Please wait a minute...
Advanced Search
数据分析与知识发现  2020, Vol. 4 Issue (6): 51-59     https://doi.org/10.11925/infotech.2096-3467.2019.1182
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
基于文本分类的政府网站信箱自动转递方法研究*
王思迪1,2,胡广伟1,2(),杨巳煜1,2,施云1
1南京大学信息管理学院 南京 210023
2南京大学政务数据资源研究所 南京 210023
Automatic Transferring Government Website E-Mails Based on Text Classification
Wang Sidi1,2,Hu Guangwei1,2(),Yang Siyu1,2,Shi Yun1
1School of Information Management, Nanjing University, Nanjing 210023, China
2Government Data Resources Institution of Nanjing University, Nanjing 210023, China
全文: PDF (1183 KB)   HTML ( 6
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】 为改善政府网站领导信箱传统人工转递方式存在的人力、时间成本较高以及工作人员负担较重等问题,研究网站来信的自动转递方法。【方法】 选择较有代表性的分类算法,包括朴素贝叶斯、决策树、随机森林以及多层神经网络,对北京、合肥和深圳的市长信箱文本数据进行对比实验,进而设计一套基于文本分类的政府网站信箱自动转递方法,并给出相应的应用建议。【结果】 神经网络算法在市长信箱文本的分类表现最优,宏平均精确度和召回率均达0.85以上,且所有微平均指标均达0.93以上;朴素贝叶斯算法次之;随机森林算法的宏平均精确度很高,但召回率较差;决策树算法的精确度和召回率都较一般。【局限】 未能兼顾来信数量不均衡对结果的影响,且实验时剔除了数据量过小的部门的来信数据,这在实际应用中可能会存在一定偏差。【结论】 本文设计的政府网站信箱自动转递方法能够优化领导信箱运作机制,对提升线上政民互动效率,降低人力及行政成本具有积极意义。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
王思迪
胡广伟
杨巳煜
施云
关键词 领导信箱自动转递文本分类多层神经网络流程优化    
Abstract

[Objective] This research proposes a method to automatically transferring e-mails received by government websites, aiming to reduce labor costs of managing public email boxes. [Methods] First, we chose four representative classification algorithms, including Naïve Bayes, Decision Tree, Random Forest and Multi-Layer Perception, and compared their classification resutls of e-mails received by the websites of Mayor’s Offices in Beijing, Hefei and Shenzhen. Then, we designed a method of automatically transferring these emails. Finally, we gave suggestions on the application of our method in the real world settings. [Results] Multi-Layer Perception yielded the best performance in our study, with the macro average precision and recall reaching more than 0.85, and all micro average indicators reaching more than 0.93. Naïve Bayes took the second place. Random Forest had a high macro average precision, but poor recall score. Decision Tree had an average precision and recall results. [Limitations] We did not examine the impacts of skewed distribution of received emails and eliminated the departments receiving few emails. [Conclusions] The proposed method optimizes the operation of public e-mails, which improves the efficiency of online government and reduces administrative costs.

Key wordsLeader’s Mailbox    Automatic Transfer    Text Classification    Multi-Layer Perception    Process Optimization
收稿日期: 2019-10-31      出版日期: 2020-07-07
ZTFLH:  TP39 G35  
基金资助:*本文系国家自然科学基金面上项目“电子政务服务价值共创机制及实现模式实证研究”的研究成果之一。(71573117)
通讯作者: 胡广伟     E-mail: hugw@nju.edu.cn
引用本文:   
王思迪,胡广伟,杨巳煜,施云. 基于文本分类的政府网站信箱自动转递方法研究*[J]. 数据分析与知识发现, 2020, 4(6): 51-59.
