[发明专利]社区事务汇聚和任务派发方法、装置、设备及存储介质

说明书

本发明提供一种社区事务汇聚和任务派发方法、装置、设备及存储介质，包括：将训练数据集通过BERT模型计算得到结合上下文的词向量；将训练数据集通过LDA主题模型计算得到融合主题的词向量；将两者级联得到词向量矩阵并输入TextCNN模型进行训练，得到训练好的事件汇聚模型；将诉求事件输入训练好的事件汇聚模型，识别得到诉求事件的事件类型；并计算同一类型的诉求事件的相似度，将相似度高于阈值的诉求事件归为一小类作为重复诉求事件进行去重；并结合事件发生地的标准地址确定事件办理部门，进行任务派发。本发明对社区诉求事件进行分类、汇聚和自动派发。提高了社区事务的办理效率。

技术领域

本发明涉及多元社区治理领域，尤其涉及一种社区事务汇聚和任务派发方法、装置、设备及存储介质。

背景技术

智慧社区综合治理平台是一个面向多元社区治理主体的协同应用平台，平台工作流程：社区居民通过12345热线、城市留言板、网格平台、环保业务系统、水务业务系统、电力业务系统、城管业务系统、信访等渠道上报诉求事件，社区办事员受理各渠道诉求事件后根据事件类型、事件发生地等将其派发给社区民警、社区妇联专干、社区工会专干、社区城管专干、社区残疾专干、社区劳保专干、物业公司、楼栋长、志愿者组织等多元社区治理主体单位。各社区治理主体单位接收诉求事件后，对职责范围内的事件进行处置再将结果反馈给社区，社区再将结果反馈给各渠道核查和结案。

平台现有群众诉求事件是由社区办事员逐条查看后派发给各多元社区治理主体单位。由于事件经常会被多人多次多渠道重复上报，平台缺乏有效的技术手段对重复事件进行识别，导致一件事到社区往往变成了多件事，社区处置完成后还需要多次重复向上反馈办理结果。

平台现有群众诉求事件任务的派发完全依靠人工操作，派发过程要求社区办事员对所有的事件类型和对应办理单位之间的关系都了解得非常清楚，对社区办事员的要求较高。现阶段社区人员不是很稳定，派发错误率较高。如果派发错误，办理单位会将不属于本单位办理的事件退回社区重新派发。社区居民诉求事务比较繁杂，事件类型包括物业纠纷、积水问题、生活噪音问题、生活垃圾、水污染问题、行道树损坏等。所有事件完全依靠社区办事员人工判断事件类别确定办理单位，工作量非常大。

发明内容

本发明提供一种社区事务汇聚和任务派发方法、装置、设备及存储介质，旨在解决上述存在的两个技术问题：一是事件分类依靠人工处理效率低、易出错；二是同一事件多人多渠道重复上报导致事件重复处理。

为了实现上述目的，本发明提出了一种社区事务汇聚和任务派发方法，所述社区事务汇聚和任务派发方法包括以下步骤：

将训练数据集通过BERT模型计算得到结合上下文的词向量；

将训练数据集通过LDA主题模型计算得到融合主题的词向量；

将所述结合上下文的词向量和所述融合主题的词向量级联得到词向量矩阵；

将所述词向量矩阵输入TextCNN模型进行训练，得到训练好的事件汇聚模型；

将诉求事件输入所述训练好的事件汇聚模型，识别得到所述诉求事件的事件类型；计算同一类型的诉求事件的相似度，将相似度高于阈值的诉求事件汇聚为一小类重复诉求事件；

结合所述事件类型和事件发送地的标准地址确定事件办理部门，进行任务派发。

优选地，在将相似度高于阈值的诉求事件汇聚为一小类重复诉求事件的步骤之后，还包括：

将每一小类重复诉求事件的投诉文本拼接生成长文本，采用textRank算法对所述长文本进行摘要计算，抽取结果集top1的句子作为摘要，以实现任务派发前的判重去重。

优选地，在将训练数据集通过BERT模型计算得到结合上下文的词向量的步骤之前，还包括：

对历史事件进行预处理，构建训练数据集和测试数据集。