CN111832945A - 政务大数据应用成熟度评价方法和系统 - Google Patents
政务大数据应用成熟度评价方法和系统 Download PDFInfo
- Publication number
- CN111832945A CN111832945A CN202010679181.0A CN202010679181A CN111832945A CN 111832945 A CN111832945 A CN 111832945A CN 202010679181 A CN202010679181 A CN 202010679181A CN 111832945 A CN111832945 A CN 111832945A
- Authority
- CN
- China
- Prior art keywords
- data
- business
- government
- item
- application maturity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种政务大数据应用成熟度评价方法和系统,包括:构造政务大数据应用成熟度评价的业务事项和数据模型标准;制定政务大数据应用成熟度评价指标;根据政务大数据应用成熟度评价指标的结果获取政务大数据应用成熟度评价结果。本发明提供的政务大数据应用成熟度评价方法和系统,在实施评价的过程中不参杂主观因素较多的权重概念,以此确保所得到的评价结果具有合理性。结合业界较为成熟的数据质量评价方法,本发明定义的政务大数据应用成熟度评价体系对于其他领域的大数据应用成熟度的评价也具有较好的参考价值。
Description
技术领域
本发明涉及政务处理领域,具体地,涉及一种政务大数据应用成熟度评价方法和系统。
背景技术
业务场景应用是政务大数据的重中之重,事关提升城市治理能力的最终成效。科学的应用成熟度评价体系不但能够提升政务大数据的可用性,而且还能为有效分析政务大数据、反哺数据大数据提供便利。
为了能够让政务大数据解决更多业务应用问题,在理想情况下数据维度越多越好。根据公开文献和专利检索,有公司提出一种政务大数据成熟度模型(GBD-CMM),通过对政务大数据的发展阶段进行划分和定义,建立政务大数据发展水平和大数据应用能力评价体系和方法。但该方法构建的指标体系过于复杂,在实际应用过程中可操作性较差。
目前,业界大多数对于政务大数据的评价主要集中在对数据质量的完整性、一致性、时效性等指标进行评价,缺乏对数据目录、数据项和来源部门覆盖率的评价,更没有从政府业务的角度审视政务大数据的成熟度。对于数据目录、数据项和来源部门进行覆盖率评价,不但可以清楚地了解地市政务服务事项覆盖度,还有助于精确定位问题数据产生的源头部门,给出问题数据的所属分类及解决办法,以数据质量工单的方式反馈源头部门。
基于此,需要从数据目录、数据项和来源部门等不同层次来对政务大数据应用成熟度实施评价。
发明内容
本发明的目的是提供一种政务大数据应用成熟度评价方法和系统,该政务大数据应用成熟度评价方法和系统的评价结果具有合理性,可以输出数据反哺建议,完善数据维度工作,不仅能够满足单一政府部门业务的需要,还能够满足“三融五跨”的要求,真正实现基于数据的业务协同。
为了实现上述目的,本发明提供了一种政务大数据应用成熟度评价方法和系统,包括:
步骤1:采用Glove模型、word2vec模型、Bert模型训练生成词向量,计算对应文本词向量的相似度,进行权力清单与政务服务清单的匹配,以实现政务服务清单与对应的权力清单自动化关联,对具体的政务服务事项形成实施依据,并形成对应的事项名称集合S;
步骤2:利用数据采集工具自动获取多个省份及其下属地市的政务服务网业务事项数据,利用自然人语言处理文本或语义相似度算法,对所获取的业务事项进行融合,并形成对应的事项名称集合T;
步骤3:自动获取政务服务网中业务事项申请材料中的“空白表格”或“示例样表”,利用OCR技术初步识别并抽取该表格或图片中的数据项;对所获得的数据项进行数据清洗,并过滤掉与业务事项相关性弱的数据项,保留核心数据项后形成政府大数据应用成熟度评价数据模型的数据项标准;
步骤4:根据上述步骤形成的应用成熟度数据模型标准中的数据目录和数据项,对政府大数据按数据目录和数据项进行匹配和识别;其中,匹配和识别的方法基于词向量计算相似度,若相似度超过指定阈值,则认为数据目录或数据项或来源部门匹配成功;
步骤5:实施覆盖率计算;其中,
数据目录覆盖率=匹配成功的数据目录÷集合T中数据目录的数量×100%;
数据项覆盖率=匹配成功的数据项÷集合T中数据目录中数据项的数量×100%;
部门覆盖率=匹配成功的部门÷集合T中数据目录中部门的数量×100%;
步骤6:实施应用成熟度计算;其中,
