[发明专利]一种基于深度学习的城市事件自动分类派发方法及装置

说明书

本发明适用于智慧城市信息智能化技术领域，提供一种基于深度学习的城市事件自动分类派发方法及装置，包括收集城市事件数据并预处理；根据收集处理的城市事件数据构建事件分类卷积神经网络模型；计算城市事件发生地的标准地理编码；构建城市事件派发卷积神经网络模型；接收当前输入的城市事件数据，调用所述分类卷积神经网络模型输出分类类别，获取当前城市事件数据的标准地理编码，然后调用派发卷积神经网络模型，输出具体的城市事件派发部门。本发明可以提高事件的分类正确性和派送准确性；通过卷积神经网络模型派发，相比人工派发带来的各种不确定性，机器派发的准确性更高，本发明中机器根据模型一次运算得到结果，可有效提升系统运行效率。

技术领域

本发明属于智慧城市信息智能化技术领域，尤其涉及一种基于深度学习的城市事件自动分类派发方法及装置。

背景技术

12345市长专线平台是一个接收市民反映各种问题的系统平台，其工作流程为：对于每日市民反映投诉的事件，由前台的接线人员受理，并根据事件内容和性质总结出事件的归属类别，再根据类别以及事件发生的地点将投诉事件转送至对应的办理机构或者政府部门。这个过程中要求接线人员对所有的事件性质、事件发生的详细地址和对应处理部门之间的关系都了解得非常清楚，如果派发错误，处理部门会将不属于本部门处理的事件退回至前台接线人员处，重新派发，市民投诉的事件类别非常多，涉及城市交通、城市市容市貌、市场管理、房屋土地管理、社会服务、教育、食品药品医疗卫生管理等等，大大小小的类别有几百种；同时相应的处理部门按照区域级别划分，可分为各个辖区政府部门、直属机构、事业单位等等，也有上百个。一个大中型城市中，一天的投诉事件数量少则上百，多达上万。如果完全依靠人工判断事件性质和类别，并找到正确的处理部门，这个工作量非常大，对接线办事人员的要求也很高。

目前，处理投诉事件的方法是：针对几百种事件性质类别，根据其含义先分别建立正则规则；当市民投诉一个事件，按照正则规则判断其事件性质类别，结合事件的发生地址，把事件派送到处理部门。即：当市民来电投诉一个事件，系统根据投诉事件内容在所有的事件类型的正则规则进行逐一查找过滤，直至找到匹配的规则，作为该事件的类别，同时根据市民描述的地址获取其精确地址，再根据类别和地址把事件派发至处理部门。这个方法要求每个类别的正则关键词和表达式必须是精确的，因为当正则规则中的关键词不能覆盖事件中的词语时，事件将不能被派送。出现这种情况时，及时根据当前事件的核心内容在对应类型的正则表达式中添加规则，再重新派送。

上述方法中，补充关键词、正则表达式等步骤属于人工处理过程，而且这个过程是需要持续开展的，此方法人工成本非常高。此外，每条事件都要经过N个正则表达式计算后才能得到结果，导致系统运行效率较低。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于深度学习的城市事件自动分类派发方法及装置，旨在解决现有处理方法出现错误率高。人工成本巨大，系统计算资源消耗较大等技术问题。

本发明采用如下技术方案：

所述基于深度学习的城市事件自动分类派发方法包括如下步骤：

步骤S1、收集城市事件数据并预处理；

步骤S2、根据收集处理的城市事件数据构建事件分类卷积神经网络模型；

步骤S3、计算城市事件发生地的标准地理编码；

步骤S4、构建城市事件派发卷积神经网络模型；

步骤S5，接收当前输入的城市事件数据，调用所述分类卷积神经网络模型输出分类类别，获取当前城市事件数据的标准地理编码，然后调用派发卷积神经网络模型，输出具体的城市事件派发部门。

进一步的，所述步骤S1具体包括下述步骤：

步骤S1.1、收集历年城市事件文本数据，结合常用的分词字典，对收集的文本数据进行分词过滤，得到适合于城市事件的分词字典；