AI 申诉处理器：基于深度学习的政府服务公民申诉自动分类方法
计算与语言
2026-04-07 v1 人工智能
摘要
全球政府机构面临着日益增加的公民申诉，电子化提交数量在近年来显著上升。传统的手动处理方式平均耗时20分钟，仅达67%的分类准确率，导致公共服务 delivery 出现显著瓶颈。本文提出了 AI 申诉处理器（AI Appeals Processor），一个基于微服务的系统，集成了自然语言处理和深度学习技术，用于自动分类和路由公民申诉。我们评估了多种方法——包括基于 SVM 的词袋模型、基于 SVM 的 TF-IDF、fastText、Word2Vec+ LSTM 和 BERT——在1万条真实公民申诉（分为投诉、申请和提案三类，七个主题领域）上的表现。我们的实验表明，Word2Vec+ LSTM 架构达到了78%的分类准确率，同时将处理时间缩短了54%，在准确率和计算效率之间实现了最佳平衡，优于基于转换器的模型。
引用
@article{arxiv.2604.03672,
title = {AI Appeals Processor: A Deep Learning Approach to Automated Classification of Citizen Appeals in Government Services},
author = {Vladimir Beskorovainyi},
journal= {arXiv preprint arXiv:2604.03672},
year = {2026}
}
备注
10 pages, 0 figures, 5 tables