【技术实现步骤摘要】
多模态数据融合的城管事件分析方法及其应用
[0001]本申请涉及城市管理
，特别是涉及多模态数据融合的城管事件分析方法及其应用。
技术介绍
[0002]在解答和办理群众关注的各类问题中，油烟扰民作为诉求集中的前五类之一，需要得到足够的重视。为政府提供分析预警模型，围绕居民基础信息和诉求信息，分析诉求趋势、规律、特点，进而更加敏锐、准确的反应出居民诉求的周期性、趋势性变化，对热点问题和突发事件进行实时预警、趋势研判，在群众关心的民生问题上提前制定改善措施。这样一来，政府便可以从源头处理问题，切实为群众解决问题，提高居民生活质量，真正从“接诉即办”向“未诉已办”前进。
[0003]然而目前技术主要存在以下缺点：
[0004]1.一般重在对数据的获取，追求所谓的“全量数据”，造成了上述所提及的噪声较多的情况，限于技术路径依赖及成本的考虑；
[0005]2.采用的分析方法较为传统，主要是基于规则(如关键词)来筛选和分类数据，造成了查全率和查准率“双低”的情况，导致后续分析结果的可信度大大降低；
...
【技术保护点】
【技术特征摘要】
1.多模态数据融合的城管事件分析方法，其特征在于，包括以下步骤：S00、获取所有市民上报的事件数据并进行数据清洗；S10、对数据清洗后的事件数据进行文本热度和情感热度计算；其中，文本热度基于事件数据中当前时间段内相似文本数量而定，情感热度基于事件数据中事件情感得分而定，该情感得分通过深度学习计算得到；S20、结合所述文本热度和所述情感热度计算事件的关注度；S30、将关注度以及观测到的所有数据形式转换为每一天的序列形式，并进行时间动态编码，进行序列平稳性检查后，输入并构建城管事件关注度预测模型；其中，所述城管事件关注度预测模型的输入为时间、网格、城管事件类别和关注度随时间变化的四维时间序列，该四维时间序列的每一行都是一个单维时间序列，并能够单独作为所述城管事件关注度预测模型的输入；S40、通过城管事件关注度预测模型预测待预测的事件中每个维度的关注程度。2.如权利要求1所述的多模态数据融合的城管事件分析方法，其特征在于，S10步骤中，所述文本热度将同一时间段内文本相似度高于阈值的事件定为同一事件，所述情感热度通过对同一事件进行情感热度分析并进行评分。3.如权利要求2所述的多模态数据融合的城管事件分析方法，其特征在于，所述情感热度分析的具体步骤为：抽取同一事件的文本中与情感有关的字段、词汇及标点符号；按照词典特征进行匹配，并按照积极表情、中性表情及消极表情至少三个表情来获取表情特征，同时提取向量特征；将词典特征、表情特征及向量特征进行融合，得到情感分类特征；将所述情感分类特征作为分类器的输入，以获得文本的情感分析结果。4.如权利要求3所述的多模态数据融合的城管事件分析方法，其特征在于，S20步骤中，在对应时间段内对事件文本中的词典特征后进行累加得到情感值，形成情感热度时间序列，用情感值来代表对应时间段反应对该事件的整体情感倾向。5.如权利要求4所述的多模态数据融合的城管事件分析方法，其特征在于，S20步骤中，将情感值为正的时间去除，并将所述情感分析结果转换到设定区间内进行归一化，得到归一化后的情感热度...
【专利技术属性】
技术研发人员：李圣权，梁艺蕾，王理程，任通，葛俊，
申请(专利权)人：城云科技中国有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。