El trabajo de mantenimiento de aeronaves tradicional se basa principalmente en datos estructurados. Los datos no estructurados, como los datos de texto, no se han utilizado completamente, lo que significa que hay un desperdicio de recursos. Estos datos no estructurados contienen un gran almacén de conocimiento sobre fallos, que podría proporcionar soporte en la toma de decisiones para el trabajo de mantenimiento de aeronaves. Por lo tanto, en este documento se propone un modelo de diagnóstico de fallos basado en texto. El método propuesto utiliza Word2vec para mapear las palabras del texto en un espacio vectorial, y los vectores de características de texto extraídos se introducen en el clasificador basado en un esquema de aprendizaje en conjunto por apilamiento. Su rendimiento ha sido validado utilizando un conjunto de datos de texto de fallos de aeronaves real. Los resultados muestran que la precisión del diagnóstico de fallos del método propuesto es del 97.35%, lo que es aproximadamente un 2% más alto que el del método subóptimo.