La extracción de características de peligros en el control de tráfico aéreo (ATC) es una tarea clave de recuperación de información para los registros de peligros en el tráfico aéreo. Mientras que la extracción de características basada en texto clasifica la importancia de los términos únicamente en función de resultados estadísticos, nuestro objetivo es utilizar conocimiento externo para extraer características que cumplan con la definición de peligros. Este artículo propone un método de extracción de características basado en el conocimiento de expertos para definir características de peligros y construir un marco de análisis de peligros. Ilustramos el proceso de entrenamiento del modelo utilizando datos de comunicación, navegación y vigilancia (CNS), que incluye la generación de características candidatas, la vectorización de características y la estandarización basada en clústeres. Se explora brevemente la estructura correcta de los términos en los registros de peligros, la distribución vectorial de las características candidatas y el efecto de agrupamiento de diferentes métodos. El algoritmo refina y acumula el conocimiento de expertos a través de iteraciones. Los resultados del experimento demuestran que el conjunto de datos obtenido después de un procesamiento lingüístico específico basado en el conocimiento de expertos podría extraer características candidatas más informativas para construir un contexto de análisis mediante k-means. El modelo propuesto superó a cuatro algoritmos comparativos en precisión, alcanzando un 82% y un 86% en el conjunto de datos de operación de control de tráfico aéreo (ATCO) y el conjunto de datos de CNS, respectivamente. Además, las características de peligros ricas en información apoyan la toma de decisiones de los departamentos de gestión de seguridad, reduciendo el costo de investigar peligros ocultos.