Se recopilan enormes cantidades de informes de supervisión de la seguridad de la aviación civil cada año en la aviación civil de China. Los textos narrativos de estos informes son típicamente textos breves, que registran los eventos anormales detectados durante el proceso de supervisión de la seguridad. En la construcción de un sistema inteligente de supervisión de la seguridad de la aviación civil, la clasificación automática de los textos de supervisión de la seguridad es una tarea clave y fundamental. Sin embargo, todos los informes de supervisión de la seguridad se analizan y clasifican actualmente en categorías mediante trabajo manual, lo cual consume mucho tiempo y es intensivo en mano de obra. En los últimos años, se han aplicado modelos de lenguaje preentrenados a diversas tareas de minería de textos y han demostrado ser efectivos. El objetivo de este documento es aplicar la clasificación de textos a la minería de estos textos narrativos y mostrar que la tecnología de clasificación de textos puede ser un elemento crítico en el análisis de informes de supervisión de la seguridad de la aviación. En este documento, proponemos un método novedoso para la clasificación de textos narrativos en informes de supervisión de la seguridad. A través de experimentos extensos, validamos la efectividad de todos los componentes propuestos. Los resultados experimentales demuestran que nuestro método supera a los métodos existentes en el conjunto de datos de supervisión de la seguridad de la aviación civil autoconstruido. Este estudio realiza un examen exhaustivo de la precisión y los resultados asociados del conjunto de datos, estableciendo así una base sólida para proporcionar valiosos conocimientos que mejoren la calidad de los datos y optimicen la información.