KLCBL: 一种改进的警情分类模型
人工智能
2024-11-12 v1
摘要
警情数据对公共安全情报至关重要，但基层机构因人工效率低下和自动化系统局限而难以高效分类，尤其是在电信和网络欺诈案件中。本研究提出了一种多通道神经网络模型KLCBL，集成了Kolmogorov-Arnold网络(KAN)、语言增强文本预处理方法(LERT)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)，用于警情分类。在真实数据上的评估表明，KLCBL达到了91.9%的准确率，优于基线模型。该模型解决了分类挑战，提升了警务信息化水平，改善了资源分配，并为其他分类任务提供了广泛适用性。
引用
@article{arxiv.2411.06749,
title = {KLCBL: An Improved Police Incident Classification Model},
author = {Liu Zhuoxian and Shi Tuo and Hu Xiaofeng},
journal= {arXiv preprint arXiv:2411.06749},
year = {2024}
}