]，這表明建筑施工安全生產(chǎn)形勢依然嚴(yán)峻，因此探究建筑施工坍塌事故關(guān)鍵致因及其關(guān)系，對提高施工安全管理水平、有效預(yù)防事故發(fā)生具有重要的現(xiàn)實意義。近年來，國內(nèi)外學(xué)者從多種角度對建筑施工坍塌事故致因進(jìn)行了研究。ZHANG等通過構(gòu)建施工事故原因系統(tǒng)（CACS）模型和灰色關(guān)系分析方法（GRA）識別事故關(guān)鍵致因，將組織管理混亂等8個因素視為安全管理改進(jìn)和事故預(yù)防的重點^[2]。SOLIMA，BLAZIK等對比坍塌事故發(fā)生前、中、后3個時期的場地條件探究坍塌事故致因

^[3-4]。MATHEBULA研究發(fā)現(xiàn)質(zhì)量問題、設(shè)計缺陷、缺少安全檢查是宗教建筑坍塌的重要致因^[5]。李華、牛豐等運(yùn)用STAMP模型對具體事故進(jìn)行實證分析，以控制層面為切入點識別出導(dǎo)致事故發(fā)生的致因因素，并構(gòu)建了層次結(jié)構(gòu)模型^[6-7]。田水承、KYUNGSU等分別采用扎根理論、隨機(jī)森林等方法對建筑坍塌險兆事件致因進(jìn)行分析，得出建筑坍塌事件險兆事件受人和物兩方面因素的影響^[8-9]。李卉、孫世梅等利用“2

-4”模型對100起建筑施工坍塌事故致因進(jìn)行統(tǒng)計和分類，運(yùn)用卡方檢驗和讓步比（OR）確定致因間關(guān)聯(lián)性大小及關(guān)鍵路徑，認(rèn)為管理人員安全習(xí)慣不佳、安全知識欠缺是導(dǎo)致事故發(fā)生的重要原因^[10-11]。陳新亮以HFACS理論為基礎(chǔ)，采用SVM-RFE算法篩選出對坍塌事故嚴(yán)重程度影響最大的因素^[12]。KIM，TERESA運(yùn)用層次分析法對坍塌事故的致因進(jìn)行量化分析，得出施工過程中風(fēng)險因素評估不到位、監(jiān)督檢查疏忽引起的操作失誤是導(dǎo)致事故的關(guān)鍵因素^[13-14]。上述研究成果大多利用統(tǒng)計法、專家訪談法和問卷調(diào)查法，從不同角度對建筑施工坍塌事故致因進(jìn)行了分析，但其中致因識別環(huán)節(jié)工作量大且易受主觀因素的影響，致使研究結(jié)果具有一定局限性，采用機(jī)器學(xué)習(xí)的方法從數(shù)據(jù)量大、內(nèi)容復(fù)雜的建筑施工坍塌事故調(diào)查報告中挖掘出建筑施工坍塌事故致因，最大限度地發(fā)揮歷史數(shù)據(jù)的應(yīng)用價值成為當(dāng)前的迫切需求^[15]。利用文本挖掘從非結(jié)構(gòu)化文本數(shù)據(jù)中獲取相關(guān)有用信息是一種非常成熟的技術(shù)手段，在煤礦、隧道施工、交通等領(lǐng)域的事故預(yù)測和原因分析中得到了廣泛應(yīng)用^[16-18]?？v觀已有文獻(xiàn)，文本挖掘在建筑施工坍塌事故致因方面的研究甚少。文中擬采用文本挖掘與社會網(wǎng)絡(luò)分析相結(jié)合的方法，從文本數(shù)據(jù)中自動識別出建筑施工坍塌事故的共性致因，構(gòu)建建筑施工坍塌事故致因網(wǎng)絡(luò)，并進(jìn)行中心性、核心-邊緣結(jié)構(gòu)及凝聚子群分析，深入探究各致因間相互關(guān)系，為預(yù)防建筑施工坍塌事故的發(fā)生提供理論指導(dǎo)。

