CN113420059A - 一种市民热线问题主动治理方法和装置 - Google Patents
一种市民热线问题主动治理方法和装置 Download PDFInfo
- Publication number
- CN113420059A CN113420059A CN202110964823.6A CN202110964823A CN113420059A CN 113420059 A CN113420059 A CN 113420059A CN 202110964823 A CN202110964823 A CN 202110964823A CN 113420059 A CN113420059 A CN 113420059A
- Authority
- CN
- China
- Prior art keywords
- citizen
- hot line
- historical
- geographic
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 239000013598 vector Substances 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005067 remediation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000005065 mining Methods 0.000 abstract description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供的一种市民热线问题主动治理方法和装置，该方法利用历史数据、对历史数据进行分类挖掘、将市民热线问题的分类、地理位置信息进行多元数据关联，然后结合人工智能算法，建立高频问题识别模型，然后用建立的模型去预测某一个问题描述，自动预测出其他可能发生的区域和可能发生的频次，从而实现“主动治理、未诉先办”，通过解决一个诉求解决一类问题，通过一个案例带动一片治理，实现城市治理的智能化和科学化。
Description
技术领域
本发明涉及大数据和人工智能技术领域，具体涉及一种市民热线问题主动治理方法和装置。
背景技术
在“城市大脑”领域的众多城市治理场景中，“市民热线”、“接诉即办”是最接近民众直接体验的场景，利用“城市大脑”的智慧能力，推动健全基层治理的应急机制、服务群众的响应机制和打通抓落实“最后一公里”的工作机制，从而实现城市治理体系和治理能力智能化、现代化。
目前“城市大脑”通过汇集各***收集的市民热线问题数据，通过建立统一的分类标准和评价体系，形成专门的市民热线“问题库”，利用AI算法和AI模型辅助工作人员对问题进行快速的分类和派单，使群众问题的响应率、满意率较传统人工派单方式有较大提升。
发明内容
为了实现城市治理体系和治理能力智能化、现代化，保证市民热线接诉即办，进而提高群众问题的响应率和满意率，本发明提供一种市民热线问题主动治理方法和装置，该方法利用历史数据、对历史数据进行分析挖掘、多元数据关联，然后结合人工智能算法，建立一种人工智能分析模型，然后用建立的模型去预测某一个问题描述，自动预测出其他可能发生的区域和可能发生的频次，从而实现“主动治理、未诉先办”，通过解决一个诉求解决一类问题，通过一个案例带动一片治理，实现城市治理的智能化和科学化。其具体技术方案如下：
本发明实施例提供的一种市民热线问题主动治理方法，包括步骤：
获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类；
对不同类型的历史市民热线问题进行标记，得到带标记的历史市民热线问题；
将所述历史市民热线问题采用问题描述命名体识别算法对所述市民热线问题进行识别，得到命名实体和问题描述；将所述命名实体和问题描述作为未训练高频问题识别模型的输入、所述标记作为所述高频问题识别模型的输出，对所述高频问题识别模型进行训练，得到训练后的高频问题识别模型；
获取待预测的市民热线问题对应的命名实体和问题描述分别输入至预先训练的地理匹配模型和所述高频问题识别模型进行计算根据所述计算结果判断是否属于高频问题，并得到所述市民热线问题所在的地理位置，调取相应解决方案并派单。
进一步的，所述获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类，具体包括：
获取历史市民热线问题，采用问题描述命名体识别算法对所述历史市民热线问题进行计算，得到所述市民热线问题对应的命名实体和问题描述；
将所述命名实体和问题描述进行计算，得到所述命名实体和问题描述对应的特征向量；
采用聚类算法对所述特征向量进行聚类，将所述特征向量分为多个不同类型，得到不同历史市民热线问题的分类。
进一步的，所述聚类算法包括：余弦相似度算法、欧氏距离算法。
进一步的，还包括：
获取所述历史市民热线问题所在的地理位置信息，根据所述地理位置信息构建地理信息基础数据库；
所述地理信息基础数据库按照不同的市民热线问题对所述地理位置信息进行分类；
将不同类型的地理位置信息按照地理特征进行聚类分析和分类；其中，所述地理特征是指所述地理位置信息所在的位置具备的地理优势，包括教育资源、娱乐资源、交通资源。
本发明的第二方面提供一种市民热线问题主动治理装置，包括：
获取模块，用于获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类；
标记模块，用于对不同类型的历史市民热线问题进行标记，得到带标记的历史市民热线问题；