平均数据项覆盖率=(匹配成功的数据目录1的数据项覆盖率+...+匹配成功的数据目录n的数据项覆盖率)÷n;
应用成熟度=数据目录覆盖率×平均数据项覆盖率×部门覆盖率;
步骤7:确定应用成熟度等级;其中,应用成熟度∈[0.95,1]为非常成熟,应用成熟度∈[0.90,0.95)为较为成熟,应用成熟度∈[0.85,0.90)为中等成熟,应用成熟度∈[0.8,0.85)为一般成熟,应用成熟度∈[0,0.8)为不成熟。
优选地,步骤1中包括:
步骤1a:构建语料库,包括维基中文通用语料、省市权力清单的事项名称内容、省市政务服务清单的目录清单名称内容;
步骤1b:数据预处理,包括数据读取、分词和数据清洗;
步骤1c:采用GloVe模型和Bert模型进行词向量训练;
步骤1d:相似度计算,通过步骤1c中两个模型训练得到的词向量,应用加权的方式计算文本句向量,最后计算文本句向量的余弦相似度,选取相似度最高的文本进行匹配。
优选地,步骤2包括:
步骤2a:自动化获取多个省份和地市政务服务网业务事项网页数据到本地,使用xpath和BeautifulSoup以及JSON数据解析方法对网页进行数据清洗和数据提取,并按照涉人和涉企服务进行分类;
步骤2b:对于涉人业务事项,按照“出生、上学、工作、购房、结婚、生育、出行、失业、创业、迁居、退休、后事”阶段进行划分;对于涉企业务事项,按照“设立、经营、注销”阶段进行划分;
步骤2c:将提取的数据进行规整,通过pymysql技术连接到本地MySQL数据库,将规整后的数据存入数据库中;
步骤2d:对步骤2c中存储的数据,运用词向量计算文本相似度,运用Glove模型、word2vec模型、Bert模型训练生成词向量,计算业务事项词向量的相似度,设定指定阈值,对多个省市相似的业务事项进行融合,形成对应的事项名称集合T;
步骤2e:将集合T中数据构造成字典形式(key:阶段,value:[业务事件1,业务事件2,……,业务事件n]),将步骤1得到的集合S中的业务事项与集合T中的value进行语义相似度匹配;对于集合S中存在但集合T中不存在的业务事项,按照涉人或涉企构造(key,value)并加入集合T;最后,形成了政府大数据应用成熟度评价数据模型的数据目录标准。
根据上述技术方案,本发明依据多个省市政府权力清单和政务服务事项清单,在自动获取政务服务网业务事项数据的基础上利用自然语言处理技术自动化解析业务流程并对这些业务事项数据进行融合处理,得到相应的业务事项结果名称和对应数据项。所得到的每个业务事项包括相应的目录名称、数据项和来源部门,以此作为政府大数据应用成熟度评价的数据模型标准。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本发明中政务大数据应用成熟度评价方法和系统的流程框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
在本发明中,在未作相反说明的情况下,包含在术语中的方位词仅代表该术语在常规使用状态下的方位,或为本领域技术人员理解的俗称,而不应视为对该术语的限制。
参见图1,本发明提供了一种政务大数据应用成熟度评价方法和系统,包括:
步骤1:采用Glove模型、word2vec模型、Bert模型训练生成词向量,计算对应文本词向量的相似度,进行权力清单与政务服务清单的匹配,以实现政务服务清单与对应的权力清单自动化关联,对具体的政务服务事项形成实施依据,并形成对应的事项名称集合S;
进一步的,步骤1中包括:
步骤1a:构建语料库,包括维基中文通用语料、省市权力清单的事项名称内容、省市政务服务清单的目录清单名称内容;
步骤1b:数据预处理,包括数据读取、分词和数据清洗;
步骤1c:采用GloVe模型和Bert模型进行词向量训练;
步骤1d:相似度计算,通过步骤1c中两个模型训练得到的词向量,应用加权的方式计算文本句向量,最后计算文本句向量的余弦相似度,选取相似度最高的文本进行匹配。
步骤2:利用数据采集工具自动获取多个省份及其下属地市的政务服务网业务事项数据,利用自然人语言处理文本或语义相似度算法,对所获取的业务事项进行融合,并形成对应的事项名称集合T;
进一步的,步骤2包括:
步骤2a:自动化获取多个省份和地市政务服务网业务事项网页数据到本地,使用xpath和BeautifulSoup以及JSON数据解析方法对网页进行数据清洗和数据提取,并按照涉人和涉企服务进行分类;
步骤2b:对于涉人业务事项,按照“出生、上学、工作、购房、结婚、生育、出行、失业、创业、迁居、退休、后事”阶段进行划分;对于涉企业务事项,按照“设立、经营、注销”阶段进行划分;
步骤2c:将提取的数据进行规整,通过pymysql技术连接到本地MySQL数据库,将规整后的数据存入数据库中;
