近日，我院向鹏成教授团队在国际权威期刊《Automation in Construction》发表题为Knowledge graph and mitigation measures recommendation for safety hazards in large-scale hydropower projects using diverse heterogeneous inspection data的学术论文。《Automation in Construction》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11.5，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，我院博士生杨应柳为第一作者，国家电网安徽金寨公司王典学为第三作者。研究得到了国家社科基金西部项目（24XGL009）的资助。

大型水电工程项目（Large-scale hydropower project, LHP）现场存在诸多施工安全隐患（Construction Safety Hazards, CSHs），当施工安全隐患的处理效率无法满足安全管理要求时，则可能引发事故。此外，目前施工安全隐患的缓解措施在很大程度上依赖人工经验，导致效率低下。为此，本文基于大量日常检查数据，提出了一种BERT-Att-BiLSTM-CRF模型，实现了对施工安全隐患实体的精准提取（F1值＞95%），并构建了一个包含九种实体类型和八种关系的多维知识图谱；基于SBERT模型的缓解措施推荐系统通过语义相似度分析展现出卓越性能（Pearson=0.92, Spearman=0.85）；对于新出现的施工安全隐患，基于安全管理标准的语义模型可推荐符合规范的解决方案。验证结果表明，该研究成果能够从非结构化文本中自动提取安全知识，为基础设施安全风险管理建立了一种可复制的范式。

原文链接：https://doi.org/10.1016/j.autcon.2025.106419