中共十九大報(bào)告中指出了“加強(qiáng)社區(qū)治理體系建設(shè),把社會(huì)治理重點(diǎn)推進(jìn)到基層”的工作指示,社區(qū)治理引起了專家學(xué)者的廣泛關(guān)注。在現(xiàn)有的社區(qū)治理研究中,大多以定性的理論研究為主,且普遍存在著居民缺乏自主參與社區(qū)治理的問題。北京市“12345”市民服務(wù)熱線中的文本數(shù)據(jù)中蘊(yùn)含了大量居民對社區(qū)問題的反饋,但問題瑣碎且無規(guī)律。知識(shí)圖譜作為自然語言處理的新興技術(shù),可以結(jié)構(gòu)化地描述文本數(shù)據(jù)中各實(shí)體間的關(guān)聯(lián),挖掘文本蘊(yùn)含的規(guī)律。因此,將知識(shí)圖譜應(yīng)用于社區(qū)治理領(lǐng)域可以更高效地提取有效信息,輔助社區(qū)治理工作人員提升效率。本文以北京市“12345”市民服務(wù)熱線中的文本數(shù)據(jù)作為基礎(chǔ),從居民訴求角度出發(fā),首先通過LDA主題聚類模型確定社區(qū)治理領(lǐng)域的主要問題類別,其次開展了關(guān)于構(gòu)建社區(qū)治理領(lǐng)域知識(shí)圖譜的關(guān)鍵技術(shù)研究,并設(shè)計(jì)決策支持平臺(tái)。主要的研究內(nèi)容和研究成果如下:(1)對文本數(shù)據(jù)預(yù)處理并確定主題類別。針對本文分詞準(zhǔn)確率不高的問題,爬取公開網(wǎng)站數(shù)據(jù)集,構(gòu)建含有26961條信息的地址詞典,使得分詞準(zhǔn)確率達(dá)到96.11%,比默認(rèn)分詞情況下提升了6.79%;將數(shù)據(jù)中的“信件內(nèi)容”和“信件主題”作為語料,訓(xùn)練LDA主題聚類模型,確...

【文章頁數(shù)】：99 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1論文框架圖

緒論9圖1-1論文框架圖Figure1-1Paperframediagram

圖1-2技術(shù)路線圖

緒論11應(yīng)的技術(shù)路線圖見圖1-2。圖1-2技術(shù)路線圖Figure1-2Technologyroadmap1.4創(chuàng)新點(diǎn)（1）對社區(qū)治理問題進(jìn)行量化研究�！�12345”熱線數(shù)據(jù)是從居民角度來投訴關(guān)于社區(qū)治理中存在問題的政務(wù)數(shù)據(jù)，反映了社區(qū)中一些不合理的現(xiàn)象等�；诖藬�(shù)據(jù)進(jìn)行文本挖掘，....

圖2-1文本挖掘流程展示圖

相關(guān)理論與技術(shù)132相關(guān)理論與技術(shù)2.1文本挖掘文字作為信息的重要載體，在信息提取等方面有著重要作用。文本數(shù)據(jù)就是進(jìn)行文本挖掘的主要對象，例如評論數(shù)據(jù)、新聞文本、微博等社交平臺(tái)數(shù)據(jù)等。這些數(shù)據(jù)都可以作為研究對象，使用文本挖掘的技術(shù)從中獲取有價(jià)值的信息和知識(shí)。文本挖掘涉及的技術(shù)也來....

圖2-2知識(shí)圖譜構(gòu)建Figure2-2Knowledgegraphconstruction構(gòu)建知識(shí)圖譜的核心環(huán)節(jié)知識(shí)抽取是指從不同來源與結(jié)構(gòu)的數(shù)據(jù)中抽取實(shí)體

北京交通大學(xué)碩士學(xué)位論文142.2知識(shí)圖譜知識(shí)圖譜通常以<實(shí)體A，關(guān)系R，實(shí)體B>的三元組來描述客觀世界存在的事物，從而形成一張語義網(wǎng)。在這張語義網(wǎng)中，實(shí)體由節(jié)點(diǎn)表示，實(shí)體間關(guān)系由連線描述。知識(shí)圖譜通過語義網(wǎng)絡(luò)，將分散的信息組織在一起，成為基于圖結(jié)構(gòu)的結(jié)構(gòu)化知識(shí)，便于人們快速搜索....

本文編號(hào)：4034986