步骤2d:对步骤2c中存储的数据,运用词向量计算文本相似度,运用Glove模型、word2vec模型、Bert模型训练生成词向量,计算业务事项词向量的相似度,设定指定阈值,对多个省市相似的业务事项进行融合,形成对应的事项名称集合T;
步骤2e:将集合T中数据构造成字典形式(key:阶段,value:[业务事件1,业务事件2,……,业务事件n]),将步骤1得到的集合S中的业务事项与集合T中的value进行语义相似度匹配;对于集合S中存在但集合T中不存在的业务事项,按照涉人或涉企构造(key,value)并加入集合T;最后,形成了政府大数据应用成熟度评价数据模型的数据目录标准。
步骤3:自动获取政务服务网中业务事项申请材料中的“空白表格”或“示例样表”,利用OCR技术初步识别并抽取该表格或图片中的数据项;对所获得的数据项进行数据清洗,并过滤掉与业务事项相关性弱的数据项,保留核心数据项后形成政府大数据应用成熟度评价数据模型的数据项标准;
步骤4:根据上述步骤形成的应用成熟度数据模型标准中的数据目录和数据项,对政府大数据按数据目录和数据项进行匹配和识别;其中,匹配和识别的方法基于词向量计算相似度,若相似度超过指定阈值,则认为数据目录或数据项或来源部门匹配成功;
步骤5:实施覆盖率计算;其中,
数据目录覆盖率=匹配成功的数据目录÷集合T中数据目录的数量×100%;
数据项覆盖率=匹配成功的数据项÷集合T中数据目录中数据项的数量×100%;
部门覆盖率=匹配成功的部门÷集合T中数据目录中部门的数量×100%;
步骤6:实施应用成熟度计算;其中,
平均数据项覆盖率=(匹配成功的数据目录1的数据项覆盖率+...+匹配成功的数据目录n的数据项覆盖率)÷n;
应用成熟度=数据目录覆盖率×平均数据项覆盖率×部门覆盖率;
步骤7:确定应用成熟度等级;其中,应用成熟度∈[0.95,1]为非常成熟,应用成熟度∈[0.90,0.95)为较为成熟,应用成熟度∈[0.85,0.90)为中等成熟,应用成熟度∈[0.8,0.85)为一般成熟,应用成熟度∈[0,0.8)为不成熟。
通过上述方法和系统,依据多个省市政府权力清单和政务服务事项清单,在自动获取政务服务网业务事项数据的基础上利用自然语言处理技术自动化解析业务流程并对这些业务事项数据进行融合处理,得到相应的业务事项结果名称和对应数据项。所得到的每个业务事项包括相应的目录名称、数据项和来源部门,以此作为政府大数据应用成熟度评价的数据模型标准;同时,该数据模型标准还能用于政务服务能力评价等领域。
本发明通过完成政务大数据应用成熟度评价,旨在以政务服务为导向驱动政府部门完善相关数据目录和数据项。本发明可以输出数据反哺建议:即某部门当前已有多少数据目录,还缺少哪些数据目录及其对应的数据项;某数据目录已有哪些数据项,还缺少哪些数据项,数据项的来源是什么部门。有了这种部门数据质量的洞察机制,完善数据维度的工作也便有了抓手。数据维度不断丰富,未来可支持的应用场景也越来越多。随着政务大数据不断完善,不但能够满足单一政府部门业务的需要,还能够满足“三融五跨”的要求,真正实现基于数据的业务协同。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (3)
1.一种政务大数据应用成熟度评价方法和系统,其特征在于,包括:
步骤1:采用Glove模型、word2vec模型、Bert模型训练生成词向量,计算对应文本词向量的相似度,进行权力清单与政务服务清单的匹配,以实现政务服务清单与对应的权力清单自动化关联,对具体的政务服务事项形成实施依据,并形成对应的事项名称集合S;
步骤2:利用数据采集工具自动获取多个省份及其下属地市的政务服务网业务事项数据,利用自然人语言处理文本或语义相似度算法,对所获取的业务事项进行融合,并形成对应的事项名称集合T;
步骤3:自动获取政务服务网中业务事项申请材料中的“空白表格”或“示例样表”,利用OCR技术初步识别并抽取该表格或图片中的数据项;对所获得的数据项进行数据清洗,并过滤掉与业务事项相关性弱的数据项,保留核心数据项后形成政府大数据应用成熟度评价数据模型的数据项标准;
步骤4:根据上述步骤形成的应用成熟度数据模型标准中的数据目录和数据项,对政府大数据按数据目录和数据项进行匹配和识别;其中,匹配和识别的方法基于词向量计算相似度,若相似度超过指定阈值,则认为数据目录或数据项或来源部门匹配成功;
步骤5:实施覆盖率计算;其中,
数据目录覆盖率=匹配成功的数据目录÷集合T中数据目录的数量×100%;
数据项覆盖率=匹配成功的数据项÷集合T中数据目录中数据项的数量×100%;
部门覆盖率=匹配成功的部门÷集合T中数据目录中部门的数量×100%;
步骤6:实施应用成熟度计算;其中,
平均数据项覆盖率=(匹配成功的数据目录1的数据项覆盖率+...+匹配成功的数据目录n的数据项覆盖率)÷n;
