城市管理投訴文本挖掘與分析.pdf

1、隨著數(shù)字化城市的發(fā)展，城市管理進入信息化時代，百姓通過數(shù)字化平臺反映城市管理中存在的問題。由于他們年齡、學歷、表達方式存在差異，導致城市管理投訴語料存在格式不規(guī)范，表達不統(tǒng)一等特點，工作人員只能逐字瀏覽，才能發(fā)現(xiàn)其中的重要信息即事件信息，工作繁瑣且效率低下。
　　利用信息抽取技術，自動抽取其中的事件，將非結構化數(shù)據(jù)轉換為結構化數(shù)據(jù)，不僅大大減輕了工作人員的工作量，提高了工作效率，而且結構化數(shù)據(jù)有利于直接的統(tǒng)計分析，能夠提高城市管理

2、部門掌握政策的實施效果以及階段時間內社會管理當中存在的突出問題等，為其在日后的政策制定、工作績效評估以及工作重點的確定等方面提供預警信息和決策依據(jù)。本課題主要針對城市管理投訴文本進行了研究，將課題研究分為4部分:投訴文本中地理位置實體識別、投訴文本中地理位置實體規(guī)范化表示、投訴文本中的領域詞自動抽取、投訴文本中的領域詞規(guī)范化表示、投訴文本中事件的統(tǒng)計分析。
　　(1)投訴文本中地理位置實體識別研究。分析地理位置實體的特點，提出地理

3、位置實體識別模型，該模型利用分治策略，將地理位置實體的識別分為基本地名的識別和指示詞庫的構建。首先利用CRF角色標注方法，識別基本地名;其次利用半自動方法構建指示詞庫;最后提出依附連接算法，連接基本地名與指示詞，最終實現(xiàn)地理位置實體識別。實驗結果表明，該方法有顯著效果，F(xiàn)值達到84.79％。
　　(2)投訴文本中地理位置實體規(guī)范化表示研究。首次提出了基于百度地圖API的地理位置實體的規(guī)范化表達研究，通過百度開放的Place API

4、對缺陷地理位置實體進行檢索，根據(jù)檢索的結果構建所屬區(qū)域的特征向量，并在其基礎上，利用規(guī)范化規(guī)則對缺陷地理位置實體進行區(qū)域補全，最終實現(xiàn)地名規(guī)范化表示。實驗結果表明，該方法效果顯著，正確率達到97％。
　　(3)投訴文本中的領域詞自動抽取研究。通過分析領域詞的特點，從領域詞類間分布、類內分布和語料規(guī)模的不平衡性三方面考慮，在方差的基礎上計算領域度，提取候選領域詞，然后利用詞語結合度在原文基礎上對候選領域詞進行填充，最終提取有意義的領

5、域詞。在城市管理投訴領域進行實驗，結果表明，該方法能夠準確有效地抽取領域詞，寬松準確率比傳統(tǒng)TFIDF方法提高了13％。
　　(4)投訴文本中的領域詞規(guī)范化表示研究。將城市管理投訴領域本體引入詞語的規(guī)范化表示中，將詞語的規(guī)范化表示轉換為概念實例的映射問題，并通過計算詞語之間的相似度實現(xiàn)概念實例的映射，同時將關鍵詞映射到與其相似度很高的概念上，完成詞語的規(guī)范化表示。實驗表明，本文方法在保證較高準確率的情況下，同時解決了映射過程中的數(shù)