训练模块，用于将所述历史市民热线问题采用问题描述命名体识别算法对所述市民热线问题进行识别，得到命名实体和问题描述；将所述命名实体和问题描述作为未训练高频问题识别模型的输入、所述标记作为所述高频问题识别模型的输出，对所述高频问题识别模型进行训练，得到训练后的高频问题识别模型；
获取待预测的市民热线问题对应的命名实体和问题描述输入至所述高频问题识别模型进行计算，根据所述计算结果判断调取相应问题解决方案并派单。
进一步的，所述获取模块包括：
获取子单元，用于获取历史市民热线问题，采用问题描述命名体识别算法对所述历史市民热线问题进行计算，得到所述市民热线问题对应的命名实体和问题描述；
特征向量计算模块，用于将所述命名实体和问题描述进行计算，得到所述命名实体和问题描述对应的特征向量；
聚类模块，用于采用聚类算法对所述特征向量进行聚类，将所述特征向量分为多个不同类型，得到不同历史市民热线问题的分类。
进一步的，所述聚类算法包括：余弦相似度算法、欧氏距离算法。
进一步的，还包括地理信息基础数据库构建模块，用于获取所述历史市民热线问题所在的地理位置信息，根据所述地理位置信息构建地理信息基础数据库；
所述地理信息基础数据库按照不同的市民热线问题对所述地理位置信息进行分类；
将不同类型的地理位置信息按照地理特征进行聚类分析和分类；其中，所述地理特征是指所述地理位置信息所在的位置具备的地理优势，包括教育资源、娱乐资源、交通资源。
本发明的第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理上述所述的市民热线问题主动治理方法。
本发明的第四方面提供一种电子设备，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述的市民热线问题主动治理方法。
本发明实施例提供的一种市民热线问题主动治理方法和装置，该方法利用历史数据、对历史数据进行分类挖掘、将市民热线问题的分类、地理位置信息进行多元数据关联，然后结合人工智能算法，建立高频问题识别模型，然后用建立的模型去预测某一个问题描述，自动预测出其他可能发生的区域和可能发生的频次，从而实现“主动治理、未诉先办”，通过解决一个诉求解决一类问题，通过一个案例带动一片治理，实现城市治理的智能化和科学化。
附图说明
图1是本发明一种市民热线问题主动治理方法流程图；
图２是本发明一种市民热线问题主动治理方法的模型预测过程示意图。
具体实施方式
以下结合附图对本发明进行说明，但不用来限制本发明的范围。
参见图1是本发明一种市民热线问题主动治理方法流程图，包括：
S1：获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类。
上述历史市民热线问题是指在某一时间段之前的市民热线问题。
本发明首先利用算法，将海量的历史市民热线问题描述成特征向量，利用利用余弦相似度、欧式距离等特征度量方法，把历史热线问题进行聚类分析。
S2：对不同类型的历史市民热线问题进行标记，得到带标记的历史市民热线问题。
对历史市民热线问题进行聚类分析后，得到多个不同类别的市民热线问题，根据聚类分析结果标记出高频问题。
S3：将所述历史市民热线问题采用问题描述命名体识别算法对所述市民热线问题进行识别，得到命名实体和问题描述；将所述命名实体和问题描述作为未训练高频问题识别模型的输入、所述标记作为所述高频问题识别模型的输出，对所述高频问题识别模型进行训练，得到训练后的高频问题识别模型。
而后利用深度学习算法，结合标记后的数据，训练出高频问题识别模型。
S４：获取待预测的市民热线问题对应的命名实体和问题描述分别输入至预先训练的地理匹配模型和所述高频问题识别模型进行计算根据所述计算结果判断是否属于高频问题，并得到所述市民热线问题所在的地理位置，调取相应解决方案并派单。
参见图2，是本发明实施例提供的一种市民热线问题主动治理方法的预测流程示意图，具体内容为：问题描述命名体识别：是算法模型的输入步骤，通过输入新接到的问题描述，利用自然语言处理算法的命名实体识别功能，对问题描述进行处理。
市民热线问题对应的命名实体和问题描述通过高频问题识别模型判断后，标注该市民热线问题是否属于高频问题。
在本发明实施例的可选实施方式中，还包括：
获取所述历史市民热线问题所在的地理位置信息，根据所述地理位置信息构建地理信息基础数据库；
所述地理信息基础数据库按照不同的市民热线问题对所述地理位置信息进行分类；
将不同类型的地理位置信息按照地理特征进行聚类分析和分类；其中，所述地理特征是指所述地理位置信息所在的位置具备的地理优势，包括教育资源、娱乐资源、交通资源等，例如，教育资源分类下，可以把周边教育资源丰富的小区聚合成一类。
在本发明实施例的可选实施方式中，还包括根据所述命名实体，将地理实体名，利用相似度算法，与所述地理信息基础数据库中的已有名称进行对比，选出相似度排名最高或达到预设相似度的标准地理名称，作为该问题描述的地理属性，该地理属性反映了该问题可能发生的地区。
最终将问题描述、此问题是否属于高频问题、问题类型、可能发生类似问题地区、问题最终解决方案、解决部门等基础信息输出、供业务***调用。
本发明实施例提供的一种市民热线问题主动治理方法和装置，该方法利用历史数据、对历史数据进行分类挖掘、将市民热线问题的分类、地理位置信息进行多元数据关联，然后结合人工智能算法，建立高频问题识别模型，然后用建立的模型去预测某一个问题描述，自动预测出其他可能发生的区域和可能发生的频次，从而实现“主动治理、未诉先办”，通过解决一个诉求解决一类问题，通过一个案例带动一片治理，实现城市治理的智能化和科学化。
下面举例对本发明实施例提供的一种市民热线问题主动治理方法进行说明。
