政务服务中群众留言答复意见评价模型
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP391.1;D63

基金项目:

国家自然科学基金面上项目(11701081,11861060);国家自然科学基金重点项目(61833005)


Evaluation of replies to public consultations in government service
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了提高政府事务管理水平和处理效率,打造"智慧政务"平台,针对政务服务中群众留言的答复内容进行客观评价,提出了一种结合多算法的群众留言回复评价模型.首先,根据答复文本内容定义答复长度、相似性、完整性、可解释性和及时性5个评价特征指标,分别从内容、格式、合理程度和时间4个角度对文本进行评价;其次,采用回归分析方法对答复意见类型进行分析;接着,分别采用K-means聚类、DBSCAN聚类算法、Meanshift聚类算法、HC聚类算法对答复意见等级进行分析,根据4种聚类算法效果对比结果,选用K-means聚类算法,再将聚类算法和回归分析的结果结合,对答复意见进行评价,并将评价等级分为6类.本文模型将机器学习中的数据挖掘和数据分析算法与"智慧政务"相结合,为政府事务管理的研究提供了一个量化分析的工具.

    Abstract:

    In order to improve the management level and processing efficiency of government affairs,we propose a multi-algorithm-combined model to evaluate the replies to public consultations in government service.First,we define the five aspects of evaluation including the reply length,similarity,completeness,interpretability and timeliness,and evaluate the text from four perspectives of content,format,reasonableness,and timeliness.Second,we analyze the types of replies by regression analysis.Then,grade the replies by clustering algorithms of K-means,DBSCAN,Meanshift,and HC clustering.Comparison shows that K-means clustering outperforms the other three algorithms in clustering performance,thus it is combined with regression analysis to evaluate the replies.Finally,the replies to public consultations are graded into 6 categories.The proposed model integrates machine learning including data mining and data analysis into "smart government affairs",and provides a quantitative analysis tool to evaluate the performance of government affairs management.

    参考文献
    相似文献
    引证文献
引用本文

李卓轩,赵璇,曹进德,储越.政务服务中群众留言答复意见评价模型[J].南京信息工程大学学报(自然科学版),2022,14(2):178-185
LI Zhuoxuan, ZHAO Xuan, CAO Jinde, CHU Yue. Evaluation of replies to public consultations in government service[J]. Journal of Nanjing University of Information Science & Technology, 2022,14(2):178-185

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-07-25
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-04-27
  • 出版日期:

地址:江苏省南京市宁六路219号    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2024 版权所有  技术支持:北京勤云科技发展有限公司