1 文本挖掘文本挖掘（Text Mining）^[19]是指利用機(jī)器學(xué)習(xí)、歸納推理等方法，從大量非結(jié)構(gòu)化文本集，抽取或標(biāo)記文本集中詞與詞語間的關(guān)系，進(jìn)而實現(xiàn)主題追蹤、結(jié)構(gòu)分析、信息可視化等功能的計算機(jī)處理技術(shù)，文本挖掘的主要處理過程如圖1所示。

1.1 文本挖掘的工具選取為滿足海量數(shù)據(jù)處理的需求，眾多統(tǒng)計分析軟件被廣泛應(yīng)用^[20]。R語言（R Language）作為免費(fèi)

的開源編程類軟件，功能涵蓋數(shù)據(jù)清洗、數(shù)據(jù)分

析、挖掘建模及可視化等全過程，且各種統(tǒng)計學(xué)前沿理論方法的應(yīng)用程序均以程序包的形式在R語言中得以實現(xiàn)，用戶可針對具體需求選擇相應(yīng)的程序分析包，實現(xiàn)任何數(shù)據(jù)相關(guān)的操作。鑒于R語言開源性、全面性等特點，文中將選用R語言及其相關(guān)程序包對建筑施工坍塌事故報告進(jìn)行文本挖掘。

1.2 文本語料庫的選取事故調(diào)查報告是事故統(tǒng)計與分析的重要數(shù)據(jù)來源，對事故發(fā)生的單位情況、發(fā)生經(jīng)過、救援情況等有全面的敘述。從中國應(yīng)急管理部、住房和城鄉(xiāng)建設(shè)部等網(wǎng)站共收集2014—2020年建筑施工坍塌事故調(diào)查報告420份，涉及34個省級行政區(qū)，將此作為文本挖掘的語料。為減少文本挖掘的無效工作時間，本次語料庫只保留事故調(diào)查報告中“事故原因”和“發(fā)生經(jīng)過”的內(nèi)容，并按條列編號，將其保存為“.csv”格式。

2 基于文本挖掘的建筑坍塌致因分析

2.1 事故致因挖掘分詞是將連續(xù)的語句按照一定規(guī)則轉(zhuǎn)換為詞序列的過程。將420份建筑施工坍塌事故調(diào)查報告導(dǎo)入R，通過Jieba R和Jieba RD程序包對其進(jìn)行分詞處理。為使分詞結(jié)果的效果達(dá)到預(yù)期目的，在分詞前需自定義停用詞詞典、專業(yè)詞語詞典。將哈工大停用詞表導(dǎo)入stop_words.txt中，避免虛詞對文本的識別誤差；將搜狗輸入法中建筑工程、安全工程等相關(guān)細(xì)胞詞庫轉(zhuǎn)換為.txt格式，導(dǎo)入user.dict.txt中，旨在消除類似含義但是不同表述詞語的干擾，如將“安全知識不足”、“缺少安全知識”、“安全知識欠缺”等表述歸并處理。因語料庫選取對象為事故調(diào)查報告，所以無法避免出現(xiàn)“事故”、“原因”等詞語，故需反復(fù)更新停用詞表，對無關(guān)詞語進(jìn)行適當(dāng)刪除。分詞共得到1322項原始特征值，部分詞頻如圖2所示。分詞后特征項較多，會對后續(xù)分析造成嚴(yán)重干擾，因此對分詞結(jié)果進(jìn)一步篩選。

TF-IDF是一種用于信息檢索和文本挖掘的加權(quán)算法，用以評估字詞在某一文本或語料庫的重要程度^[22]。字詞在語料庫中出現(xiàn)的次數(shù)越多，表示該字詞的區(qū)分度越差，重要程度越低。TF-IDF所提取的關(guān)鍵詞在文檔中具有強(qiáng)代表性，可有效區(qū)別于其他語料庫。所以采用TF-IDF算法對特征項進(jìn)一步評估，計算公式如下

