En respuesta a la creciente frecuencia de accidentes de tráfico marítimo a lo largo de la costa de China, este estudio desarrolla un marco de análisis de causas de accidentes que integra un modelo optimizado de Representaciones de Codificadores Bidireccionales de Transformadores (BERT) con una red de Memoria a Largo y Corto Plazo Bidireccional (BiLSTM), combinada con el algoritmo de regla de asociación Apriori. Comparaciones sistemáticas de rendimiento demuestran que la arquitectura BERT + BiLSTM logra una capacidad superior de procesamiento de texto no estructurado, alcanzando un 89.8% de precisión en la clasificación de causas de accidentes. El marco híbrido permite una investigación exhaustiva de las interacciones complejas entre factores humanos, características de las embarcaciones, condiciones ambientales y prácticas de gestión a través de un análisis multidimensional de los informes de accidentes. Nuestros hallazgos identifican operaciones inadecuadas, problemas relacionados con la fatiga, modificaciones ilegales y prácticas de gestión inadecuadas como factores de alto riesgo primarios, mientras que revelan que los patrones de interacción multifactorial influyen significativamente en la gravedad de los accidentes. En comparación con los métodos tradicionales de análisis de un solo factor, el marco propuesto muestra mejoras notables en la eficiencia del Procesamiento de Lenguaje Natural (NLP), la precisión de clasificación y la interpretación sistemática de las correlaciones entre factores. Este enfoque integrado proporciona a las autoridades marítimas evidencia científica para desarrollar estrategias de prevención de accidentes específicas y optimizar los sistemas de gestión de seguridad, mejorando así la gobernanza de la seguridad marítima a lo largo de la costa de China.