例如，首先，根据地理信息，在教育类别下，将所有小区根据教育资源多寡进行聚类，后续比如接到一个新的市民热线问题“A小区提出孩子幼儿园入学难”的问题，则自动关联出与A小区地理情况类似（周边5公里内无幼儿园）的B小区、C小区，将此问题及处理方式直接同步到B小区和C小区的街道负责人，则可提前对类似问题进行预防或提早制定预案。同时，会利用高频问题判断模型分析此类问题是否为高频问题，发现为高频问题，则给教委等部门进行提前预警，帮助其做好预案或提前处理，在一些地区及时引入幼儿园教育资源。
本发明的第二方面还提供一种市民热线问题主动治理装置，包括：
获取模块，用于获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类；
标记模块，用于对不同类型的历史市民热线问题进行标记，得到带标记的历史市民热线问题；
训练模块，用于将所述历史市民热线问题采用问题描述命名体识别算法对所述市民热线问题进行识别，得到命名实体和问题描述；将所述命名实体和问题描述作为未训练高频问题识别模型的输入、所述标记作为所述高频问题识别模型的输出，对所述高频问题识别模型进行训练，得到训练后的高频问题识别模型；
获取待预测的市民热线问题对应的命名实体和问题描述输入至所述高频问题识别模型进行计算，根据所述计算结果判断调取相应问题解决方案并派单。
进一步的，所述获取模块包括：
获取子单元，用于获取历史市民热线问题，采用问题描述命名体识别算法对所述历史市民热线问题进行计算，得到所述市民热线问题对应的命名实体和问题描述；
特征向量计算模块，用于将所述命名实体和问题描述进行计算，得到所述命名实体和问题描述对应的特征向量；
聚类模块，用于采用聚类算法对所述特征向量进行聚类，将所述特征向量分为多个不同类型，得到不同历史市民热线问题的分类。
进一步的，所述聚类算法包括：余弦相似度算法、欧氏距离算法。
进一步的，还包括地理信息基础数据库构建模块，用于获取所述历史市民热线问题所在的地理位置信息，根据所述地理位置信息构建地理信息基础数据库；
所述地理信息基础数据库按照不同的市民热线问题对所述地理位置信息进行分类；
将不同类型的地理位置信息按照地理特征进行聚类分析和分类；其中，所述地理特征是指所述地理位置信息所在的位置具备的地理优势，包括教育资源、娱乐资源、交通资源。
本发明的第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理上述所述的市民热线问题主动治理方法。
本发明的第四方面提供一种电子设备，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述的市民热线问题主动治理方法。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.一种市民热线问题主动治理方法，其特征在于，包括步骤：
获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类；
对不同类型的历史市民热线问题进行标记，得到带标记的历史市民热线问题；
将所述历史市民热线问题采用问题描述命名体识别算法对所述市民热线问题进行识别，得到命名实体和问题描述；将所述命名实体和问题描述作为未训练高频问题识别模型的输入、所述标记作为所述高频问题识别模型的输出，对所述高频问题识别模型进行训练，得到训练后的高频问题识别模型；
获取待预测的市民热线问题对应的命名实体和问题描述分别输入至预先训练的地理匹配模型和所述高频问题识别模型进行计算根据所述计算结果判断是否属于高频问题，并得到所述市民热线问题所在的地理位置，调取相应解决方案并派单。
2.根据权利要求1所述的市民热线问题主动治理方法，其特征在于，所述获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类，具体包括：
获取历史市民热线问题，采用问题描述命名体识别算法对所述历史市民热线问题进行计算，得到所述市民热线问题对应的命名实体和问题描述；
将所述命名实体和问题描述进行计算，得到所述命名实体和问题描述对应的特征向量；
采用聚类算法对所述特征向量进行聚类，将所述特征向量分为多个不同类型，得到不同历史市民热线问题的分类。
3.根据权利要求２所述的市民热线问题主动治理方法，其特征在于，所述聚类算法包括：余弦相似度算法、欧氏距离算法。
4.根据权利要求1所述的市民热线问题主动治理方法，其特征在于，还包括：
获取所述历史市民热线问题所在的地理位置信息，根据所述地理位置信息构建地理信息基础数据库；
所述地理信息基础数据库按照不同的市民热线问题对所述地理位置信息进行分类；
将不同类型的地理位置信息按照地理特征进行聚类分析和分类；其中，所述地理特征是指所述地理位置信息所在的位置具备的地理优势。
5.一种市民热线问题主动治理装置，其特征在于，包括：
获取模块，用于获取历史市民热线问题，对所述历史市民热线问题进行分类预处理，得到不同历史市民热线问题的分类；
标记模块，用于对不同类型的历史市民热线问题进行标记，得到带标记的历史市民热线问题；
训练模块，用于将所述历史市民热线问题采用问题描述命名体识别算法对所述市民热线问题进行识别，得到命名实体和问题描述；将所述命名实体和问题描述作为未训练高频问题识别模型的输入、所述标记作为所述高频问题识别模型的输出，对所述高频问题识别模型进行训练，得到训练后的高频问题识别模型；
获取待预测的市民热线问题对应的命名实体和问题描述分别输入至预先训练的地理匹配模型和所述高频问题识别模型进行计算根据所述计算结果判断是否属于高频问题，并得到所述市民热线问题所在的地理位置，调取相应解决方案并派单。