应用成熟度=数据目录覆盖率×平均数据项覆盖率×部门覆盖率;
步骤7:确定应用成熟度等级;其中,应用成熟度∈[0.95,1]为非常成熟,应用成熟度∈[0.90,0.95)为较为成熟,应用成熟度∈[0.85,0.90)为中等成熟,应用成熟度∈[0.8,0.85)为一般成熟,应用成熟度∈[0,0.8)为不成熟。
2.根据权利要求1所述的政务大数据应用成熟度评价方法和系统,其特征在于,步骤1中包括:
步骤1a:构建语料库,包括维基中文通用语料、省市权力清单的事项名称内容、省市政务服务清单的目录清单名称内容;
步骤1b:数据预处理,包括数据读取、分词和数据清洗;
步骤1c:采用GloVe模型和Bert模型进行词向量训练;
步骤1d:相似度计算,通过步骤1c中两个模型训练得到的词向量,应用加权的方式计算文本句向量,最后计算文本句向量的余弦相似度,选取相似度最高的文本进行匹配。
3.根据权利要求1所述的政务大数据应用成熟度评价方法和系统,其特征在于,步骤2包括:
步骤2a:自动化获取多个省份和地市政务服务网业务事项网页数据到本地,使用xpath和BeautifulSoup以及JSON数据解析方法对网页进行数据清洗和数据提取,并按照涉人和涉企服务进行分类;
步骤2b:对于涉人业务事项,按照“出生、上学、工作、购房、结婚、生育、出行、失业、创业、迁居、退休、后事”阶段进行划分;对于涉企业务事项,按照“设立、经营、注销”阶段进行划分;
步骤2c:将提取的数据进行规整,通过pymysql技术连接到本地MySQL数据库,将规整后的数据存入数据库中;
步骤2d:对步骤2c中存储的数据,运用词向量计算文本相似度,运用Glove模型、word2vec模型、Bert模型训练生成词向量,计算业务事项词向量的相似度,设定指定阈值,对多个省市相似的业务事项进行融合,形成对应的事项名称集合T;
步骤2e:将集合T中数据构造成字典形式(key:阶段,value:[业务事件1,业务事件2,……,业务事件n]),将步骤1得到的集合S中的业务事项与集合T中的value进行语义相似度匹配;对于集合S中存在但集合T中不存在的业务事项,按照涉人或涉企构造(key,value)并加入集合T;最后,形成了政府大数据应用成熟度评价数据模型的数据目录标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010679181.0A CN111832945B (zh) | 2020-07-15 | 2020-07-15 | 政务大数据应用成熟度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010679181.0A CN111832945B (zh) | 2020-07-15 | 2020-07-15 | 政务大数据应用成熟度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832945A true CN111832945A (zh) | 2020-10-27 |
CN111832945B CN111832945B (zh) | 2023-05-23 |
Family
ID=72923293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010679181.0A Active CN111832945B (zh) | 2020-07-15 | 2020-07-15 | 政务大数据应用成熟度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832945B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203885A (zh) * | 2016-07-25 | 2016-12-07 | 胡广伟 | 一种电子服务能力成熟度的在线测评方法 |
CN106502878A (zh) * | 2016-11-15 | 2017-03-15 | 北京中电普华信息技术有限公司 | 一种基于相对成熟度的业务系统评价方法及装置 |
CN106951558A (zh) * | 2017-03-31 | 2017-07-14 | 广东睿盟计算机科技有限公司 | 一种基于深度搜索的税务智能咨询平台的数据处理方法 |
CN108376140A (zh) * | 2017-06-30 | 2018-08-07 | 勤智数码科技股份有限公司 | 基于模糊匹配的政务数据梳理方法及装置 |
CN109460457A (zh) * | 2018-10-25 | 2019-03-12 | 北京奥法科技有限公司 | 文本语句相似度计算方法、智能政务辅助解答系统及其工作方法 |
