(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211039797.7 (22)申请日 2022.08.29 (71)申请人 长威信息科技发展股份有限公司 地址 350000 福建省福州市 保税区罗星东 路2号海峡经贸广场1#楼B3 05室 (72)发明人 陈征宇　林韶军　黄炳裕　戴文艳　 倪坤　黄河　王孝文　 (74)专利代理 机构 福州市鼓楼区京华专利事务 所(普通合伙) 35212 专利代理师 王美花 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/289(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (54)发明名称 一种城运事 件管理方法 (57)摘要 本发明提供了智慧城市管理技术领域的一 种城运事件管理方法， 包括： 步骤S10、 获取大量 的城运事件， 对城运事件进行预处理和标注得到 城运事件集； 步骤S20、 创建网格事件分类模型、 咨询件分类模型、 部门标签分类模型； 步骤S30、 利用城运事件集对网格事件分类模 型、 咨询件分 类模型以及部门标签分类模型进行训练； 步骤 S40、 对网格事件分类模型、 咨询件分类模型以及 部门标签分类模型进行优化； 步骤S50、 获取新城 运事件并进行重复校验； 步骤S60、 利用网格事件 分类模型、 咨询件分类模型、 部门标签分类模型 对新城运事件进行分类， 进而进行自动派发和管 理。 本发明的优点在于： 极大的提升了城运事件 分类的精度， 进而极大的提升了城运事件管理的 效率。 权利要求书2页 说明书7页 附图2页 CN 115481244 A 2022.12.16 CN 115481244 A 1.一种城运事 件管理方法， 其特 征在于： 包括如下步骤： 步骤S10、 获取大量的城运事件， 对各所述城运事件进行预处理和标注， 得到城运事件 集； 步骤S20、 创建一网格事 件分类模型、 一咨询件分类模型以及一部门标签分类模型； 步骤S30、 利用所述城运事件集分别对网格事件分类模型、 咨询件分类模型以及部门标 签分类模型进行训练； 步骤S40、 对训练后的所述网格事件分类模型、 咨询件分类模型以及部门标签分类模型 进行优化； 步骤S50、 获取待管理的新城运事 件， 对各所述新城运事 件进行重复校验； 步骤S60、 利用所述网格事 件分类模型对各新城运事 件进行网格事 件的分类； 步骤S70、 利用所述咨询件分类模型对各新城运事 件进行咨询件的分类； 步骤S80、 利用所述部门标签分类模型对各新城运事件进行部门标签的分类， 对分类后 的各所述城运事 件进行自动派发和管理。 2.如权利要求1所述的一种城运事 件管理方法， 其特 征在于： 所述 步骤S10具体包括： 步骤S11、 获取大量的城运事件， 所述城运事件的事件类型为网格事件或者非网格事 件， 所述非网格事件为咨询件或者非咨询件； 所述城运事件至少包括事件标题、 事件内容、 事件地点、 诉求类型、 投诉人、 事 件所述区划、 网格、 地址以及经纬度； 步骤S12、 对各所述城运事件的事件标题、 事件内容以及事件地点按预设的顺序进行拼 接， 并在拼接过程剔除重复的文本， 进 而得到拼接文本； 步骤S13、 对所述拼接文本进行分词操作 得到分词结果， 从所述分词结果中删除预设的 停用分词， 并对所述分词结果删除重复项， 再拼接组成事 件文本； 步骤S14、 对所述事件文本进行事件类型以及部门标签的标注， 基于标注后的各所述事 件文本组成城运事 件集。 3.