李铭鑫 尹凯倩 吴岳松 郭晨璐 李想

摘要：现阶段网络问政系统发展趋势较为缓慢，政府部门迫切需要提高管理水平和问题处理效率的方法，面对海量的留言文本，快速准确地处理留言成为目前急于解决的问题。该文通过对比现有的文本分类方式，通过Word2Vec模型对文本进行特征提取，获得初步词向量表示，构建了逻辑回归模型（LR）、朴素贝叶斯（Naïve Bayes）模型、TextCNN、TextRNN等分类模型对留言问题进行对比分类。

关键词：问政留言;数据挖掘;中文文本分类

中图分类号：TP3  文献标识码：A

文章编号：1009-3044（2021）29-0160-02

社情民意调查是采用科学的调查和统计学方法，对一定时期一定范围内的社会公众进行的对社会现实主观反应的调查，具有反映民意、引导舆论、决策参考、检验政策实效等作用。随着互联网的发展，社情民意调查的途径不断增加，微博，微信，市长信箱，阳光热线成为网络问政平台，成为政府了解民意、汇聚民智、凝聚民气的重要渠道。各类社情民意调查文本数量的不断增加，给留言划分以及热点整理工作带来了挑战[1]，因此，建立基于自然语言处理技术的“智慧政务”系统，提高政府部门管理水平和处理问题的效率成为政府的普遍需求，本文通过实验对比，找到一种相对合理的政务留言文本分类模型。

1预处理

1.1 Jieba分词和去停用词[2]

由于留言文本存在句子冗杂，主题不明确等问题，文本整体具有较强的干扰性和隐蔽性，导致文本分类识别存在着巨大的挑战。因此对中文文本一般进行分词（如Python语言中的jieba库），对收集到的每一条留言进行预处理工作，并通过预处理完成去停用词等操作。……