CN110110221A (zh) * | 2019-03-22 | 2019-08-09 | 浙江非线数联科技有限公司 | 政务数据智能推荐方法和系统 |
CN110781236A (zh) * | 2019-10-29 | 2020-02-11 | 山西云时代技术有限公司 | 一种构建政务大数据治理体系的方法 |
US20200117858A1 (en) * | 2018-10-10 | 2020-04-16 | Verint Americas Inc. | System for minimizing repetition in intelligent virtual assistant conversations |
CN111078897A (zh) * | 2019-12-26 | 2020-04-28 | 国衡智慧城市科技研究院(北京)有限公司 | 一种生成六维知识图谱的系统 |
US20200210618A1 (en) * | 2016-06-10 | 2020-07-02 | OneTrust, LLC | Data processing systems for measuring privacy maturity within an organization |
-
2020
- 2020-07-15 CN CN202010679181.0A patent/CN111832945B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200210618A1 (en) * | 2016-06-10 | 2020-07-02 | OneTrust, LLC | Data processing systems for measuring privacy maturity within an organization |
CN106203885A (zh) * | 2016-07-25 | 2016-12-07 | 胡广伟 | 一种电子服务能力成熟度的在线测评方法 |
CN106502878A (zh) * | 2016-11-15 | 2017-03-15 | 北京中电普华信息技术有限公司 | 一种基于相对成熟度的业务系统评价方法及装置 |
CN106951558A (zh) * | 2017-03-31 | 2017-07-14 | 广东睿盟计算机科技有限公司 | 一种基于深度搜索的税务智能咨询平台的数据处理方法 |
CN108376140A (zh) * | 2017-06-30 | 2018-08-07 | 勤智数码科技股份有限公司 | 基于模糊匹配的政务数据梳理方法及装置 |
US20200117858A1 (en) * | 2018-10-10 | 2020-04-16 | Verint Americas Inc. | System for minimizing repetition in intelligent virtual assistant conversations |
CN109460457A (zh) * | 2018-10-25 | 2019-03-12 | 北京奥法科技有限公司 | 文本语句相似度计算方法、智能政务辅助解答系统及其工作方法 |
CN110110221A (zh) * | 2019-03-22 | 2019-08-09 | 浙江非线数联科技有限公司 | 政务数据智能推荐方法和系统 |
CN110781236A (zh) * | 2019-10-29 | 2020-02-11 | 山西云时代技术有限公司 | 一种构建政务大数据治理体系的方法 |
CN111078897A (zh) * | 2019-12-26 | 2020-04-28 | 国衡智慧城市科技研究院(北京)有限公司 | 一种生成六维知识图谱的系统 |
Non-Patent Citations (2)
Title |
---|
张节;曾伟;: "基于战略对应的电子政务成熟度评价研究" * |
汤志伟;钟宗炬;侯艳君;涂文琴;: "2000-2016年国内外电子政务公众信任研究述评" * |
Also Published As
Publication number | Publication date |
---|---|
CN111832945B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106919673B (zh) | 基于深度学习的文本情绪分析系统 | |
CN112131275A (zh) | 全息城市大数据模型和知识图谱的企业画像构建方法 | |
Condori et al. | Opinion summarization methods: Comparing and extending extractive and abstractive approaches | |