如权利要求1所述的一种城运事件管理方法， 其特征在于： 所述步骤S20中， 所述网格 事件分类模型由Bert预训练模型、 Dropout层、 平均池化层以及全连接层依次连接组成， 激 活函数采用Softmax， 损失函数采用Focal Loss； 所述咨询件分类模型由B ert预训练模型、 Dropout层、 平均池化层以及全连接层依次连 接组成， 激活函数采用Sigmo id， 损失函数采用Focal Loss； 所述部门标签分类模型由B ert预训练模型、 Dropout层、 自注意力层以及全连接层依次 连接组成， 激活函数采用Sigmo id， 损失函数采用Focal Loss。 4.如权利要求3所述的一种城运事 件管理方法， 其特 征在于： 所述 步骤S30具体包括： 步骤S31、 设定一F1阈值、 一MicroF1阈值以及一MacroF1阈值； 步骤S32、 将所述城运事件集平均分成K份， 选取其中的(K ‑1)份作为训练集， 另外一份 作为验证集； 步骤S33、 利用所述训练集先对Bert预训练模型进行预训练， 再利用SimBert模型对所 述训练集的相似文本进行扩充， 并对标注的标签进行平滑修正， 最后分别对所述网格事件 分类模型、 咨询件分类模型以及部门标签分类模型进行对抗训练和混合精度训练； 步骤S34、 利用所述验证集分别对网格事件分类模型、 咨询件分类模型以及部门标签分 类模型进行验证， 判断所述网格事件分类模型的MacroF1是否大于所述MacroF1阈值， 判断权　利　要　求　书 1/2 页 2 CN 115481244 A 2所述咨询件分类模型的F1值至是否大于所述F1阈值， 判断所述部门标签分类模型的 MicroF1是否大于所述MicroF1阈值， 若是， 则完成训练， 并进入步骤S40； 若否， 则扩充所述 训练集并继续训练； 所述F1值为精确率和召回率的调和值； 所述MicroF1表示直接使用总体样本的准确率 和召回率来计算F1值； 所述MacroF1表示计算每个类别的准确率和召回率得出每个类别的 F1值并取平均值； 所述精确率表示正确预测的正样本数量与预测为正例的样本总数的比 值； 所述召回率表示 正确预测的正样本数量与实际正样本总数的比值。 5.如权利要求1所述的一种城运事 件管理方法， 其特 征在于： 所述 步骤S40具体包括： 步骤S41、 判断所述训练集中各类别的样本量是否少于总样本量的预设比例， 若是， 则 将对应类别样本的类别阈值降低为原来的0.8倍， 并进入步骤S42； 若否， 则进入步骤S42； 步骤S42、 预设若干个对应不同权重的关键词， 基于所述关键词匹配所述训练集中的各 样本， 进而调整各样本的权 重进行训练。 6.如权利要求1所述的一种城运事 件管理方法， 其特 征在于： 所述 步骤S50具体为： 获取待管理的新城运事件， 对各所述新城运事件进行预处理后， 计算各所述新城运事 件的文本 向量， 基于所述文本 向量遍历计算与各历史城运事件的内积相似度， 基于所述内 积相似度对各新城运事 件进行重复校验， 删除重复项并记录日志。 7.如权利要求1所述的一种城运事 件管理方法， 其特 征在于： 所述 步骤S60具体为： 利用所述网格事件分类模型将各新城运事件划分为网格事件和非网格事件， 若为网格 事件， 则将对应的所述新城运事件自动派发给网格平台进行 处理； 若为 非网格事件， 则进入 步骤S70。 8.如权利要求1所述的一种城运事 件管理方法， 其特 征在于： 所述 步骤S70具体包括： 步骤S71、 利用所述咨询件分类模型将各新城运事件划分为咨询件和非咨询件， 若为咨 询件， 则进入步骤S72； 若为非咨询件， 则自动派发给对应的街道进行处 理； 步骤S72、 判断接收所述新城运事件 的中心是否能回复， 若是， 则直接处理回复， 若否， 则进入步骤S 80。 9.如权利要求1所述的一种城运事 件管理方法， 其特 征在于： 所述 步骤S80具体为： 利用所述部门标签分类模型对各新城运事件进行部门标签的分类， 进而将各所述新城 运事件基于部门标签自动派发给对应的部门进行处 理。权　利　要　求　书 2/2 页 3 CN 115481244 A 3