张 影,刘红美
(三峡大学理学院,湖北 宜昌 443000)
在大数据和信息化的时代特征下,网络平台无疑为收集海量的文本数据提供了便捷,如何快速、有效、精确地筛选出主要信息并对其分类、答复,是一个需要不断精化、持续进步的课题。为了不断改进智能文本挖掘模型及算法,对计算机读取的研究引起了人们的广泛关注。
计算机读取技术的发展对信息检索、自动文摘、答复系统等自然语言处理研究任务有积极作用,同时也能够直接改善搜索引擎、智能APP 等产品的用户体验。因此,以读取筛选、文本挖掘为契机研究机器自然语言的技术,在有限的信息范围内要做到准确全面处理,具有重要的研究与应用价值。
网络问政平台作为一种新兴模式,以其快捷、不受时空限制等优点而受到政府机构的青睐。借助网政平台收集群众反馈的海量信息数据,是实时了解民意、汇聚民智、凝聚民气的重要渠道。如果能从群众留下的信息中敏锐地捕捉信号,不仅能够提升政府的管理水平,同时也能更好地为群众百姓提供服务,进行互赢模式间的双向信息传递。本文针对智慧政务的文本挖掘问题,采用潜在语义分析、聚类分析、主成分分析方法,基于留言的一级标签分类,实现了对热点问题的挖掘和排名。
数据来源为“智慧政务”互联网公开渠道,对其留言的一级标签分类简述的处理过程如下。
基于Python,采用sklearn 提供的函数划分数据集,实现分层抽样,以保证60%训练集、20%验证集、20%测试集3 部分数据的一级标签分布均匀性。……