基于NLP的工程伦理教育研究文献挖掘与分析

工程伦理教育是高等工程教育改革的重要一环。在"新工科"建设背景下，学界又掀起了工程伦理教育研究的热潮。基于自然语言处理技术（NLP），借助计量可视化工具，针对中国知网（CNKI）收录的212篇研究性文献，从文献关键词时间分布图、词频表、词云图、LDA主题聚类表等角度出发，开展机器学习环境下的工程伦理教育研究文献挖掘与分析，分析中国工程伦理教育的研究现状、理论基础和研究热点，指出目前工程伦理教育存在的问题，并从高校角度提出一些改进建议，为促进工程伦理教育提供了有效参考。     

基于本体的建筑工程质量隐患信息知识建模

在传统的项目管理模式中,工程人员都是通过核对监理单位提供的质量隐患整改单中的质量问题信息和建筑工程施工质量验收规范,来确定项目工程施工质量是否达标。为了提高工程信息审查效率,本文提出了一种基于本体的建筑工程质量隐患整改单信息审查知识模型。研究过程主要分为四步：第一,分析建筑工程施工质量验收规范中的词义元素和语义表达;第二,分析质量隐患整改单中的质量问题信息并建立知识模板和语义信息图;第三,参考已有的建筑工程质量验收规范知识模型,建立QII-QHDRFOntology知识模型;第四,完成建模后,将该模型应用于实际案例以验证其可行性和有效性。验证结果表明,本文建立的QII-QHDRFOntology知识模型能够成功审查实际工程质量隐患整改单中的质量问题信息。     

工程建造人才的工程社会意识培养路径探索

新时代工程建造高质量发展对工程教育提出了新要求。工程建造人才的培养目标需要基于高等教育的工程范式,从注重工程科学与技术知识的讲授,拓展到包括工程社会意识和社会思维的全方面素质培养。文章分析了工程社会意识的内涵及构成,指出工程社会意识的培养需要引导学生关注工程多维度的社会属性。在此基础上,以工程管理专业为例对工程建造人才的社会意识培养路径进行了探讨。     

基于LDA的地铁施工安全隐患排查要点挖掘与可视化研究

随着地铁的快速建设和隐患排查系统的建立,系统中积累了大量隐患排查记录,但是隐患排查记录信息冗杂,相关工作严重依赖导则与专家经验,需要投入大量人力成本。为提高隐患排查工作效率和安全管理决策,同时促进排查工作实现全程自动化,本文提出了一种基于文本挖掘与可视化技术的自动化分析隐患排查文本框架,该框架主要包括以下四个步骤：第一,基于Term Frequency-Inverse Document Frequency(TF-IDF)算法,对隐患描述下的关键词有一个整体的概括;第二,基于TF-IDF筛出特征值较高的关键词,借助吉布斯抽样的Latent Dirichlet Allocation(LDA)模型识别出大规模隐患描述语料库中潜藏的主题信息和隐患排查要点;第三,结合时间维度,通过Word Cloud(WC)技术对隐患描述进行可视化分析,绘制隐患词云演化图;第四,借助Word Co-occurrence Network(WCN)模型,挖掘隐患共现关系。该框架在分析武汉地铁2016-2018年施工安全隐患排查记录中得到了应用和验证。实验结果表明,该框架有效挖掘出34类隐患所对应的隐患排查要点和可视化信息。