航空安全是民航永恒的话题,民航不文明旅客分类是航空安全的重要内容。世界各国逐渐建立起民航不文明旅客分类系统,目的是识别不文明旅客,对不同危险级别旅客实行相应的安全措施。民航不文明旅客分类过程中会运用到旅客个人信息、网上记录、公安违法记录、旅游记录、电信记录、银行记录、舆情记录等数据,这些数据我们统称为民航旅客记录。目前民航不文明旅客分类遇到的主要问题是民航旅客记录中文本数据的特征提取和分类。尤其是文本数据中的混杂文本,因为现有的自然语言处理方法主要是针对单语文本,处理混杂文本时存在很多问题。因此,研究混杂文本的特征提取方法来提高民航不文明旅客分类准确率的需求极其迫切。针对以上问题,本文首先提出一种基于深度学习模型的混杂文本特征提取和分类方法。该方法结合双语向量和双通道深度学习网络,采用卷积神经网络和注意力机制来提取中文的局部关键特征,采用双向长短时记忆网络和注意力机制来提取英文上下文相关的全局关键特征,最后将两个通道提取的文本特征进行组合。实验结果表明,该方法有效解决了混杂文本特征提取困难的问题。在此基础上,进一步研究了民航旅客记录中文本数据的提取方法,提出了一种基于组合特征的民航不文明旅客分类模型。该模型为三通道的深度学习网络,采用双通道深度学习网络提取民航旅客记录中的文本数据特征,增加一个通道提取类别数值数据特征,最后将三个通道提取到的特征组合后分类。经过实验验证,该模型的民航不文明旅客识别率达到90.9%,民航不文明旅客分级准确率达到92.8%,有效提高了民航不文明旅客的分类精度。