[发明专利]基于LDA主题模型的文本分类系统、方法和警情分类系统和方法

说明书

本申请公开基于LDA主题模型的文本分类系统、方法和警情分类系统和方法，所述文本分类方法包括：采集待分类文本；对所述待分类文本分词，基于词袋模型，构件所述待分类文本的文本和文本中词的tf‑idf向量集；通过LSA算法，基于所述待分类文本的文本和文本中词的tf‑idf向量集，拟合LDA主题模型中文本、文本主题以及文本中词的两两相关的分布。

技术领域

本发明涉及一种分类方法，尤其涉及一种基于LDA主题模型的文本分类系统、方法和警情分类系统和方法。

背景技术

政府应急调度系统是以统一处理、分类处警为核心，报警电话受理子系统是 110综合指挥系统的语音门户，提供了110、119及122三种特服号报警电话的接入服务。通过智能化手段提升处理效率、完善警情管理和处置机制，提高警务工作效率，支持警情信息的监控与可视化管理，支持对报警案件的加载显示，快速定位报案地点，同时可查看周边视频和警力资源，对警情进行分析，实时监控各类警情的趋势和异常变化，辅助处理紧急事务人员对警情进行合理评估，为合理调整警力部署提供决策依据。

电话处理流程中，警务人员需要和报警人沟通明确案由、案发地址及相关信息，然后基于沟通的内容填报案情电子表单。目前行业通常做法仍然是处理员全程完成沟通与填报工作，费时费力。随着人工智能的发展，行业出现了试图通过 AI来智能辅助处理过程。

专利CN112015901A公开一种文本分类方法及装置、警情分析系统，其基于有监督学习的神经网络的方式，对警情文本进行案由分类分类，它在一定程度上能提升处理智能化水平，可实现案由等信息的自动推荐填写。它的技术实现方法简述为：基于预训练的CNN提取词向量的局部特征，然后基于局部特征向量，使用带Attention机制的RNN网络对局部特征向量进行特征抽取得到全局的语义特征向量，然后基于Softmax网络层对全局语义进行分类。

上述基于神经网络的实现方法面临着两个问题：

1、警情文本样本量规模需要达到量级，案由分类到小类多达几百种，要求小概率发生的案由事件的样本量也要达到一定数量，否则案由的分类仍然会大打折扣，最终导致分类不准确，从而使后续容易出现错误匹配；此外，由于这种方式需要大规模量样本，因此，对于小概率案由时间的处置效率比较低；

2、神经网络的可解释性不够友好，对于警情数据具有显著的特征效应的文本，神经网络在可解释性的特征及拓展性方面显得不足，例如派警能力的智能推荐功能的延展，警情文本不仅仅识别传统的案由、地址等信息，需要动态拓展到涉案人数等数据，这样也会导致分类不准确，从而使后续容易出现错误匹配。

发明内容

本发明的一个优势在于提供一种基于LDA主题模型的文本分类系统、方法和警情分类系统和方法，其中基于所述文本分类方法应对警情文本时，能够高效地处理小概率案由。

本发明的另一个优势在于提供一种基于LDA主题模型的文本分类系统、方法和警情分类系统和方法，其中基于所述文本分类方法应对警情文本时，能够有效地提高实时警情的识别精度。

本发明的另一个优势在于提供一种基于LDA主题模型的文本分类系统、方法和警情分类系统和方法，其中基于所述文本分类方法应对警情文本时，能够将同一案由的相近似的语言描述相关联，从而能够提高时警情的识别的准确度。

为达到本发明以上至少一个优势，本发明提供一种文本分类方法，所述文本分类方法包括：

采集待分类文本；

对所述待分类文本分词，基于词袋模型，构件所述待分类文本的文本和文本中词的tf-idf向量集；

通过LSA算法，基于所述待分类文本的文本和文本中词的tf-idf向量集，拟合LDA主题模型中文本、文本主题以及文本中词的两两相关的分布。

根据本发明一实施例，采集的所述待分类文本为通过ASR技术转化语音后的文本。