6.根据权利要求５所述的市民热线问题主动治理装置，其特征在于，所述获取模块包括：
获取子单元，用于获取历史市民热线问题，采用问题描述命名体识别算法对所述历史市民热线问题进行计算，得到所述市民热线问题对应的命名实体和问题描述；
特征向量计算模块，用于将所述命名实体和问题描述进行计算，得到所述命名实体和问题描述对应的特征向量；
聚类模块，用于采用聚类算法对所述特征向量进行聚类，将所述特征向量分为多个不同类型，得到不同历史市民热线问题的分类。
7.根据权利要求６所述的市民热线问题主动治理装置，其特征在于，所述聚类算法包括：余弦相似度算法、欧氏距离算法。
8.根据权利要求５所述的市民热线问题主动治理装置，其特征在于，还包括地理信息基础数据库构建模块，用于获取所述历史市民热线问题所在的地理位置信息，根据所述地理位置信息构建地理信息基础数据库；
所述地理信息基础数据库按照不同的市民热线问题对所述地理位置信息进行分类；
将不同类型的地理位置信息按照地理特征进行聚类分析和分类；其中，所述地理特征是指所述地理位置信息所在的位置具备的地理优势，包括教育资源、娱乐资源、交通资源。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理权利要求1-4任一所述的市民热线问题主动治理方法。
10.一种电子设备，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行权利要求1-4任一所述的市民热线问题主动治理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110964823.6A CN113420059A (zh) | 2021-08-23 | 2021-08-23 | 一种市民热线问题主动治理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110964823.6A CN113420059A (zh) | 2021-08-23 | 2021-08-23 | 一种市民热线问题主动治理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113420059A true CN113420059A (zh) | 2021-09-21 |
Family
ID=77719050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110964823.6A Pending CN113420059A (zh) | 2021-08-23 | 2021-08-23 | 一种市民热线问题主动治理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113420059A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115860436A (zh) * | 2023-02-21 | 2023-03-28 | 齐鲁工业大学(山东省科学院) | 一种基于知识图谱的城市热线派单方法及*** |
| CN117251650A (zh) * | 2023-11-20 | 2023-12-19 | 之江实验室 | 地理热点中心识别方法、装置、计算机设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180330197A1 (en) * | 2017-05-11 | 2018-11-15 | Facebook, Inc. | Systems and methods for partitioning geographic regions |
| CN112131378A (zh) * | 2020-08-20 | 2020-12-25 | 彭涛 | 用于识别民生问题类别的方法、装置及电子设备 |
| CN112131382A (zh) * | 2020-08-20 | 2020-12-25 | 彭涛 | 民生问题高发地的识别方法、装置及电子设备 |
| CN112270188A (zh) * | 2020-11-12 | 2021-01-26 | 佰聆数据股份有限公司 | 一种提问式的分析路径推荐方法、***及存储介质 |
| CN113051905A (zh) * | 2019-12-28 | 2021-06-29 | 中移(成都)信息通信科技有限公司 | 训练医疗命名实体识别模型及医疗命名实体识别的方法 |
| CN113255352A (zh) * | 2021-05-12 | 2021-08-13 | 北京易华录信息技术股份有限公司 | 一种街道信息确定方法、装置及计算机设备 |
-
2021
- 2021-08-23 CN CN202110964823.6A patent/CN113420059A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180330197A1 (en) * | 2017-05-11 | 2018-11-15 | Facebook, Inc. | Systems and methods for partitioning geographic regions |
| CN113051905A (zh) * | 2019-12-28 | 2021-06-29 | 中移(成都)信息通信科技有限公司 | 训练医疗命名实体识别模型及医疗命名实体识别的方法 |
