本發(fā)明屬于數(shù)字化社會(huì)治理領(lǐng)域，尤其涉及一種基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦方法及裝置。

背景技術(shù)：

1、現(xiàn)階段在基層社會(huì)網(wǎng)格治理工作中尚未有一個(gè)權(quán)威的、科學(xué)的復(fù)雜事件處置方式、方法，主要通過(guò)矛源治理、多元協(xié)商等手段來(lái)進(jìn)行調(diào)解，其背后更多依賴經(jīng)濟(jì)發(fā)展水平、專家經(jīng)驗(yàn)，存在橫向組織間職責(zé)不清、縱向關(guān)系不協(xié)調(diào)等問(wèn)題，缺乏一個(gè)科學(xué)的、規(guī)范的基層社會(huì)網(wǎng)格治理指導(dǎo)性規(guī)范。

2、深度學(xué)習(xí)模型在自然語(yǔ)言處理領(lǐng)域擁有較好的效果已成為行業(yè)共識(shí)，?在基層社會(huì)網(wǎng)格治理復(fù)雜事件中，目前主流的機(jī)制智能推薦技術(shù)以自然語(yǔ)言模型如bert和transformer等，對(duì)文本進(jìn)行編碼并分類輸出為主。

3、在具體實(shí)踐過(guò)程中，發(fā)現(xiàn)目前的智能機(jī)制推薦技術(shù)，對(duì)于涉及復(fù)雜機(jī)制關(guān)系和事件要素的處理中，尤其在復(fù)雜事件的機(jī)制推薦中，直接依賴深度學(xué)習(xí)模型進(jìn)行分類預(yù)測(cè)，難以達(dá)到精準(zhǔn)性和高效性。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，本申請(qǐng)實(shí)施例的目的是提供一種基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦方法及裝置。

2、根據(jù)本申請(qǐng)實(shí)施例的第一方面，提供一種基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦方法，包括：

3、對(duì)接第三方信息化平臺(tái)，以接口或數(shù)據(jù)庫(kù)直連的方式獲取基層社會(huì)網(wǎng)格治理的待處理事件，對(duì)所述待處理事件提取第一特征；

4、采用繁簡(jiǎn)分類模型，基于所述第一特征，將所述待處理事件劃分為簡(jiǎn)單事件或復(fù)雜事件；

5、若所述待處理事件為復(fù)雜事件，則通過(guò)向量化檢索和機(jī)器學(xué)習(xí)的方法為其推薦相應(yīng)的處理機(jī)制，分別得到其屬于各處理機(jī)制的第一概率和第二概率，對(duì)所述第一概率和第二概率進(jìn)行排序，從而為其推薦概率最高的處理機(jī)制。

6、進(jìn)一步地，對(duì)所述待處理事件提取第一特征，具體為：

7、若所述待處理事件為結(jié)構(gòu)化數(shù)據(jù)，則直接提取第一特征；

8、若所述待處理事件為非結(jié)構(gòu)化數(shù)據(jù)，則通過(guò)人工標(biāo)注和要素提取的方式提取第一特征。

9、進(jìn)一步地，通過(guò)向量化檢索方法為所述待處理事件推薦相應(yīng)的處理機(jī)制，分別得到其屬于各處理機(jī)制的第一概率，包括：

10、對(duì)所述待處理事件的文本內(nèi)容進(jìn)行向量化編碼；

11、將編碼后的事件在存儲(chǔ)有事件案例的elasticsearch數(shù)據(jù)庫(kù)中并進(jìn)行檢索，得到相似度最高的若干相似事件；

12、根據(jù)各相似事件對(duì)應(yīng)的處理機(jī)制，設(shè)置所述待處理事件屬于各處理機(jī)制的第一概率。

13、進(jìn)一步地，通過(guò)機(jī)器學(xué)習(xí)方法為所述待處理事件推薦相應(yīng)的處理機(jī)制，分別得到其屬于各處理機(jī)制的第二概率，包括：

14、對(duì)所述待處理事件進(jìn)行語(yǔ)義重塑；

15、利用大語(yǔ)言模型，對(duì)語(yǔ)義重塑后的待處理事件提取關(guān)鍵詞并量化，得到事件程度量化值；

16、提取所述待處理事件的第二特征，所述第二特征包括涉案人數(shù)、標(biāo)的金額量化值、事件程度量化值、事件類型和事件主題；

17、基于所述第二特征，利用預(yù)訓(xùn)練的多分類模型對(duì)所述待處理事件進(jìn)行分類，得到其屬于各處理機(jī)制的第二概率。

18、進(jìn)一步地，利用大語(yǔ)言模型，對(duì)語(yǔ)義重塑后的待處理事件提取關(guān)鍵詞并量化，得到事件程度量化值，具體為：

19、利用大語(yǔ)言模型，對(duì)語(yǔ)義重塑后的待處理事件提取關(guān)鍵詞；

20、根據(jù)關(guān)鍵詞的語(yǔ)義模糊程度及對(duì)應(yīng)行為的影響程度，對(duì)所述關(guān)鍵詞進(jìn)行量化，得到事件程度量化值。

