一种政务服务评价处理方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种政务服务评价处理方法、系统、装置和存储介质，包括：获取多组多模态情感数据；调用VAE+bc‑LSTM步骤计算所述多模态情感数据，得到多组目标情绪；调用分类器将所述多组目标情绪转化为多组政务服务质量数据；调用改进的MD5算法分别计算多组所述政务服务质量数据的哈希值；构建默克尔树并添加到区块链；重复上述步骤一段时间后，调用横向联邦学习训练所述政务服务评价处理方法。能够对获取到的视频、语音和文本数据进行情感分析归类，并加密存储在区块链中，保证了数据的真实性和舆情的有效性，并能通过已有数据训练所述政务评价处理方法和系统，自我学习提高性能。

【技术实现步骤摘要】
一种政务服务评价处理方法、系统、装置和存储介质
本专利技术涉及计算机多媒体信息处理领域，特别涉及一种政务服务评价处理方法、系统、装置和存储介质。
技术介绍
随着社会发展，人们对社会机构的服务质量有明显提高，对政务服务的质量越来越重视。但目前各种社调都存在客观性存疑问题。人们提供的服务评价数据无法保证不会在后期被人为篡改。这种隐患情况下，政务机构难以获得准确客观的反馈信息，难以更好地了解民众的真实需求与自身需要改进的问题。而民众也无法确保已公开的政务服务评价是否完全由他们的原始数据归纳所得，而没有被暗箱修改。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种政务服务评价处理方法、系统、装置和存储介质，所述政务服务评价处理方法结合一种基于VAE+bc-LSTM步骤将原始数据转化为相对应的情绪，再通过分类器得出服务评价。同时利用区块链的难篡改，数据可靠性高，可溯源，分布式等特点，通过区块链具对大量散杂的政务服务评价数据上链保存；在加密方式上选择了一种改进的MD5哈希算法，进一步确保了政务服本文档来自技高网...

【技术保护点】
1.一种政务服务评价处理方法，其特征在于，包括：/n获取多组多模态情感数据，所述多模态情感数据包括多组视频数据、多组音频数据和多组文本数据；/n计算所述多模态情感数据，得到多组目标情绪；/n调用分类器将所述多组目标情绪转化为多组政务服务质量数据；/n分别计算多组所述政务服务质量数据的哈希值；/n构建默克尔树并添加到区块链，把多组所述政务服务质量数据的哈希值作为所述默克尔树的子节点，把所述默克尔树的树根和当前时间作为时间戳保存到区块链当前区块中；/n重复上述步骤一段时间后，调用横向联邦学习训练所述政务服务评价处理方法。/n

【技术特征摘要】
1.一种政务服务评价处理方法，其特征在于，包括：
获取多组多模态情感数据，所述多模态情感数据包括多组视频数据、多组音频数据和多组文本数据；
计算所述多模态情感数据，得到多组目标情绪；
调用分类器将所述多组目标情绪转化为多组政务服务质量数据；
分别计算多组所述政务服务质量数据的哈希值；
构建默克尔树并添加到区块链，把多组所述政务服务质量数据的哈希值作为所述默克尔树的子节点，把所述默克尔树的树根和当前时间作为时间戳保存到区块链当前区块中；
重复上述步骤一段时间后，调用横向联邦学习训练所述政务服务评价处理方法。


2.根据权利要求1所述的一种政务服务评价处理方法，其特征在于，所述计算所述多模态情感数据是调用VAE+bc-LSTM步骤计算，所述VAE+bc-LSTM步骤包括：
把所述多模态情感数据输入到数据输入层；
把所述多模态情感数据传递到特征提取步骤，得到语境性特征数据；
把所述语境性特征数据输入到上下文LSTM层，所述上下文LSTM层用于获取所述语境性特征数据的单模态特征；
把所述语境性特征数据的单模态特征输入到整合层，计算所述上下文LSTM层的单模态特征，得到目标情绪。


3.根据权利要求2所述的一种政务服务评价处理方法，其特征在于，所述特征提取步骤包括：
调用3D卷积神经网络(3D-CNN)从所述多组视频数据中提取多组视频特征；
调用opensmile从所述多组音频数据中提取多组音频特征；
调用卷积神经网络(CNN)从所述多组文本数据中提取多组文本特征。


4.根据权利要求1所述的一种政务服务评价处理方法，其特征在于，所述分别计算多组所述政务服务质量数据的哈希值是调用改进的MD5算法计算，所述改进的MD5算法包括：
调用MD5算法对所述多组结构体数据加密，得到一个12...

【专利技术属性】
技术研发人员：翟懿奎，曾治评，柯琪锐，朱翠娥，应自炉，王天雷，徐颖，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44