典型文献
基于深度学习的融媒体平台问政文本分类研究
文献摘要：
[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.
文献关键词：
网络问政;词频统计;文本分类;深度学习
中图分类号：
作者姓名：
孙铁铮;于泽灏
作者机构：
吉林财经大学管理科学与信息工程学院 吉林长春 130117
文献出处：
引用格式：
[1]孙铁铮;于泽灏-.基于深度学习的融媒体平台问政文本分类研究)[J].情报探索,2022(12):1-7
A类：
B类：
融媒体平台,文本分类,分类研究,网络问政,深度学习算法,算法应用,分类识别,别处,事件处理,处理效率,善政,互动体系,有效参考,人民网,领导留言板,爬取,词频统计,Word2Vec,建文,词向量,向量表示,RCNN,FastText,Transformer,四类,深度学习模型,模型实现,自动分类,学区,交通拥堵,识别准确率,较为理想,能留,应用方法,测评指标,达到最佳,卷积特征,特征抽取,理该,短文本,文本特征,特征分类
AB值：
0.381421
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