式中TF_ij為詞頻；n_ij為詞條在事故調(diào)查報告D_i的詞頻；∑kn_kj為事故調(diào)查報告|D|中所有詞條出現(xiàn)的次數(shù)之和；IDF_i為逆向文本頻率；|{j∶t_i∈d_j}|為包含該詞條語句的調(diào)查報告的數(shù)量總和；TF-IDF_ij為詞條對應(yīng)特征值權(quán)重。利用公式計算各特征值的TF-IDF值，將其作為特征項權(quán)重，并轉(zhuǎn)換為向量空間模型。由于特征項較多，選取具有代表性且權(quán)重值排序前40項特征值，手動刪除“施工”、“安全管理”等無關(guān)項后，共保留28項特征值，并對其進(jìn)行編碼，編碼結(jié)果見表1，F(xiàn)_i表示建筑施工坍塌事故的第i項事故致因。手動篩選泉州欣佳酒店“3·7”、豐城電廠“11·24”等坍塌事故致因，與表1進(jìn)行比較發(fā)現(xiàn)，文本挖掘所得事故致因涵蓋手動篩選結(jié)果，且能將事故致因具體化，說明文本挖掘分析建筑施工坍塌事故致因符合建筑施工安全管理實際。

2.2 致因詞云圖繪制為更直觀地展示所挖掘的事故致因重要度程度，本研究將29個特征項及相應(yīng)TF-IDF值轉(zhuǎn)換data.frame格式，運(yùn)用WordCloud2程序包進(jìn)行可視化，如圖3所示。

圖3中詞語字體大小代表該詞語的重要程度，安全意識淡薄、安全培訓(xùn)不到位、隱患整改不力、資質(zhì)不達(dá)標(biāo)占比較大，在建筑施工風(fēng)險防控中應(yīng)給予高度重視。

3 基于Ucinet的致因網(wǎng)絡(luò)分析為探究建筑施工坍塌事故致因間的作用關(guān)系，采用Ucinet對其進(jìn)行網(wǎng)絡(luò)分析。通過Dichotomize函數(shù)得到密度為0.871，標(biāo)準(zhǔn)差為0.267的二值化矩陣。

3.1 共現(xiàn)網(wǎng)絡(luò)構(gòu)建及可視化分析事故的發(fā)生是多因素耦合的結(jié)果，同樣，建筑施工坍塌事故的發(fā)生并不是由某一因素單獨(dú)導(dǎo)致^[23]。為明確建筑施工坍塌事故各致因間的共現(xiàn)關(guān)系、繪制可視化圖譜，運(yùn)用共現(xiàn)分析的方法統(tǒng)計某一組詞語在同一文本中出現(xiàn)的次數(shù)，統(tǒng)計結(jié)果見表2。

運(yùn)用Ucinet-NetDraw模塊繪制建筑施工坍塌事故致因網(wǎng)絡(luò)關(guān)系圖，如圖4所示。節(jié)點間連線表示事故致因間的分布關(guān)系，線條粗細(xì)表示兩者之間關(guān)系的緊密程度。安全意識淡薄、違章操作、安全培訓(xùn)不到位，安全重視程度不夠與其他致因項共現(xiàn)頻率高，在致因網(wǎng)絡(luò)中起關(guān)鍵作用。

3.2 網(wǎng)絡(luò)中心性分析中心性表明一個節(jié)點占據(jù)網(wǎng)絡(luò)中心的程度，度中心度是網(wǎng)絡(luò)分析中常用的度量指標(biāo)，反映某一節(jié)點與其他節(jié)點之間的連接情況，一個節(jié)點的度中心度越大表示該節(jié)點在網(wǎng)絡(luò)中越重要^[24]。通過Ucinet軟件對建筑施工坍塌事故致因網(wǎng)絡(luò)進(jìn)行中心性分析，網(wǎng)絡(luò)總體整合度數(shù)據(jù)見表3。節(jié)點中心度分析結(jié)果與詞云顯示結(jié)果基本相符。

