摘要 — 本研究探讨了主题建模技术潜在狄利克雷分配 (LDA)、非负矩阵分解 (NMF) 和概率潜在语义分析 (PLSA) 在 1908 年至 2009 年的 Socrata 数据集上的应用。根据运营商类型（军事、商业和私人）进行分类，分析确定了飞行员失误、机械故障、天气条件和培训缺陷等关键主题。该研究强调了每种方法的独特优势：LDA 能够发现重叠主题，NMF 能够产生独特且可解释的主题，PLSA 能够提供细致入微的概率见解，尽管解释很复杂。统计分析显示，PLSA 的连贯性得分为 0.32，困惑度值为 -4.6，NMF 得分为 0.34 和 37.1，而 LDA 的连贯性最高，为 0.36，但困惑度最高，为 38.2。这些发现证明了主题建模在从非结构化航空安全叙述中提取可操作见解方面的价值，有助于识别各个部门的风险因素和需要改进的领域。未来的方向包括整合其他上下文变量、利用神经主题模型和增强航空安全协议。这项研究为航空安全管理中的高级文本挖掘应用奠定了基础。