Wang Sidi,Hu Guangwei,Yang Siyu,Shi Yun. Automatic Transferring Government Website E-Mails Based on Text Classification. Data Analysis and Knowledge Discovery, 2020, 4(6): 51-59.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2019.1182      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2020/V4/I6/51
城市 部门数(个) 数据量(条)
北京市 16 10 703
合肥市 27 36 142
深圳市 33 37 053
Table 1  数据集介绍
Fig.1  实验步骤
算法 分类效果指标 宏平均 微平均
北京 合肥 深圳 北京 合肥 深圳
NB Precision 0.9085 0.8762 0.8470 0.9514 0.8985 0.9228
Recall 0.9048 0.8368 0.8260 0.9514 0.8985 0.9228
F1值 0.9035 0.8527 0.8323 0.9514 0.8985 0.9228
AUC 0.9952 0.9890 0.9852 0.9967 0.9946 0.9941
DT Precision 0.8227 0.7222 0.7383 0.9052 0.8386 0.8697
Recall 0.8037 0.7045 0.7017 0.9052 0.8386 0.8697
F1值 0.8103 0.7112 0.7163 0.9052 0.8386 0.8697
AUC 0.8985 0.8490 0.8487 0.9494 0.9162 0.9328
RF Precision 0.9621 0.9484 0.9204 0.9393 0.8590 0.9104
Recall 0.7844 0.5880 0.6755 0.9393 0.8590 0.9104
F1值 0.8396 0.6659 0.7463 0.9393 0.8590 0.9104
AUC 0.9975 0.9886 0.9912 0.9969 0.9918 0.9958
MLP Precision 0.9367 0.9133 0.8828 0.9650 0.9347 0.9440
Recall 0.9184 0.8893 0.8574 0.9650 0.9347 0.9440
F1值 0.9256 0.8999 0.8679 0.9650 0.9347 0.9440
AUC 0.9990 0.9950 0.9940 0.9995 0.9970 0.9975
Table 2  分类效果指标数值
Fig.2  4种算法的ROC曲线
Fig.3  4种算法的部门分类结果
样本数 Precision Recall F1值
样本数 1.000 0 0.417 1 0.379 3 0.430 7*
Precision 1.000 0 0.601 0** 0.819 7***
Recall 1.000 0 0.950 1***
F1值 1.000 0
Table 3  部门样本数与分类结果指标相关性分析
Fig.4  政府网站信箱部门间自动转递流程
[1] 孙宗锋, 赵兴华. 网络情境下地方政府政民互动研究——基于青岛市市长信箱的大数据分析[J]. 电子政务, 2019(5):12-26.
[1] ( Sun Zongfeng, Zhao Xinghua. A Study on the Interaction Between the Government and the People in the Internet-Based on the Big Data Analysis of the Mayor’s Mailbox of Qingdao[J]. E-Government, 2019(5):12-26.)
[2] 于君博, 李慧龙, 于书鳗. “网络问政”中的回应性——对K市领导信箱的一个探索性研究[J]. 长白学刊, 2018(2):65-74.
[2] ( Yu Junbo, Li Huilong, Yu Shuman. Responsiveness in “Governing Online”—An Exploratory Study on K City’s Leader Mailbox[J]. Changbai Journal, 2018(2):65-74.)
[3] 郑俊田, 郜媛莹, 顾清. 地方政府权力清单制度体系建设的实践与完善[J]. 中国行政管理, 2016(2):6-9.
[3] ( Zheng Juntian, Gao Yuanying, Gu Qing. Practice and Perfection of Local Governmental Administrative Power List System Construction[J]. Chinese Public Administration, 2016(2):6-9.)
[4] 王珺. 基于文本特征识别的电子档案自动归类系统研究[J]. 现代电子技术, 2019,42(18):45-49.
[4] ( Wang Jun. Research on Electronic Archive Automatic Classification System Based on Text Feature Recognition[J]. Modern Electronics Technique, 2019,42(18):45-49.)
[5] 李湘东, 徐朋, 黄莉, 等. 基于KNN算法的文本自动分类方法研究——以学术期刊栏目自动归类为例[J]. 图书情报知识, 2010(4):71-76.