安全意識淡薄、違章操作、安全培訓(xùn)不到位的度數(shù)中心度占比均在0.05以上，位于建筑施工坍塌事故致因網(wǎng)絡(luò)核心區(qū)域，與其他事故致因具有復(fù)雜的因果關(guān)系，同時也處于詞云的關(guān)鍵節(jié)點，在建筑施工坍塌事故預(yù)防與防控中應(yīng)給予高度重視。根據(jù)海因里希理論，以上3項致因存在時極有可能誘發(fā)其他因素，導(dǎo)致人的不安全行為、物的不安全狀態(tài)的發(fā)生，進(jìn)而釀成事故。如違章操作往往是由于施工人員安全意識淡薄、企業(yè)安全培訓(xùn)不到位等多原因所致，而這些因素又會導(dǎo)致下一致因的出現(xiàn)，形成多米諾效應(yīng)，進(jìn)而造成事故。

3.3 核心邊緣結(jié)構(gòu)分析由事故因果致因理論可知，事故是由人、機(jī)、環(huán)境、管理之間相互作用所導(dǎo)致。因此在分析建筑施工坍塌事故致因時，考慮核心因素的同時也要考慮核心因素與邊緣因素之間的聯(lián)系。核心-邊緣結(jié)構(gòu)能夠精確地區(qū)分社會網(wǎng)絡(luò)中的高密度核心區(qū)域與低密度邊緣區(qū)域，建筑施工坍塌事故核心-邊緣分析結(jié)果見表4。核心區(qū)域平均密度為27.409，邊緣區(qū)域平均密度僅為7.680，表明核心致因因素間關(guān)系緊密，在網(wǎng)絡(luò)中起到控制作用。在事故預(yù)防中應(yīng)重視安全意識淡薄、管理混亂、資質(zhì)不達(dá)標(biāo)、荷載分布不均等11項核心致因項，制定具有針對性的管控措施，從而預(yù)防建筑施工坍塌事故的發(fā)生。

3.4 凝聚子群分析采用Ucinet-Concor模塊解釋建筑施工坍塌事故致因網(wǎng)絡(luò)存在的聚集關(guān)系，進(jìn)而挖掘凝聚子群如圖5所示。各子群內(nèi)部因素在形成或致災(zāi)等方面聯(lián)系緊密，各因素相互影響和作用，相關(guān)性較強(qiáng)。安全意識淡薄、資質(zhì)不達(dá)標(biāo)、未佩戴個人防護(hù)用品、安全知識欠缺等8個因素與人的職業(yè)素質(zhì)、狀態(tài)相關(guān)，如施工人員安全意識淡薄常表現(xiàn)為安全知識欠缺，作業(yè)中易出現(xiàn)擅自施工、冒險作業(yè)和違章操作等現(xiàn)象，致使工人不安全行為的發(fā)生概率增加，進(jìn)而增大事故發(fā)生的可能性；管理混亂、安全生產(chǎn)制度不健全、隱患整改不力等8個因素與企業(yè)及管理層的決策情況相關(guān)，質(zhì)量不過關(guān)、荷載分布不均等7個因素與施工過程方案及建筑物情況相關(guān)，氣候異常、設(shè)備陳舊等5個因素與施工環(huán)境相關(guān)。減少建筑施工坍塌事故的發(fā)生既需減少子群內(nèi)部的聯(lián)系，也要避免各子群之間的相互作用。

4 結(jié) 論

1）采用TF-IDF算法明確建筑施工坍塌事故的28項致因，詞云可視化結(jié)果表明，安全意識淡薄、監(jiān)督檢查不到位、資質(zhì)不達(dá)標(biāo)、隱患更改不力等致因占比較大，在施工管理中需重點防控。