| CN112131378A (zh) * | 2020-08-20 | 2020-12-25 | 彭涛 | 用于识别民生问题类别的方法、装置及电子设备 |
| CN112131382A (zh) * | 2020-08-20 | 2020-12-25 | 彭涛 | 民生问题高发地的识别方法、装置及电子设备 |
| CN112270188A (zh) * | 2020-11-12 | 2021-01-26 | 佰聆数据股份有限公司 | 一种提问式的分析路径推荐方法、***及存储介质 |
| CN113255352A (zh) * | 2021-05-12 | 2021-08-13 | 北京易华录信息技术股份有限公司 | 一种街道信息确定方法、装置及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 雷霆 等: "基于NLP的新冠肺炎疫情研判***设计与实现", 《电信快报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115860436A (zh) * | 2023-02-21 | 2023-03-28 | 齐鲁工业大学(山东省科学院) | 一种基于知识图谱的城市热线派单方法及*** |
| CN115860436B (zh) * | 2023-02-21 | 2023-05-26 | 齐鲁工业大学(山东省科学院) | 一种基于知识图谱的城市热线派单方法及*** |
| CN117251650A (zh) * | 2023-11-20 | 2023-12-19 | 之江实验室 | 地理热点中心识别方法、装置、计算机设备和存储介质 |
| CN117251650B (zh) * | 2023-11-20 | 2024-02-06 | 之江实验室 | 地理热点中心识别方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lim et al. | Understanding the linkages of smart-city technologies and applications: Key lessons from a text mining approach and a call for future research | |
| Witlox et al. | The application of rough sets analysis in activity-based modelling. Opportunities and constraints | |
| CN113420059A (zh) | 一种市民热线问题主动治理方法和装置 | |
| CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
| CN109545218A (zh) | 一种语音识别方法及*** | |
| CN115828112A (zh) | 一种故障事件的响应方法、装置、电子设备及存储介质 | |
| CN113380043B (zh) | 一种基于深度神经网络计算的公交到站时间预测方法 | |
| CN110222866A (zh) | 结合口语化描述与问答的智能民事案件预测***及方法 | |
| CN109598931A (zh) | 基于交通安全风险的群体划分与差异性分析方法及*** | |
| CN109978215A (zh) | 巡防管理方法和装置 | |
| CN112884235A (zh) | 出行推荐方法、出行推荐模型的训练方法、装置 | |
| Ruas et al. | Conception of a GIS-Platform to simulate urban densification based on the analysis of topographic data | |
| CN113435867B (zh) | 智慧城市运营方法、***和可读存储介质 | |
| CN113159371B (zh) | 基于跨模态数据融合的未知目标特征建模与需求预测方法 | |
| CN113158084A (zh) | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 | |
| CN110362828B (zh) | 网络资讯风险识别方法及*** | |
| CN115935076A (zh) | 基于人工智能的旅游服务信息推送方法及*** | |
| CN115147248B (zh) | 一种基于大数据的旅游信息咨询***和方法 | |
| CN115410720A (zh) | 一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法 | |
| CN113221990A (zh) | 信息录入方法、装置及相关设备 | |
| KR101867586B1 (ko) | 영상 처리 장치 및 방법 | |
| CN115687632B (zh) | 一种刑事量刑情节分解分析的方法和*** | |
| CN111553600B (zh) | 基于大数据的智慧城市业务分配*** | |
| CN111639786B (zh) | 资源配置方法、装置、存储介质及计算机设备 | |
| CN108229691A (zh) | 数据有效性确定方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210921 |