铁路作为我国交通运输的中坚力量,在国民经济发展和民生中扮演着重要的角色。而安全又是铁路系统有序、平稳运行的前提。随着铁路行业技术日新月异的发展,各种新的设备不断投入到铁路运行中,但是也衍生出新的问题,如:哪些种类的铁路设备故障率较高、如何对不同铁路设备故障进行结构化的描述,如何使用铁路设备故障描述来挖掘其内部的规律。针对上述问题,需要找到一种铁路设备惯性故障文本分类方法,来对海量的铁路故障文本信息进行识别和分类。本文首先对故障文本的源头出发,在文本向量化之前对分词词库进行拓展,从在国家铁路总公司、中铁检验认证中心有限公司等权威网站获取到铁路系统相关的设备名称和质量标准及各站点名称,生成对铁路设备领域的专用词库。结合有铁路专用词库的jieba分词对设备故障描述进行分词和去停词处理,使生成的故障分词文本更加贴近人工处理的效果。在得到分词模型后,采用word2vec算法将分词模型向量化处理,得到可以表征故障文本的词向量;之后通过LDA算法对生成的文本向量特征提取,为后续分类算法的研究提供了数据源。之后对处理后的数据集分别建立决策树、KNN、支持向量机、梯度提升决策树等单一的分类算法模型,并且利用模型的整体正确率、召回率、F1值等指标作为分类效果的评估标准。然后根据集成分类器的集成规则将各单分类器作为stacking集成学习的基分类器,元分类器上使用决策树。由于本文所使用的数据集存在较强的不平衡性,所以使用Borderline-SMOTE算法对数据集中的少数类进行扩充,基于基分类器对于少数类的分类准确率对整体分类准确率的比重,对基分类器进行加权,建立加权stacking集成学习的铁路故障文本分类模型。本文的研究结果证明,针对铁路故障文本信息,建立铁路领域专用分词词库可以有效的表征原文本的语义,其余弦相关度的和皮尔逊相关系数都可以达到近0.9。通过对实验结果的分析,发现采用加权stacking集成学习模型可以有效的提高对于少数类的准确率,不仅相较于单分类器综合性能有着大幅度的提升,相比于传统stacking模型也有各项评估指标的改善。