[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

说明书

本发明公开了一种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，所述方法包括以下步骤：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。本发明基于大量政务留言文本进行字典创建，基于该字典对训练数据进行向量表示，保证了模型的性能，对于政务文本分类具有更高的精度。

技术领域

本发明属于文本数据处理技术领域，尤其涉及一种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。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

近年来，随着微信、微博、市长信箱、阳光热线等网络问政平台逐步成为政府了解民意、汇聚民智、凝聚民气的重要渠道，各类社情民意相关的文本数据量不断攀升，给以往主要依靠人工来进行留言划分和热点整理的相关部门的工作带来了极大挑战。同时，随着大数据、云计算、人工智能等技术的发展，建立基于自然语言处理技术的智慧政务系统已经是社会治理创新发展的新趋势，对提升政府的管理水平和施政效率具有极大的推动作用。

在文本分类技术方面，由于传统的文本表示具有高维性和稀疏性，特征表达能力较弱。传统的机器学习分类算法在特征工程中需要消耗大量的人力物力。并且，针对政务文本而言，由于其领域性强、数据量大且内容庞杂等特点，采用现有的特征提取方法，分类精度不高。

发明内容

为克服上述现有技术的不足，本发明提供了一种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。该方法基于大量政务留言数据构建字典，更加适用于政务文本的分类。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于深度神经网络的网络问政平台留言分类的方法，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。

一个或多个实施例提供了一种基于深度神经网络的网络问政平台留言分类的方法，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。

一个或多个实施例提供了一种电子设备，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，所述处理器执行所述程序时实现所述基于深度神经网络的网络问政平台留言分类的方法。

一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述基于深度神经网络的网络问政平台留言分类的方法。