代码包括两部分： 第一部分：控制台程序，实现了包括从下载网页到构建vsm的knn分类的整个预处理过程。设计到下载网页、提取网页文本、将文本分词（用到计算所分词系统）、构建词典及vsm。 第二部分：knn分类器。

针对危害性大、易造成群死群伤的瓦斯事故,运用大数据理念和方法,搜集海量事故相关资料,并通过构建VSM向量空间模型,实现事故相关资料的信息化、数据化。在通用词典和专业词典基础上,运用TFIDF算法,经过词频统计、特征过滤、特征合并,形成事故特征词典。在事故特征词典基础上,进一步运用语料库进行特征词典过滤,并最终通过Delphi法实现煤矿瓦斯事故关键要素识别。

电力调度系统在电力系统故障过程中会收到大量告警信号，若调度员无法在短时间内做出决策，则可能使故障扩大，为此提出基于告警信号文本挖掘的电力调度故障诊断方法，该方法包括告警信号文本预处理和故障诊断2个阶段。在第一阶段，基于隐马尔可夫模型(HMM)对告警信号文本进行分词并去除其中的停用词以构建本体词典，并采用向量空间模型(VSM)使文本向量化；在第二阶段，使用滑动时间窗读取实时告警信号，提出一种2层算法，第一层采用支持向量机(SVM)对滑窗内的告警信号进行分类，若分类结果判断为发生故障，则启动第二层k