[发明专利]基于深度神经网络的网络问政平台留言分类的方法及系统

权利要求书

1.一种基于深度神经网络的网络问政平台留言分类的方法，其特征在于，包括以下步骤：

获取多条训练政务留言数据及相应标签；

抽取训练政务留言数据中不重复的字，并求取每个字的向量表示，得到政务文本向量字典；

基于向量字典得到所述多条训练政务留言数据的向量表示；对标签数据进行编码，得到各标签的向量表示；

根据政务留言数据及相应标签的向量表示，采用机器学习模型训练政务文本分类模型；

基于所述政务文本分类模型进行政务留言分类。

2.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，获取多条训练政务留言数据后，还对训练政务留言数据进行文本清洗预处理。

3.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，构建向量字典包括：

根据训练政务留言中不重复的文字建立政务文本词汇表；

分别使用BERT和义原模型生成文本词汇表中每个字的向量表示，得到向量字典。

4.如权利要求3所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，基于向量字典得到所述多条训练政务留言数据的向量表示包括：

对于每一条训练政务留言数据，基于向量字典获取每个字的BERT向量表示和义原模型向量表示并进行拼接。

5.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，对标签数据进行编码包括：

为每个标签设定一个唯一编号，进行one-hot编码，得到各个标签的编码表示。

6.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，所述机器学习模型采用文本卷积神经网络，包括词嵌入层、卷积层、最大池化层、全连接层与Relu层。

7.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，所述方法还包括：基于测试数据，采用训练得到的政务文本分类模型进行分类并进行评价。

8.一种基于深度神经网络的网络问政平台留言分类的方法，其特征在于，包括：

数据获取模块，被配置为获取多条训练政务留言数据及相应标签；

字典构建模块，被配置为抽取训练政务留言数据中不重复的字，并求取每个字的向量表示，得到政务文本向量字典；

向量表示模块，被配置为基于向量字典得到所述多条训练政务留言数据的向量表示；对标签数据进行编码，得到各标签的向量表示；

模型训练模块，被配置为根据政务留言数据及相应标签的向量表示，采用机器学习模型训练政务文本分类模型；

留言分类模块，基于所述政务文本分类模型进行政务留言分类。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述基于深度神经网络的网络问政平台留言分类的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述基于深度神经网络的网络问政平台留言分类的方法。