CN105528437B (zh) | 一种基于结构化文本知识提取的问答系统构建方法 | |
Al-Kabi et al. | An opinion analysis tool for colloquial and standard Arabic | |
WO2016086159A2 (en) | Systems and methods to determine and utilize conceptual relatedness between natural language sources | |
RU2704531C1 (ru) | Способ и устройство для анализа семантической информации | |
CN109101493A (zh) | 一种基于对话机器人的智能购房助手 | |
CN109948143A (zh) | 社区问答系统的答案抽取方法 | |
CN102682000A (zh) | 一种文本聚类方法以及采用该方法的问答系统和搜索引擎 | |
CN106897437B (zh) | 一种知识系统的高阶规则多分类方法及其系统 | |
CN104778157A (zh) | 一种多文档摘要句的生成方法 | |
CN112231494A (zh) | 信息抽取方法、装置、电子设备及存储介质 | |
CN111814477B (zh) | 一种基于争议焦点实体的争议焦点发现方法、装置及终端 | |
CN112069312A (zh) | 一种基于实体识别的文本分类方法及电子装置 | |
Moors et al. | Human language technology audit 2018: Analysing the development trends in resource availability in all South African languages | |
CN108681977A (zh) | 一种律师信息处理方法和系统 | |
CN116628173A (zh) | 一种基于关键字提取的智能客服信息生成系统及生成方法 | |
CN111832945B (zh) | 政务大数据应用成熟度评价方法 | |
Herzog et al. | Transfer topic labeling with domain-specific knowledge base: An analysis of UK House of Commons speeches 1935-2014 | |
CN116226638A (zh) | 模型训练方法、数据对标方法、装置以及计算机存储介质 | |
TWI636370B (zh) | Establishing chart indexing method and computer program product by text information | |
Goh | Using named entity recognition for automatic indexing | |
Shu et al. | Exploring the function of citations in ancient Chinese literature | |
TWI227417B (en) | Digital resource recommendation system, method and machine-readable medium using semantic comparison of query sentence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Building 5, Wuhu Science and Technology Industrial Park, Wuhu City, Anhui Province, 241000 Applicant after: Yangtze River delta information intelligence Innovation Research Institute Address before: 241000 Wuhu Intelligent Collaborative Innovation Center Applicant before: Institute of smart city University of science and technology of China (Wuhu) |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |