随着国内国际形势的深刻变化与世界贸易的不断发展,水上运输在现代化综合运输网络中发挥着越来越重要的作用,但同时也增加了事故高发的可能性。船舶航行事故会给人民的生命安全、财产利益以及环境生态带来严重的后果。为防止事故的发生或最大限度地减少其影响,需尽可能准确完整地找出事故致因要素,并做出相应的安全预防对策。因此分析船舶航行事故致因是提高船舶航行安全的重要手段。船舶航行事故是由人为因素、设备因素、管理因素、环境因素、应急反应因素多种因素通过非线性耦合作用下导致的。船舶航行事故研究的历史尽管很长,但基本停留在事故的数据统计分析以及事故致因模型构建分析上,缺乏基于大样本对事故进行系统性的分析,且缺少知识驱动的视角挖掘事故演变逻辑的研究。因此,本文通过收集大样本的船舶航行事故调查报告,通过扎根理论和深度学习方法构建知识驱动视角的事理图谱,以挖掘航行事故的事件传导路径并展开分析。首先,本文在总结与借鉴前人研究工作的基础上,结合所收集、筛选的732篇船舶航行事故调查报告,采用扎根理论这一质性研究方法,对中华人民共和国海事局官方船舶航行事故调查报告进行探索性研究,通过开放式编码、主轴式编码、选择式编码构建航行事故的致因本体,同时根据船舶航行事故的特点,复用通用领域本体模型中的概念进行航行事故领域本体构建;其次,结合构建的本体,在给定事件类型以及事件关系定义的基础上对船舶航行事故调查报告进行文档级信息提取,分别采用基于Bi LSTM-CRF与PCNN的神经网络算法抽取方式对事件及事件之间的关系进行抽取,获取导致事故的关键事件以及这些事件之间的关联;最后,对船舶航行事件因果关系对进行提取,通过计算语义相似度对航行事故事件进行泛化,将语义相似事件进行统一表述,根据事件泛化的结果形成事件传导路径。通过Page Rank算法计算事件重要性得分,对不同类型事故的传导路径展开分析,从多个角度把握航行事故的变化与发展,分析事故演变逻辑,探究各个致因事件之间存在的复杂相互作用关系,为船舶航行安全事故的分析和决策提供支持。