用于智能调度中居民诉求分类的混合机器学习模型
计算与语言
2019-12-24 v1 机器学习
摘要
本文提出一种混合机器学习方法，用于在智慧城市数字政府服务愿景下，将自然语言描述的居民诉求分类至负责部门，并由这些部门及时向居民反馈。自然语言描述的居民诉求覆盖城市日常运行的几乎方方面面。因此负责部门细粒度甚至到本地社区层级。每个诉求样本没有特定的通用类别或标签。这给监督分类方案带来两个问题：(1) 诉求样本数据不平衡；(2) 缺乏用于训练的特定标签。为解决这些问题，我们研究了一种混合机器学习方法，其通过无监督聚类算法生成元类标签；应用两种词嵌入方法与三种分类器（包括两个层次分类器与一个残差卷积神经网络）；并选取性能最优的分类器作为分类结果。我们证明相比两个基准机器学习模型——朴素贝叶斯分类器与多层感知机(MLP)，我们的方法分类任务表现更优。此外，层次分类方法提供了对分类错误来源的洞察。
引用
@article{arxiv.1912.10546,
title = {Hybrid Machine Learning Models of Classifying Residential Requests for Smart Dispatching},
author = {T. Chen and J. Sun and H. Lin and Y. Liu},
journal= {arXiv preprint arXiv:1912.10546},
year = {2019}
}
备注
22 pages, Cyberspace Data and Intelligence, and Cyber-Living, Syndrome, and Health. Springer, Singapore, 2019. 357-378