【技术实现步骤摘要】
一种基于预训练模型的警情地址所属区域分类方法
[0001]本专利技术属于人工智能技术应用领域,特别是涉及一种基于预训练模型的警情地址所属区域分类方法
。
技术介绍
[0002]全国各地的发展日新月异,每天都可能会有大量新建社区
、
办公楼宇
、
娱乐场所
、
道路名
、
地址等
。
在城市区域,人口及其稠密,每天都会有海量的报警事件,每当接到报警事件时,警方会将警情地址归为若干区域,然后指派给该区域附近执勤的民警
。
目前均是以人工的方式,根据个人经验对警情地址划分区域,费时费力,有时候会比较容易出错;对于大量的报警地址数据准确及时的划分所属区域,有利于出警规划安排及提高出警效率
。
因此,对报警地址数据建立稳定可靠的所述区域分类模型,减少接警客服人员的工作量,提高出警效率及出警质量,维护公共安全尤为重要
。
[0003]目前,警情地址所述区域划分都是以传统人工的方式,相应的研究也比较匮乏
。
对分类算法技术研究的比较多;比如,
CN101201835A
公开的应急联动警情自动分类系统,其具体是基于关键词匹配的方法实现;又如
CN110990562A
公开的警情分类方法及其系统,其具体是基于传统机器学习算法实现,上述技术方案都是老方法,或者在其它方面上的实际应用
。
最近几年人工智能技术发展迅速,有很多新的算法模型层出不 ...
【技术保护点】
【技术特征摘要】
1.
一种基于预训练模型的警情地址所属区域分类方法,其特征在于,包括如下步骤:
S1、
获取接警系统中警情地址及对应人工标注的所述区域数据;
S2、
将原始警情地址及对应所属区域数据进行清洗
、
去重等预处理操作,得到同一规范化后的数据;
S3、
抽取规范化后的数据为训练数据集
、
验证数据集
、
测试数据集;
S4、
用训练数据集训练预训练深度学习网络分类模型
Bert
‑
Softmax
,每批次训练深度学习网络分类模型后,用验证数据集校验该模型;
S5、
模型训练完成后,用测试数据集测试模型得到模型评估结果;
S6、
在评估结果达到要求后,上线模型,对线上的警情地址数据实时预测所属区域分类
。2.
根据权利要求1所述的一种基于预训练模型的警情地址所属区域分类方法,其特征在于,所述
S2
步骤具体包括如下分步骤:
S21、
数据清洗:删除无效数据以及不全数据;
S22、
数据转换:将数据中的转义字符转换为正常字符;
S23、
数据去重:删除警情地址以及所属区域完全一样的数据,只保留二者相同数据中的一条;
S24、
处理为统一规范后的数据
。3.
根据权利要求1所述的一种基于预训练模型的警情地址所属区域分类方法,其特征在于,所述
S3
步骤具体包括如下分步骤:<...
【专利技术属性】
技术研发人员:王明光,孙孝坤,那正平,高进,蒋维,徐佳申,钟浩,刘红志,高友光,
申请(专利权)人:道枢上海数字技术有限公司,
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。