[5] ( Li Xiangdong, Xu Peng, Huang Li, et al. Research of Journals Manuscript Categorization Based on KNN Algorithm[J]. Document, Information & Knowledge, 2010(4):71-76.)
[6] 李成铭. 基于文本特征提取技术的在线人职匹配研究及应用[D]. 成都:电子科技大学, 2017.
[6] ( Li Chengming. Research and Application of Talent Job Online Matching Based on Text Feature Extraction Technology[D]. Chengdu:University of Electronic Science and Technology of China, 2017.)
[7] 王若佳, 张璐, 王继民. 基于机器学习的在线问诊平台智能分诊研究[J]. 数据分析与知识发现, 2019,3(9):88-97.
[7] ( Wang Ruojia, Zhang Lu, Wang Jimin. Automatic Triage of Online Doctor Services Based on Machine Learning[J]. Data Analysis and Knowledge Discovery, 2019,3(9):88-97.)
[8] Kim K, Zzang S Y. Trigonometric Comparison Measure: A Feature Selection Method for Text Categorization[J]. Data & Knowledge Engineering, DOI: 10.1016/j.datak.2018.10.003.
doi: 10.1016/j.datak.2011.03.009 pmid: 21765568
[9] Ghareb A S, Bakara A A Al-Radaideh Q A, et al. Enhanced Filter Feature Selection Methods for Arabic Text Categorization[J]. International Journal of Information Retrieval Research (IJIRR), 2018,8(2):1-24.
[10] Hartmann J, Huppertz J, Schamp C, et al. Comparing Automated Text Classification Methods[J]. International Journal of Research in Marketing, 2019,36(1):20-38.
doi: 10.1016/j.ijresmar.2018.09.009
[11] 田欢, 李红莲, 吕学强, 等. 基于改进BP神经网络的学术活动文本分类[J]. 北京信息科技大学学报(自然科学版), 2018,33(5):38-44.
[11] ( Tian Huan, Li Honglian, Lv Xueqiang, et al. Text Categorization of Academic Activities Based on an Improved BP Neural Network[J]. Journal of Beijing Information Science & Technology University, 2018,33(5):38-44.)
[12] 刘浏, 王东波. 基于论文自动分类的社科类学科跨学科性研究[J]. 数据分析与知识发现, 2018,2(3):30-38.
[12] ( Liu Liu, Wang Dongbo. Identifying Interdisciplinary Social Science Research Based on Article Classification[J]. Data Analysis and Knowledge Discovery, 2018,2(3):30-38.)
[13] Gauld R, Flett J, McComb S, et al. How Responsive are Government Agencies When Contacted by Email? Findings from a Longitudinal Study in Australia and New Zealand[J]. Government Information Quarterly, 2016,33(2):283-290.
doi: 10.1016/j.giq.2016.03.004
[14] 李慧龙, 于君博. 数字政府治理的回应性陷阱——基于东三省“地方领导留言板”的考察[J]. 电子政务, 2019(3):72-87.
[14] ( Li Huilong, Yu Junbo. The Responsive Trap of Digital Government Governance-Based on the Investigation of “Message Board of Local Leaders” in Three Northeastern Provinces[J]. E-Government, 2019(3):72-87.)
[15] Ong C S, Wang S W. Managing Citizen-Initiated Email Contacts[J]. Government Information Quarterly, 2009,26(3):498-504.
doi: 10.1016/j.giq.2008.07.005
[16] 胡佳妮, 徐蔚然, 郭军, 等. 中文文本分类中的特征选择算法研究[J]. 光通信研究, 2005(3):44-46.
[16] ( Hu Jiani, Xu Weiran, Guo Jun, et al. Study on Feature Selection Methods in Chinese Text Categorization[J]. Study on Optical Communications, 2005(3):44-46.)