2）通過對建筑施工坍塌事故致因網(wǎng)絡(luò)進(jìn)行中心性分析、核心邊緣結(jié)構(gòu)及凝聚子群分析，明確監(jiān)督檢查不到位、安全知識欠缺、違章操作等11項核心致因，17項邊緣致因，且核心事故致因間關(guān)系緊密。

3）安全意識淡薄、管理混亂、資質(zhì)不達(dá)標(biāo)、隱患整改不力、監(jiān)督檢查不到位、違章操作、安全責(zé)任落實不到位、安全培訓(xùn)不到位8項致因項處于詞云突出位置與社會網(wǎng)絡(luò)核心區(qū)域，極易在施工過程中引發(fā)人的不安全行為和物的不安全狀態(tài)，最終導(dǎo)致建筑施工坍塌事故的發(fā)生。

參考文獻(xiàn)（References）：

[1]張鴻輝，李潤求.2012—2018年建筑施工事故統(tǒng)計分析及對策[J].科技創(chuàng)新與應(yīng)用，2020，31：135-137，139.ZHANG Honghui，LI Runqiu.Statistical analysis and countermeasures of construction accidents from 2012 to 2018[J].Technology Innovation and Application，2020，31：135-137，139.

[2]ZHANG W，ZHU S N，ZHANG X，et al.Identification of critical causes of construction accidents in China using a model based on system thinking and case analysis[J].Safety Science，2020，121：606-618.

[3]SOLIMAN K.Building collapse during construction[J].Practice Periodical on Structural Design and Construction，2010，15（2）：99-100.

[4]BLAZIK B，SZER J.The analysis of the stages of scaffolding “l(fā)ife” with regard to the decrease in the hazard at building works[J].Archives of Civil and Mechanical Engineering，2015，15（2）：516-524.

[5]MATHEBULA A M，SMALLWOOD J J.Religious building collapses：The heavy price of short cuts in places of worship and pilgrimage site construction[J].Procedia Engineering，2017，196：919-929.

[6]李華，金萌，鐘興潤.基于STAMP模型的建筑事故致因因素定量分析方法研究[J].中國安全生產(chǎn)科學(xué)技術(shù)，2020，16（4）：169-175.LI Hua，JIN Meng，ZHONG Xingrun.Research on quantitative analysis method for causal factors of construction accidents based on STAMP model[J].Journal of Safety Science and Technology，2020，16（4）：169-175.

[7]牛豐，王昱，周誠.基于STAMP模型的地鐵施工安全事故致因分析[J].土木工程與管理學(xué)報，2016，33（1）：73-78.NIU Feng，WANG Yu，ZHOU Cheng.Analysis of safety accidents caused by subway construction based on STAMP model[J].Journal of Civil Engineering and Management，2016，33（1）：73-78.[8]田水承，范彬彬，楊鵬飛，等.基于扎根理論的建筑坍塌險兆事件的影響因素[J].西安科技大學(xué)學(xué)報，2021，41（1）：23-28.TIAN Shuicheng，F(xiàn)AN Binbin，YANG Pengfei，et al.Influencing factors of near-misses in building collapse based on the grounded theory[J].Journal of Xian University of Science and Technology，2021，41（1）：23-28.

[9]KYUNGSU K，HANGUK R.Predicting types of occupational accidents at construction sites in Korea using random forest model[J].Safety Science，2019，120：226-236.

[10]李卉，張云波，祁神軍.建筑施工坍塌事故致因分析及對策[J].建筑經(jīng)濟(jì)，2018，39（8）：53-57.LI Hui，ZHANG Yunbo，QI Shenjun.Cause analysis and countermeasure of building construction collapse accident[J].Construction Economy，2018，39（8）：53-57.

[11]孫世梅，景然，唐彩萍，等.建筑施工坍塌事故不安全動作原因分析[J].吉林建筑大學(xué)學(xué)報，2021，38（2）：53-59.SUN Shimei，JING Ran，TANG Caiping，et al.Analysis on the cause of unsafe actions in building construction collapse accident[J].Journal of Jilin Jianzhu University，2021，38（2）：53-59.

