通常煤矿管理人员通过提取安全隐患信息关键语义，制定隐患事故解决措施，但是煤矿安全隐患信息较多，提取信息关键语义结构较为复杂，导致提取准确度较低、对应消耗时间较长，为此研究出一种基于信息熵和优化融合语法的关键语义智能提取方法。该方法建立在卷积神经网络架构上，根据煤矿安全隐患信息关键词剔除离散随机变量，计算任意两个变量间的信息熵和概率分布函数，填补信息中不确定因素，构建连续词袋模型，结合安全生产信息上下文单元语义信息，分配当前单元对应语义字符，分析词性及语义语法问题，在核心数据结构下添加并优化标记，基于网络匹配矩阵建立煤矿安全隐患关键词和近义词数据库，通过卷积核提取安全隐患信息特征，实现语义自抽样。经实验数据分析证明，所提方法能够有效提取出安全隐患信息中的关键语义，准确度较高、耗时较短，具有较好的效果，可行性优势显著。

1 面向信息熵的安全隐患关键词
2 优化融合语义语法信息
3 构建卷积神经网络的关键语义提取模型
4 仿真实验
5 结 语

彭德军,曹树斌,马平,赵俊达.煤矿安全隐患信息关键语义智能提取方法研究[J].煤炭工程,2022,54(S1):224-229.