安全管理是建筑领域在进行管理时重点关注的任务之一。现阶段,国家实力的进步带动了建筑业的快速发展,建筑领域也在不断向数字化迈进,但是因建筑施工所导致的事故以及人员死亡也在不断增加。为了能够减少施工事故的发生,更好地保护施工人员的身心健康,有必要加强对建筑施工事故报告的研究,并从中总结经验。在过去,建筑施工安全风险的总结,主要是通过相关人员从案例或相关领域知识中人工总结经验并形成一套安全管理办法。为了深入探究事故报告的潜在规则,对事故进行总结并形成有用的安全管理信息,从而为安全管理提供意见,就需要借助更先进的工具或分析方法。本研究从计算机领域出发,以自然语言处理理论和技术为基础,综合比较各个机器学习方法在处理建筑事故报告分类任务时的优缺点,为了实现建筑事故文本的自动分类,本文使用了一种基于C-BiLSTM的深度学习模型。该模型能够从建筑安全事故报告中提取语义特征,并将其自动分类为预定义的类别。结果表明,基于C-BiLSTM的分类方法在人工干预少和特征工程复杂的情况下,对工程事故报告的分类效果最好。为了对事故报告作进一步的分析,采用数据挖掘中的关联规则技术,进一步研究了三种主要事故致因下的伤亡情况,并提出了相应的建议。通过验证,使用基于C-BiLSTM的模型对建筑事故文本进行分类的结果与实际情况基本吻合,利用关联规则对相关报告的分析结果也与人工获取的经验相一致。这为后续的安全管理分析提供了可靠地分析框架,有利于安全管理向科学化、智能化发展。