基于向量关联性矩阵的政务事务处理报告的智能评估方法技术

本申请涉及智慧政务治理领域下的智能政务评估，其具体地公开了一种基于向量关联性矩阵的政务事务处理报告的智能评估方法，其基于深度神经网络的机器学习技术，来对各个部门的关于同一事务的政务事务处理报告进行基于文本的特征提取，并基于提取的特征进行分类，从而确定事务处理是否获得整体性的肯定结果。特别地，在分类过程中，通过构建各条文本数据的特征向量之间的关联性矩阵，来进行特征向量的比较和关联，从而提高分类的准确性。从而提高分类的准确性。从而提高分类的准确性。

【技术实现步骤摘要】
基于向量关联性矩阵的政务事务处理报告的智能评估方法


[0001]本专利技术涉及智慧政务治理领域下的智能政务评估，且更为具体地，涉及一种基于向量关联性矩阵的政务事务处理报告的智能评估方法、基于向量关联性矩阵的政务事务处理报告的智能评估系统和电子设备。

技术介绍

[0002]目前，随着智慧城市下的政务信息数据化，政务治理能力随着现代化得到了很大提高。但是，由于政务治理的复杂性，对于同一需要处理的事务，可能会涉及到多个部门，且多个部门在完成事务处理之后，又都会形成不同的政务事务处理报告。这些处理报告之间既因为同一事务而具有关联，而由于涉及到的部门差别而具有各自的特点。
[0003]因此，期待一种能够有效地处理这些处理报告，使得获得相对准确的总体的处理评价结论的技术方案。
[0004]目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
[0005]深度学习以及神经网络的发展为政务事务处理报告的智能评估提供了新的解决思路和方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于向量关联性矩阵的政务事务处理报告的智能评估方法、基于向量关联性矩阵的政务事务处理报告的智能评估系统和电子设备，其基于深度神经网络的机器学习技术，来对各个部门的关于同一事务的政务事务处理报告进行基于文本的特征提取，并基于提取的特征进行分类，从而确定事务处理是否获得整体性的肯定结果。特别地，在分类过程中，通过构建各条文本数据的特征向量之间的关联性矩阵，来进行特征向量的比较和关联，从而提高分类的准确性。
[0007]根据本申请的一个方面，提供了一种基于向量关联性矩阵的政务事务处理报告的智能评估方法，其包括：
[0008]获取多个部门对同一政务事件进行处理的多份政务事务处理报告；
[0009]对所述多份政务事务报告分别进行文本预处理和词向量转化，以获得对应于多份政务事务报告的多个文本特征向量；
[0010]对于所述多个文本特征向量，计算每两个文本特征向量之间的互关联性矩阵，以获得多个互关联性矩阵；
[0011]对于所述多个文本特征向量，计算每个所述文本特征向量的自关联性矩阵，以获得多个自关联性矩阵；
[0012]将所述多个互关联性矩阵和所述多个自关联性矩阵按照样本维度进行组合，以获得文本关联张量；
[0013]将所述文本关联张量通过多个卷积层，以获得对应于所述文本关联张量的卷积特征图；
[0014]对所述卷积特征图进行基于具有预设尺寸的特征矩阵的平均值池化处理，以获得分类特征图；以及
[0015]将所述分类特征图通过分类器，以获得分类结果，其中，所述分类结果用于表示事务处理是否获得整体性的肯定结果。
[0016]在上述基于向量关联性矩阵的政务事务处理报告的智能评估方法中，对所述多份政务事务报告分别进行文本预处理和词向量转化，以获得对应于多份政务事务报告的多个文本特征向量，包括：对每份政务事务报告进行分词处理，以获得词文本序列；识别所述词文本序列中的关键词并删除所述词文本序列中的低频词、不相关词、连词和语气助词，以获得关键词文本序列；以及，将所述关键词文本序列通过词嵌入模型，以获得所述文本特征向量。
[0017]在上述基于向量关联性矩阵的政务事务处理报告的智能评估方法中，对所述多份政务事务报告分别进行文本预处理和词向量转化，以获得对应于多份政务事务报告的多个文本特征向量，进一步包括：将所述文本特征向量通过双向长短期记忆网络，以获得具有上下文信息的文本特征向量。
[0018]在上述基于向量关联性矩阵的政务事务处理报告的智能评估方法中，对于所述多个文本特征向量，计算每两个文本特征向量之间的互关联性矩阵，以获得多个互关联性矩阵，包括：将每两个文本特征向量中其中一条文本特征向量进行转置并与另外一条文本特征向量进行矩阵相乘，以获得所述互关联性矩阵。
[0019]在上述基于向量关联性矩阵的政务事务处理报告的智能评估方法中，对于所述多个文本特征向量，计算每个所述文本特征向量的自关联性矩阵，以获得多个自关联性矩阵，包括：将所述文本特征向量进行转置并与所述文本特征向量自身进行矩阵相乘，以获得所述自关联性矩阵。
[0020]在上述基于向量关联性矩阵的政务事务处理报告的智能评估方法中，将所述分类特征图通过分类器，以获得分类结果，包括：将所述分类特征图通过一个或多个全连接层，以获得分类特征向量；以及，将所述分类特征向量输入Softmax分类函数，以获得所述分类结果。
