[發明專利]一種融合處置機構網格語義的政務事件自動派單方法

有效

• 申請號: 202110202001.4
• 申請日: 2021-02-23
• 公開（公告）號: CN112581106B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 劉秀;錢程揚;楊亞寧;馮賽;武漢
• 申請（專利權）人: 蘇州工業園區測繪地理信息有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q50/26;G06N3/04;G06N3/08;G06F40/30;G06F40/205
• 代理公司: 北京精金石知識產權代理有限公司 11470
• 代理人: 楊蘭蘭

本發明提供一種融合處置機構網格語義的政務事件自動派單方法，包括如下步驟：S10.政務事件歷史數據集獲取：S20.事件數據預處理與語義特征提取；S30.構建事件處置方式預測模型：以歷史數據集和與歷史數據對應的地理位置作為輸入，以處置機構編碼作為最終輸出，采用深度神經網絡方式構建并訓練預測模型；S40.構建事件處置機構預測模型；S50.使用訓練獲得的預測模型和預測模型來進行預測，輸出需要處理該事件的對應事件機構編碼。本發明通過一種基于深度神經網絡的模型來同時預測業務類型和處置機構所在網格，并能夠通過處置機構預測模型來獲得最終的處置機構編碼。

技術領域

本發明涉及政府熱線事件的智能化處理技術領域，特別涉及一種融合處置機構網格語義的政務事件自動派單方法。

背景技術

隨著互聯網和大數據技術的發展，為加快建設服務型政府，提高社會治理的水平，建設12345等熱線服務平臺已成為“互聯網+政務服務”體系建設的重要內容，這些平臺普遍整合了包括電話、網站、微信、APP等在內的線上線下各類服務渠道，為政民互動提供了高效便捷的溝通橋梁。在一個中大規模的城市，政務熱線每年可以產生數以百萬計的事件數據，這些數據的主要內容以文本方式被記錄在數據庫中，而在派單和處理過程中是有派單人員和網格人員等基層執行者逐條進行處理。因此，迫切需要結合智能化手段來構建對政務事件數據的自動化語義理解能力，提高事項理解、派單和處理的效率。

事件的高效派發處置取決于兩個關鍵因素：（1）直接依賴政務服務的責任清單和處置規則，根據事件類型和業務管理類型梳理責任清單是社會綜合整理普遍需要的基礎性工作，但各地市實際情況復雜多變，因此預測模型的普適性會面臨較大挑戰。（2）通常較多關注事件發生的地點，然而最終處置機構在縱向上可能位于不同精細程度（市級、區級、街道級、社區級等）的管理網格，在橫向上可能涉及不同的業務管理條線，且這些業務條線也大多有各自的多層網格劃分。

因此，事件究竟該由哪個級別的哪個機構來負責處置，同時涉及到業務類別和地理位置兩類信息，且是一個綜合了多級業務歸口信息、多層空間網格信息之后的一個決策問題。已公開的大部分技術或偏重于文本分類型，以同一類別體系下的標簽預測為目標；或是僅將地理空間信息用作事件位置標識，未將空間信息作為一種特征或規律用于模型的學習。

中國專利文獻CN104008108A公開了一種GIS地圖柵格化處理方法、裝置及投訴處理方法、系統。該文件使用地理位置的方式是采用一種柵格化方法將全幅地圖劃分為多個網格，而這些網格的作用僅僅用于標識投訴文本所處的地理位置所在，其目的主要用于將客戶投訴定位到對應的區域，用于分析和解決該區域的投訴問題。對于如何將文本事件所獲取的地理坐標當做輸入源之一，建立學習模型以實現同時從地理位置和業務信息中學習事件特征，從而解決事件派單預測問題方面，未見提及。

中國專利文獻CN110543562A提出了一種基于事件圖譜的城市治理事件自動分撥方法及系統，該文件公開了通過事件描述結合空間位置的自動分撥方法，進一步提高了轉派效率。具體使用的方法是從事件信息中獲取地址描述，并基于該地址所在空間位置確定事件處理單位，及其類別預測和空間位置的獲取是兩個獨立的部分，分別確定類別和位置后再基于圖譜確定處理機構，這種方法有區域局限性，若更換地區，原有圖譜方案無法發揮作用，且其位置的確定是基于分詞提取和POI關系庫匹配，對于不在POI庫中的地址，則無法得出結果。該文獻未針對以下問題提出解決方案：（1）空間位置上的責任主體會因為業務分類、區域權責的不同而有差異；（2）事件分類預測模型的過程僅使用自然語言文本處理技術，未結合地理位置進行聯合訓練，即自動分派和地理定位是兩個完全獨立的過程，因此地理位置和業務分類隱含的深層特征沒有進行進一步提取，難獲得交叉。

中國專利文獻CN109325116A提出了一種基于深度學習的城市事件自動分類派發方法及裝置。該文獻公布了一個基于卷積神經網絡模型的分類模型，進行業務編碼分類，相比于人工分類，實現了機器根據模型一次運算，有助于系統運行效率的提升。但對地理信息的使用僅限于從事件描述中提取地址信息進行事件定位，未對地址信息的深層語義進行提取，也未將業務分類和地理位置進行模型深度融合。