Datasets:
LittleCxwx
/
paper_data

Dataset card Data Studio Files
xet
Community
1
text
stringlengths
0
18.7k
差异。
欧氏距高能够体现个体数值特征的绝对差异, 所以更多的用于需要从维度的
数值太小中体现差异的分析，如使用用户行为指标分析用户价值的相似度或差
余弦距离更多的是从方向上区分差异,而对绝对的数值不敏感， 更多的用于
使用用户对内容评分来区分兴趣的相似度和差异, 同时修正了用户间可能存在的
度量标准不统一的问题《因为余弦距离对绝对数值不考感) 。
因此, 在本实例中,我们发现余弦相似度更能达到我们的需要，验证的结果
更合理。由于向量维数较大，零元素过多，导致部分数据异常，因此我们进行了
降维 (TSNE) .然而降维后得到的数据出现负值，为了便于观察结果，我们将相
10* cosg 十10
5=7rozand(一一一
世 ) =7ozamd(5*cos9e 十5)
第八届泰迪杯数据挖掘挑战赛
其中 cos6为降维后的余弦距离。
4.3 可解释性
4.3.1 自定义可解释性
可解释性是指答复意见中内容的相关解释, 在解释中有没有引经据典, 政策
解读,法律引用等一定的理论支撑，来说明问题是否可以解决。因此，我们根据
文本内容，来提取一些特有的特征指标，来衡量文本的可解释性。
4.3.2 回复的可解释性程度
通过对答复意见的提取与筛选，我们将答复意见的可解释性划分为四个等
级, 当管复意见中出现“和"或者皂等特征时，我们定义得分为 9分; 当管复意见
中出现网址链接,法律词汇等特征时，我们定义得分为 6分; 当管复意见对留言
详情做到基本解释时，我们定义得分为 3 分，当答复内容与留言详情不相关时，
我们定义得分为 0分。得分越高，可解释性程度越高 。
4.4 完整性
4.4.1 自定义完整性
(1) 实体完整性规则
天系的主键可以表示关系中的每条记录, 二天系的实体完整性要求天系中的
记录不允许出现两条记录的主键值相同，既不能有空值， 也不能有重复值。实体
完整性规则规定天系的所有主属性都不能为空值,二不是整体不能为空值.例如，
学生选课关系、学生选课、学号、课程编号、成绩中，学号、课程编号为主关键
字，则学号和课程编号都不能取空值，二不是整体不能为空。
(2) 用户定义的完整性规则
不同的天系数据库系统更具其应用环境的不同, 通常需要针对某一具体字段
设置约东条件。例如，学生成绩字段的取值必须在 0-100 之间。参照完整性是相
关联的两个表之间的约束,对于具有主从天系的两个表来说, 表中每条记录外键
的值必须是主表中存在的, 如果两个表之间建立了关联关系, 则对一个关系进行
21
第八届泰迪杯数据挖掘挑战赛
的操作要影响到另一个表中的记录。
4.4.2 回复的完整性程度
文本向量化之后，我们使用答复文本中词的个数除以问题文本中词的个数
的，得到闭值[0.10]的评分，划分成 11 个等级。在 4000 多条数据中，有 6 个数
值超过 10 分的文本，我们不予以剔除的处理，而是直接蔡代为 10 分,作为正常
数据使用。
4.S 综合评价
综合评分=相关性+可解释性+完整性
出 加这 综合 合评分二8
2 8< 综合评分<11
| 本 <15
等级评价=
第八届泰迪杯数据挖掘挑战赛
五、总结
为了相关部门能够及时、准确地了解到市民的反馈意见和建议并及时解
决群众问题，基于人工智能的相关理论和实验，我们提出了智能政务模型，
可以将依靠人工来进行留言划分和热点整理的相天部门的工作转为机器处
理，使得相关部门能够更及时、准确地了解到市民的反馈意见和建议并及时
解决群众问题。
在模型中，我们对不同算法模型作了详细解释以及结果对比，认真比对
不同算法在本例题中的应用效果，在分类方法中选择了逻辑回归分类算法;
在聚类方法中选择 了 k-means 聚类算法，做文本相似度的时候利用改进过的
余弦相似度对文本相关性进行评价，最终确定结果最优的算法模型。
在对赛题研究的基础上，我们根据研究思路撰写本论文，通过实验验证
了本模型的可行性，基本实现了本赛题设立的目标。
23
第八届泰迪杯数据控气挑战赛