[17] 张志飞, 苗夺谦, 高灿. 基于LDA 主题模型的短文本分类方法[J]. 计算机应用, 2013,33(6):1587-1590.
doi: 10.3724/SP.J.1087.2013.01587
[17] ( Zhang Zhifei, Miao Duoqian, Gao Can. Short Text Classification Using Latent Dirichlet Allocation[J]. Journal of Computer Applications, 2013,33(6):1587-1590.)
doi: 10.3724/SP.J.1087.2013.01587
[18] Salton G, Wong A, Yang C S. A Vector Space Model for Automatic Indexing[J]. Communications of the ACM, 1975,18(11):613-620.
doi: 10.1145/361219.361220
[19] Manning C, Raghavan P, Schütze H. Introduction to Information Retrieval[M]. Cambridge University Press, 2008.
[20] Breiman L. Random Forests[J]. Machine Learning, 2001,45(1):5-32.
doi: 10.1023/A:1010933404324
[21] Breiman L, Friedman J, Stone C J, et al. Classification and Regression Trees[M]. CRC Press, 1984.
[22] Hinton G E. Connectionist Learning Procedures[J]. Artificial Intelligence, 1989,40(1-3):185-234.
doi: 10.1016/0004-3702(89)90049-0
[1] 唐晓波,高和璇. 基于关键词词向量特征扩展的健康问句分类研究 *[J]. 数据分析与知识发现, 2020, 4(7): 66-75.
[2] 徐月梅,刘韫文,蔡连侨. 基于深度融合特征的政务微博转发规模预测模型*[J]. 数据分析与知识发现, 2020, 4(2/3): 18-28.
[3] 余本功,曹雨蒙,陈杨楠,杨颖. 基于nLD-SVM-RF的短文本分类研究*[J]. 数据分析与知识发现, 2020, 4(1): 111-120.
[4] 聂维民,陈永洲,马静. 融合多粒度信息的文本向量表示模型 *[J]. 数据分析与知识发现, 2019, 3(9): 45-52.
[5] 邵云飞,刘东苏. 基于类别特征扩展的短文本分类方法研究 *[J]. 数据分析与知识发现, 2019, 3(9): 60-67.
[6] 秦贺然,刘浏,李斌,王东波. 融入实体特征的典籍自动分类研究 *[J]. 数据分析与知识发现, 2019, 3(9): 68-76.
[7] 陈果,许天祥. 基于主动学习的科技论文句子功能识别研究 *[J]. 数据分析与知识发现, 2019, 3(8): 53-61.
[8] 余本功,陈杨楠,杨颖. 基于nBD-SVM模型的投诉短文本分类*[J]. 数据分析与知识发现, 2019, 3(5): 77-85.
[9] 谭章禄,王兆刚,胡翰. 一种基于χ2统计的特征分类选择方法研究*[J]. 数据分析与知识发现, 2019, 3(2): 72-78.
[10] 陶志勇,李小兵,刘影,刘晓芳. 基于双向长短时记忆网络的改进注意力短文本分类方法 *[J]. 数据分析与知识发现, 2019, 3(12): 21-29.
[11] 李钰曼,陈志泊,许福. 基于KACC模型的文本分类研究 *[J]. 数据分析与知识发现, 2019, 3(10): 89-97.
[12] 张紫玄,王昊,朱立平,邓三鸿. 中国海关HS编码风险的识别研究*[J]. 数据分析与知识发现, 2019, 3(1): 72-84.
[13] 李心蕾,王昊,刘小敏,邓三鸿. 面向微博短文本分类的文本向量化方法比较研究*[J]. 数据分析与知识发现, 2018, 2(8): 41-50.
[14] 李琳,李辉. 一种基于概念向量空间的文本相似度计算方法[J]. 数据分析与知识发现, 2018, 2(5): 48-58.
[15] 刘浏,王东波. 基于论文自动分类的社科类学科跨学科性研究*[J]. 数据分析与知识发现, 2018, 2(3): 30-38.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn