沈强 张涵 周亮 陈曦 任艾

上海市公安局科技处 上海 200042

引言

在警情领域，近年来数字化水平逐渐提升，很多城市将案件信息录入数据库中统一管理。然而如果各条案情的数据杂乱无章地存放，是没有意义的，因此在归档的过程中，用户需要将各条案件分门别类进行存储。同时，在数字化水平提高后，也产生了更多的需求，例如，对作案手法相同的案件进行分析，寻找其共同点，从而对预防案件发生和案件发生后的破案起到一定指导作用。因此，对于各个案件进行分类存储十分重要。若由用户人工对案件进行分类归档，是一项浩大的工程。为了节约人力成本，需要一个能将案件自动分类归档的工具。

文本分类任务是自然语言处理领域的研究热点之一。顾名思义，文本分类任务指的是对于文本集，按照规定的分类体系和分类准则，进行自动归类的过程。将文本分类任务应用于警情领域，对案件信息进行自动分类，可以有效减轻用户在将案件归档时的工作量，节约人力成本。

1 相关工作

随着自然语言处理领域的研究的不断突破，文本分类的技术也逐渐成熟，在文本分类方面的准确率也逐渐提高。传统机器学习算法中，常被用于进行文本分类的算法有：K近邻算法（K-Nearest Neighbor, KNN）、朴素贝叶斯算法和支持向量机（Support vector machine, SVM）等。可以从优化特征选择和结合关联规则优化算法模型两个角度，对KNN算法进行改进，提高文本分类的准确率[1]。也可以基于朴素贝叶斯算法和集成模型的思想，将高斯朴素贝叶斯、多项式朴素贝叶斯和伯努利朴素贝叶斯集成为深层朴素贝叶斯模型[2]。……