[12]陳新亮.基于FA和GA-SVM的建筑施工坍塌事故嚴(yán)重程度分析預(yù)測[D].長沙：長沙理工大學(xué)，2020.CHEN Xinliang.Analysis and prediction of the severity of collapse accidents in building construction based on FA and GA-SVM[D].Changsha：Changsha University of Science & Technology，2020.

[13]KIM G H.Collapse accident factors of Pangyo vents by analyzing AHP[J].Journal of the Korean Society of Hazard Mitigation，2015，15（6）：1-8.

[14]TERESA L，DAVID E，MARTIN B，et al.Risk management in the Lusoponte concession：a case study of the two bridges in Lisbon，Portugal[J].International Journal of Project Management，2004，22（1）：63-73.

[15]黑永健.基于文本挖掘的地鐵施工隱患分析及可視化研究[D].武漢：華中科技大學(xué)，2019.HEI Yongjian.Research on analysis and visualization of subway construction safety hazards based on text mining[D].Wuhan：Huazhong University of Science and Technology，2019.

[16]李解，王建平，許娜，等.基于文本挖掘的地鐵施工安全風(fēng)險事故致險因素分析[J].隧道建設(shè)，2017，37（2）：160-166.LI Jie，WANG Jianping，XU Na，et al.Analysis of safety risk factors for metro construction based on text mining method[J].Tunnel Construction，2017，37（2）：160-166.

[17]譚章祿，陳孝慈.基于文本挖掘的煤礦安全隱患管理研究[J].中國安全生產(chǎn)科學(xué)技術(shù)，2020，16（2）：43-48.TAN Zhanglu，CHEN Xiaoci.Research on management of hidden danger in coal mine based on text mining[J].Journal of Safety Science and Technology，2020，16（2）：43-48.

[18]韓天園，田順，呂凱光，等.基于文本挖掘的重特大交通事故成因網(wǎng)絡(luò)分析[J].中國安全科學(xué)學(xué)報，2021，31（9）：150-156.HAN Tianyuan，TIAN Shun，LYU Kaiguang，et al.Network analysis on causes for serious traffic accidents based on text mining[J].China Safety Science Journal，2021，31（9）：150-156.

[19]陳曉云.文本挖掘若干關(guān)鍵技術(shù)研究[D].上海：復(fù)旦大學(xué)，2005.CHEN Xiaoyun.The key techniques research on text mining[D].Shanghai：Fudan University，2005.[20]袁軍鵬，朱東華，李毅，等.文本挖掘技術(shù)研究進(jìn)展[J].計算機(jī)應(yīng)用研究，2006（2）：1-4.YUAN Junpeng，ZHU Donghua，LI Yi，et al.Survey of text mining technology[J].Application Research of Computers，2006（2）：1-4.

[21]楊霞，吳東偉.R語言在大數(shù)據(jù)處理中的應(yīng)用[J].科技資訊，2013（23）：19-20.YANG Xia，WU Dongwei.Application of R language in big data processing[J].Science & Technology Information，2013（23）：19-20.

[22]施聰鶯，徐朝軍，楊曉江.TF-IDF算法研究綜述[J].計算機(jī)應(yīng)用，2009，29（S1）：167-170，180.SHI Congying，XU Chaojun，YANG Xiaojiang.Study of TF-IDF algorithm[J].Journal of Computer Applications，2009，29（S1）：167-170，180.

[23]牛聚粉.事故致因理論綜述[J].工業(yè)安全與環(huán)保，2012，38（9）：45-48.NIU Jufen.Discussion on accident-causing theory[J].Industrial Safety and Environmental Protection，2012，38（9）：45-48.

[24]朱慶華，李亮.社會網(wǎng)絡(luò)分析法及其在情報學(xué)中的應(yīng)用[J].情報理論與實踐，2008（2）：179-183，174.ZHU Qinghua，LI Liang.Social network analysis method & its application in information science[J].Information Studies：Theory & Application，2008（2）：179-183，174.