近日，我院向鹏成教授团队在国际权威期刊《Engineering Applications of Artificial Intelligence》上，发表题为A knowledge graph for the vulnerability of construction safety system in megaprojects based on accident inversion的学术论文。《Engineering Applications of Artificial Intelligence》（EAAI）是全球计算机与工程研究领域的顶尖期刊，由国际知名出版机构Elsevier发行，长期引领计算机、人工智能、工程应用等多学科交叉的前沿研究。该期刊系SCI检索期刊，JCR一区、中科院一区TOP期刊，影响因子为7.5，在全球同类期刊中名列前茅。

本研究由向鹏成教授担任第二作者及通讯作者，博士生杨应柳为第一作者。研究得到了重庆市社会科学规划重大项目（2023ZDSC12）和国家社科基金西部项目（24XGL009）联合资助。

重大工程项目施工安全系统（CSSMs）脆弱性日益增加，对其安全管理和控制带来重大挑战。为了解决这一障碍，本研究基于客观数据集，使用BER-Topic模型，基于文本挖掘对事故进行反演，挖掘CSSMs脆弱性相关的主题和主题词；结合文献分析，考虑CSSMs的暴露性、敏感性和适应性建立脆弱性指标体系；提出了一种改进的AR-DEMATEL方法，融合G1法和博弈论以降低对脆弱性指标权重的主观性；构建拓扑网络探索CSSM的脆弱性特征，并构建CSSMs脆弱性知识图谱；考虑脆弱性指标的发生概率和实际损失，提出了一种CSSMs脆弱性评估模型。研究结果如下：1）基于 BER-Topic模型，挖掘了32个与CSSMs脆弱性相关的主题和主题词。2） 构建42个CSSM脆弱性指标，包括暴露性（19）、敏感性（14）和适应性（9）三个维度，涉及人、机器、环境和管理四个方面。3）CSSMs脆弱性管控的关键点是地质修复计划执行不准确、连接部件生锈、作业人员无证上岗等，具有很强的中介作用。

原文链接：https://doi.org/10.1016/j.engappai.2025.110630