-
题名基于联邦学习的政务未诉先办主题挖掘模型
- 1
-
-
作者
刘昕
李艳茹
张春营
王海文
杨大伟
赵庆齐
-
机构
中国石油大学(华东)青岛软件学院、计算机科学与技术学院
山东亚微软件股份有限公司政务热线事业部
-
出处
《计算机工程与设计》
北大核心
2025年第7期1980-1989,共10页
-
基金
国家自然科学基金项目(62071491)
山东省重点研发计划基金项目(2023RKL01004)
山东省自然科学基金项目(ZR2020MF045)。
-
文摘
为挖掘本地诉求预判未来民生问题、借鉴其它城市的历史经验发现潜在问题,提出一种基于联邦学习的KANR-Fed UCTMWI模型进行联合主题挖掘。提出句嵌入方法KANR,通过附加关键词和选取相似样本并替换同义词增强样本质量,提升本地诉求嵌入语义表示;基于联邦学习构建KANR-Fed UCTMWI,设计特征融合模块,各地市根据全局词典构建词袋表示并与嵌入表示加权融合作为模型输入,提出基于词语影响力的重构损失函数,依据全局词语影响力值过滤与主题无关词语。实验结果表明,该方法提升了主题一致性与多样性,助力政府实现未诉先办。
-
关键词
联邦学习
数据挖掘
对比学习
句嵌入
主题模型
公众诉求
未诉先办
-
Keywords
federated learning,data mining
contrastive learning
sentence embedding
topic model
public appeal
proactive government services
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