21、進(jìn)一步地，所述標(biāo)的金額量化值通過(guò)如下方式得到：

22、對(duì)提取出的所述待處理事件中的金額取最大值作為標(biāo)的金額；

23、將所述標(biāo)的金額根據(jù)預(yù)定的分割范圍對(duì)應(yīng)到相應(yīng)的量化數(shù)值，即得到標(biāo)的金額量化值。

24、根據(jù)本申請(qǐng)實(shí)施例的第二方面，提供一種基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦裝置，包括：

25、特征提取模塊，用于對(duì)接第三方信息化平臺(tái)，以接口或數(shù)據(jù)庫(kù)直連的方式獲取基層社會(huì)網(wǎng)格治理的待處理事件，對(duì)所述待處理事件提取第一特征；

26、繁簡(jiǎn)分類模塊，用于采用繁簡(jiǎn)分類模型，基于所述第一特征，將所述待處理事件劃分為簡(jiǎn)單事件或復(fù)雜事件；

27、機(jī)制推薦模塊，用于若所述待處理事件為復(fù)雜事件，則通過(guò)向量化檢索和機(jī)器學(xué)習(xí)的方法為其推薦相應(yīng)的處理機(jī)制，分別得到其屬于各處理機(jī)制的第一概率和第二概率，對(duì)所述第一概率和第二概率進(jìn)行排序，從而為其推薦概率最高的處理機(jī)制。

28、根據(jù)本申請(qǐng)實(shí)施例的第三方面，提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的方法。

29、根據(jù)本申請(qǐng)實(shí)施例的第四方面，提供一種電子設(shè)備，包括：

30、一個(gè)或多個(gè)處理器；

31、存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序；

32、當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如第一方面所述的方法。

33、根據(jù)本申請(qǐng)實(shí)施例的第四方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)指令，該指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述方法的步驟。

34、本申請(qǐng)的實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

35、由上述實(shí)施例可知，本申請(qǐng)針對(duì)社會(huì)治理領(lǐng)域構(gòu)建基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦的方法及裝置。本申請(qǐng)利用基層工作人員上報(bào)事件或第三方軟件平臺(tái)對(duì)接的事件數(shù)據(jù)，充分結(jié)合專家經(jīng)驗(yàn)和機(jī)器學(xué)習(xí)相關(guān)模型對(duì)其進(jìn)行簡(jiǎn)單事件和復(fù)雜事件的劃分。再針對(duì)復(fù)雜事件結(jié)合向量化檢索和機(jī)器學(xué)習(xí)的方法進(jìn)行機(jī)制智能推薦，利用深度神經(jīng)網(wǎng)絡(luò)模型和大預(yù)言模型對(duì)復(fù)雜事件內(nèi)在的語(yǔ)義、要素及其他因素進(jìn)行充分分析，實(shí)現(xiàn)處理機(jī)制的預(yù)測(cè)，可以實(shí)現(xiàn)對(duì)復(fù)雜事件的快速響應(yīng)和有效處置。而智能化技術(shù)的運(yùn)用則能夠進(jìn)一步提升治理的精準(zhǔn)性和高效性，為基層社會(huì)治理注入新的活力。

36、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本申請(qǐng)。

技術(shù)特征：

1.一種基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)所述待處理事件提取第一特征，具體為：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過(guò)向量化檢索方法為所述待處理事件推薦相應(yīng)的處理機(jī)制，分別得到其屬于各處理機(jī)制的第一概率，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過(guò)機(jī)器學(xué)習(xí)方法為所述待處理事件推薦相應(yīng)的處理機(jī)制，分別得到其屬于各處理機(jī)制的第二概率，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，利用大語(yǔ)言模型，對(duì)語(yǔ)義重塑后的待處理事件提取關(guān)鍵詞并量化，得到事件程度量化值，具體為：

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述標(biāo)的金額量化值通過(guò)如下方式得到：

7.一種基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦裝置，其特征在于，包括：

8.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的方法。

9.一種電子設(shè)備，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)指令，其特征在于，該指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6中任一項(xiàng)所述方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基層社會(huì)網(wǎng)格治理復(fù)雜事件機(jī)制智能推薦方法及裝置，該方法包括：對(duì)接第三方信息化平臺(tái)，以接口或數(shù)據(jù)庫(kù)直連的方式獲取基層社會(huì)網(wǎng)格治理的待處理事件，對(duì)所述待處理事件提取第一特征；采用繁簡(jiǎn)分類模型，基于所述第一特征，將所述待處理事件劃分為簡(jiǎn)單事件或復(fù)雜事件；若所述待處理事件為復(fù)雜事件，則通過(guò)向量化檢索和機(jī)器學(xué)習(xí)的方法為其推薦相應(yīng)的處理機(jī)制，分別得到其屬于各處理機(jī)制的第一概率和第二概率，對(duì)所述第一概率和第二概率進(jìn)行排序，從而為其推薦概率最高的處理機(jī)制，可以實(shí)現(xiàn)對(duì)復(fù)雜事件的快速響應(yīng)和有效處置。而智能化技術(shù)的運(yùn)用則能夠進(jìn)一步提升治理的精準(zhǔn)性和高效性，為基層社會(huì)治理注入新的活力。

技術(shù)研發(fā)人員：魏斌,胡銘,于祥雨,姚昱材
受保護(hù)的技術(shù)使用者：浙江大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10