基于深度学习的融媒体平台问政文本分类研究

摘要：

[目的/意义]旨在探究当前网络问政所包含的社会基层实际问题,验证深度学习算法应用于网络问政领域的可行性,实现公众政务留言分类识别处理,以期对政府提升基层政务事件处理效率,完善政务留言互动体系提供有效参考.[方法/过程]以人民网领导留言板问政平台为依据,爬取公众留言文本作为实验数据,进行词频统计与可视化分析.基于Word2Vec模型构建文本词向量表示,构建CNN、RCNN、FastText及Transformer四类深度学习模型实现公众留言自动分类识别,构建评价指标体系对其实验表现进行对比分析.[结果/结论]词频统计可反映当前网络问政环境中所聚焦的热点问题,如"小区管理""学区划分""交通拥堵"等,对相关部门政务工作的开展具有积极指导意义.四类算法对问政文本的识别准确率均在80％以上,表明深度学习算法对问政文本具有较为理想的适用性,可作为构建智能留言互动系统的实际应用方法.其中,CNN算法在基于宏平均的类测评指标与基于微平均的样本测评指标上均达到最佳表现,表明卷积特征抽取在处理该类短文本特征分类时具有一定的优越性.

关键词：网络问政、词频统计、文本分类、深度学习

分类号：G354(情报学、情报工作)

资助基金：吉林省教育厅社会科学研究规划项目JJKH20220162SK

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7