[0021]根据本申请的另一方面，提供了一种基于向量关联性矩阵的政务事务处理报告的智能评估系统，其包括：
[0022]信息获取单元，用于获取多个部门对同一政务事件进行处理的多份政务事务处理报告；
[0023]文本特征向量生成单元，用于对所述信息获取单元获得的所述多份政务事务报告分别进行文本预处理和词向量转化，以获得对应于多份政务事务报告的多个文本特征向量；
[0024]互关联性矩阵生成单元，用于对于所述文本特征向量生成单元获得的所述多个文本特征向量，计算每两个文本特征向量之间的互关联性矩阵，以获得多个互关联性矩阵；
[0025]自关联性矩阵生成单元，用于对于所述文本特征向量生成单元获得的所述多个文本特征向量，计算每个所述文本特征向量的自关联性矩阵，以获得多个自关联性矩阵；
[0026]文本关联张量生成单元，用于将所述互关联性矩阵生成单元获得的所述多个互关联性矩阵和所述自关联性矩阵生成单元获得的所述多个自关联性矩阵按照样本维度进行组合，以获得文本关联张量；
[0027]卷积特征图生成单元，用于将所述文本关联张量生成单元获得的所述文本关联张量通过多个卷积层，以获得对应于所述文本关联张量的卷积特征图；
[0028]分类特征图生成单元，用于对所述卷积特征图生成单元获得的所述卷积特征图进行基于具有预设尺寸的特征矩阵的平均值池化处理，以获得分类特征图；以及
[0029]分类结果生成单元，用于将所述分类特征图生成单元获得的所述分类特征图通过分类器，以获得分类结果，其中，所述分类结果用于表示事务处理是否获得整体性的肯定结果。
[0030]在上述基于向量关联性矩阵的政务事务处理报告的智能评估系统中，所述文本特征向量生成单元，包括：词文本序列生成子单元，用于对每份政务事务报告进行分词处理，以获得词文本序列；关键词文本序列生成子单元，用于识别所述词文本序列生成子单元获得的所述词文本序列中的关键词并删除所述词文本序列中的低频词、不相关词、连词和语气助词，以获得关键词文本序列；以及，文本特征向量生成子单元，用于将所述关键词文本序列生成子单元获得的所述关键词文本序列通过词嵌入模型，以获得所述文本特征向量。
[0031]在上述基于向量关联性矩阵的政务事务处理报告的智能评估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于向量关联性矩阵的政务事务处理报告的智能评估方法，其特征在于，包括：获取多个部门对同一政务事件进行处理的多份政务事务处理报告；对所述多份政务事务报告分别进行文本预处理和词向量转化，以获得对应于多份政务事务报告的多个文本特征向量；对于所述多个文本特征向量，计算每两个文本特征向量之间的互关联性矩阵，以获得多个互关联性矩阵；对于所述多个文本特征向量，计算每个所述文本特征向量的自关联性矩阵，以获得多个自关联性矩阵；将所述多个互关联性矩阵和所述多个自关联性矩阵按照样本维度进行组合，以获得文本关联张量；将所述文本关联张量通过多个卷积层，以获得对应于所述文本关联张量的卷积特征图；对所述卷积特征图进行基于具有预设尺寸的特征矩阵的平均值池化处理，以获得分类特征图；以及将所述分类特征图通过分类器，以获得分类结果，其中，所述分类结果用于表示事务处理是否获得整体性的肯定结果。2.根据权利要求1所述的基于向量关联性矩阵的政务事务处理报告的智能评估方法，其中，对所述多份政务事务报告分别进行文本预处理和词向量转化，以获得对应于多份政务事务报告的多个文本特征向量，包括：对每份政务事务报告进行分词处理，以获得词文本序列；识别所述词文本序列中的关键词并删除所述词文本序列中的低频词、不相关词、连词和语气助词，以获得关键词文本序列；将所述关键词文本序列通过词嵌入模型，以获得所述文本特征向量。3.根据权利要求2所述的基于向量关联性矩阵的政务事务处理报告的智能评估方法，其中，对所述多份政务事务报告分别进行文本预处理和词向量转化，以获得对应于多份政务事务报告的多个文本特征向量，进一步包括：将所述文本特征向量通过双向长短期记忆网络，以获得具有上下文信息的文本特征向量。4.根据权利要求1所述的基于向量关联性矩阵的政务事务处理报告的智能评估方法，其中，对于所述多个文本特征向量，计算每两个文本特征向量之间的互关联性矩阵，以获得多个互关联性矩阵，包括：将每两个文本特征向量中其中一条文本特征向量进行转置并与另外一条文本特征向量进行矩阵相乘，以获得所述互关联性矩阵。5.根据权利要求4所述的基于向量关联性矩阵的政务事务处理报告的智能评估方法，其中，对于所述多个文本特征向量，计算每个所述文本特征向量的自关联性矩阵，以获得多个自关联性矩阵，包括：将所述文本特征向量进行转置并与所述文本特征向量自身进行矩阵相乘，以获得所述自关联性矩阵。6.根据权利要求1所述的基于向量关联性矩阵的政务事务处理报告的智能评估方法，
其中，将所述分类特征图通过分类器，以获得分类结果，包括：将所述分类特征图通过一个或多个全连接层，以获得分类特征向量；及将所述分类特征向量输入Softmax分类函数，以获得所述...

【专利技术属性】
技术研发人员：廖乐菊，
申请(专利权)人：成都市落柏俭网络科技有限公司，
类型：发明
国别省市：