[發明專利]一種環境類投訴舉報事件相似度分析方法

在審

• 申請號: 202110282614.3
• 申請日: 2021-03-16
• 公開（公告）號: CN113064962A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 范青武;陳光;楊凱;張汪洋
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/289;G06K9/62;G06N3/02
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

本發明公開了一種對環境類投訴舉報事件進行相似度分析的方法，旨在提高判斷精度和人員的工作效率。該發明的實施包含以下幾個步驟：首先獲取一定數量的環境類投訴舉報數據，數據應包含組成投訴舉報事件的幾項基本要素以及每兩條事件之間的相似度；計算每兩條投訴舉報事件之間各個要素的相似度并構造事件的相似度數組，作為樣本數據；將樣本數據劃分為訓練集和測試集，利用訓練集對廣義回歸神經網絡(GRNN)進行訓練，建立相似度計算模型，并采用經過改進的果蠅優化算法(IFOA)對模型的參數進行動態優化，進而提高模型的精度。本發明適用于環境類投訴舉報事件的相似度分析，具有較高的精度，解決了人工判斷所造成的精度低且效率低的問題。

技術領域

本發明涉及信息技術領域，尤其涉及一種環境類投訴舉報事件相似度分析方法。

背景技術

近幾年，隨著社會的發展，百姓大眾對于環境保護的意識逐漸增強，并且大部分環保投訴舉報平臺都是基于互聯網而設計的，這使得投訴舉報變得方便而快捷，因此有關環境污染方面的投訴舉報數量迅速增加。然而，環境污染投訴舉報受理部門的工作量也與日俱增，工作人員每天都要閱讀海量的投訴舉報信息，通過分析并研判舉報信息，給出相應的任務派遣建議，這會導致受理部門的工作效率大大降低。如果能夠分析新的投訴舉報與歷史投訴舉報之間的差異，以相似度較高的歷史舉報信息所對應的派遣建議為指導來制定新的投訴舉報派遣建議，定會大大地增加工作人員的工作效率，同時提高工作的準確率。但是，如果人工來判斷兩條投訴舉報事件之間的相似度，不僅效率低下并且準確度不高。所以，設計準確而高效的環境污染投訴舉報相似度分析方法成為目前亟待解決的問題。

實際上，環境類投訴舉報信息就是百姓大眾向有關部門反映污染現象而產生的事件。因此，分析投訴舉報之間的相似度也就是分析投訴舉報事件之間的相似度，即反映兩個或多個事件實體之間的相似程度。對于事件之間的相似度計算，目前最常見的方法主要是基于事件要素的相似度計算，即分別計算組成事件的各個要素之間的相似度，之后通過線性組合要素相似度或賦予要素相似度權重的方式來得到事件整體之間的相似度。但是，在上述方法當中，事件要素的線性組合方式或權重的數值往往是根據人的經驗來確定，從而導致這種方法的計算精度會有所下降，同時具有較強的主觀性。因此，對于事件要素相似度的組合問題，可以采用機器學習的方法來建立模型。廣義回歸神經網絡(GRNN)具有較好的非線性擬合能力、需要確定的參數少以及收斂精度高等特點，因此適用于建立事件的相似度分析模型。

GRNN的預測精度很大程度上取決于其輸入參數，即平滑因子σ的大小，而對于參數的整定問題，手動調試費時費力且精度較低，因此應用智能優化算法對其參數進行尋優無疑是最佳方法。果蠅優化算法(FOA)是潘文超仿照果蠅覓食行為而提出的，相比于遺傳算法(GA)、粒子群算法(PSO)而言優化能力更強。然而，FOA也存在不足，比如搜索范圍固定、種群多樣性低等，這使得其在優化復雜問題時依然會收斂至局部最優。因此，需要對FOA進行改進，提出改進的果蠅優化算法(IFOA)，以此提高算法的尋優能力。

發明內容

本發明針對環境類投訴舉報事件相似度判斷存在效率低、精度低等問題，提供了一種環境類投訴舉報事件相似度分析方法。GRNN具有良好的分類能力和泛化能力，而IFOA的尋優能力比FOA更強，可以更精確地找到最佳的GRNN參數，從而提高其預測精度。

本發明的技術方案由以下步驟組成：

步驟1事件要素相似度計算

步驟1.1獲取一定數量的環境類投訴舉報數據，數據當中應當包含組成投訴舉報事件的幾項基本要素，即舉報事件的發生時間、舉報事件發生所在地的地點名稱、舉報事件所處的處理階段、舉報對象的名稱以及舉報人對舉報事件的描述文本。此外，數據當中還應當包含每兩條投訴舉報事件之間的相似度數值，并且確保這些數值是準確無誤的。

步驟1.2計算每兩條投訴舉報事件之間的發生時間相似度。由于投訴舉報事件的發生時間屬于時刻時間，而時刻時間也就是一個時間點。因此，對于兩個時間點之間的相似度，本發明直接通過對比這兩個時間點是否相同來進行判斷，具體的計算方法如下：