文献类型：期刊文章

作　　者：王孟轩[1,2] 张胜[1,2] 王月[1,2] 雷霆[1,2] 杜渂[1,2]

WANG Mengxuan;ZHANG Sheng;WANG Yue;LEI Ting;DU Wen(First Institute of telecommunications technology,Shanghai 200032,China;DS Information Technology Co.,Ltd.,Shanghai 200032,China)

机构地区：[1]电信科学技术第一研究所,上海200032 [2]迪爱斯信息技术股份有限公司,上海200032

出　　处：《应用科学学报》

基　　金：工业和信息化部2018年大数据产业发展试点项目基金;上海市信息化发展专项资金(No.201901043,No.201901003);上海市人工智能创新发展专项基金(No.2018-RGZN-01013,No.2019-RGZN-01080);上海市软件和集成电路产业发展专项资金(No.190234)资助。

年　　份：2020

卷　　号：38

期　　号：3

起止页码：388-400

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对某市公安110接处警文本描述进行案件分类的需求,参考现有文本分类方法在其他行业的应用,搭建了应用于警情描述的文本分类系统.通过论证常见分类网络适用场合及其优缺点,结合对警情数据中案件描述特征的分析,提出了基于改进卷积循环神经网络的模型,该模型优化了关键特征提取过程,弥补了现有模型短文本局部特征提取不足的缺陷.实验表明,该模型的准确率比常见分类模型提升了2%~3%,且能够有效保证数据局部特征的关联性,可以对案件描述所对应的案件类型进行准确分类,从而提高公安接处警平台的自动化效率.

关 键 词：警情文本处理  文本分类 卷积神经网络 双向长短时记忆  SelfAttention  

分 类 号：P751.1]