La frecuente ocurrencia de accidentes en la industria química ha causado graves pérdidas económicas y un impacto social negativo. El informe de investigación de accidentes químicos tiene un gran valor para analizar los factores de riesgo involucrados. Sin embargo, el análisis manual tradicional es lento y laborioso, mientras que los métodos existentes de extracción de palabras clave aún necesitan ser mejorados. Este estudio tiene como objetivo proponer un método mejorado de minería de texto para analizar una gran cantidad de informes de accidentes químicos. Se diseñó un flujo de trabajo para construir y actualizar léxicos de segmentación de palabras. Se propuso un algoritmo mejorado de extracción de palabras clave para extraer las 100 palabras clave principales de 330 informes de incidentes. Se obtuvo un total de 51 factores de riesgo de seguridad al estandarizar estas palabras clave. En total, se obtuvieron 294 reglas de asociación fuertes mediante Apriori. Basándose en estas reglas, se construyó una red bayesiana para analizar los factores de riesgo de seguridad. La precisión media y la recuperación media del modelo BM25 en los experimentos de comparación fueron un 10,5% y un 14,38% más altas que las de TF-IDF, respectivamente. Los resultados de la minería de reglas de asociación y el análisis de la red bayesiana pueden demostrar claramente la interrelación entre los factores de riesgo de seguridad. La metodología de este estudio puede extraer rápidamente y de manera eficiente información clave de los informes de incidentes, lo que puede proporcionar a los gerentes nuevas ideas y sugerencias.