随着民航业的蓬勃发展和人们生活水平的不断提高,如今越来越多的人选择民航出行,但在民航旅客的出行过程中,有一些旅客的不文明行为已经严重影响了民航运行的安全和效率。如何将不文明旅客快速匹配到合理的惩罚规则对维护民航安全,提升民航效率具有重要意义。民航不文明旅客规则自动匹配方法研究就是利用已有文本数据,通过文本特征提取然后进行相似度计算来完成匹配任务,进一步通过关键词提取去除冗余、重复文本,生成简明的新规则。因此,本文以民航旅客不文明行为信息的文本数据为研究对象,重点研究了基于语义相似度的文本匹配和关键词提取,实现了不文明旅客与规则的匹配和简明规则的快速生成,这对于民航不文明旅客的精准管理具有重要意义。本文先提出了一种基于胶囊网络的gru-capsule组合网络模型来进行文本的相似度匹配,该模型有上下两条通道,两个句子向量经过相同的网络结构进行特征的提取,先经过门控循环网络,再经过胶囊网络,特征提取完毕,最后进行相似度计算和分类。实验结果表明,与文中的其他模型相比,该模型在民航旅客不文明行为信息数据集一、支付宝花呗借呗问答数据集和LCQMC问答数据集三个数据集上均具有最高的准确率。同时,针对某些不文明行为匹配不到合理、简明的惩罚规则以及已有规则之间非常相似造成的冗余问题,通过对民航不文明旅客数据集的分析,提出了一种加载了民航停用词和保留词表并且使用词性重要性影响力优化了的Text Rank算法。该方法首先通过人工标注停用词和保留词,然后进行民航词图构建,并且生成权值矩阵,最后运行改进后的算法生成关键词。实验表明,该方法提取出的关键词最接近人工标注的关键词,F值和Rouge值最高,并且可通过生成关键词快速形成新规则。