發(fā)布時(shí)間：2020-03-24 11:56

【摘要】：隨著經(jīng)濟(jì)的快速發(fā)展,纏訪在信訪工作中越來越常見。由于纏訪行為具有持續(xù)時(shí)間長、產(chǎn)生根源復(fù)雜、影響社會(huì)秩序等特點(diǎn),因此該問題是信訪部門和社會(huì)管理部門正在面臨的重點(diǎn)和難點(diǎn)問題。隨著信息時(shí)代的到來,數(shù)據(jù)挖掘技術(shù)已經(jīng)應(yīng)用在多個(gè)領(lǐng)域并幫助解決具體問題。但是信訪服務(wù)工作卻落后于社會(huì)的發(fā)展,其現(xiàn)有信息化技術(shù)不能有效利用寶貴的信訪數(shù)據(jù)資源。學(xué)術(shù)界的情況也不盡人意。當(dāng)前學(xué)術(shù)界關(guān)于纏訪問題的研究僅停留在定性分析上,所得研究成果對纏訪問題的因果邏輯的解釋較為缺失,難以實(shí)現(xiàn)理論對實(shí)踐的指導(dǎo)。而對于數(shù)據(jù)挖掘方法的應(yīng)用研究僅限于醫(yī)療、教育、金融、商業(yè)和微博等特定領(lǐng)域。根據(jù)上述背景,本文提出了“針對信訪領(lǐng)域特點(diǎn)選擇和改進(jìn)數(shù)據(jù)挖掘技術(shù),以分析纏訪行為的產(chǎn)生根源,并建立長效分析機(jī)制”這一研究目標(biāo)。在方法研究方面,本文開創(chuàng)性地針對信訪領(lǐng)域改進(jìn)LDA主題挖掘模型和K-means聚類分析算法。在傳統(tǒng)perplexity方法的基礎(chǔ)上提出了一種計(jì)算量小的LDA主題數(shù)選擇方法。針對信訪數(shù)據(jù)的離散特點(diǎn)把K-means聚類和WOE理論結(jié)合起來設(shè)計(jì)了一種可以得到較高精度的聚類算法。上述研究豐富了聚類算法和LDA主題數(shù)選擇算法的理論體系,具有一定的理論價(jià)值。在實(shí)踐應(yīng)用方面,本文針對X省土地信訪中的纏訪問題,運(yùn)用所構(gòu)建的主題挖掘和聚類方法分析該省數(shù)據(jù),挖掘高纏訪群組,提出了“征地補(bǔ)償標(biāo)準(zhǔn)、村干部影響、信訪服務(wù)水平和上訪人心態(tài)”等四個(gè)因素為纏訪行為的關(guān)鍵影響因素。還因事制宜從信訪工作、補(bǔ)償政策、政府廉政、信訪者心態(tài)檢測等四個(gè)方面提出了信訪工作建議。除此之外,為了建立支持信訪數(shù)據(jù)挖掘的長效機(jī)制,本文還設(shè)計(jì)并實(shí)現(xiàn)了纏訪因素挖掘系統(tǒng)。該系統(tǒng)的應(yīng)用將對提升信訪部門信息化水平和服務(wù)工作效率,減少纏訪行為的產(chǎn)生具有重要意義,具有一定的實(shí)踐價(jià)值。
【圖文】：

圖 2-1 LDA 模型結(jié)構(gòu)示，LDA模型的三層結(jié)構(gòu)分別是文檔集層M，文檔層N和特機(jī)器學(xué)習(xí)的方法，輸入主題-單詞矩陣進(jìn)行學(xué)習(xí)，以導(dǎo)出單學(xué)習(xí)過程如圖 2-2 所示。圖 2-2 LDA 模型文檔生成過程概率矩陣和主題-單詞概率矩陣都由超參數(shù) ， 從 Dirichle的產(chǎn)生規(guī)則見式 2-1 和式 2-2[47,50]：

這個(gè)主題又通過一定概率聯(lián)系某個(gè)單詞。LDA 模型是一種型[49]，其內(nèi)在結(jié)構(gòu)可以表示為圖 2-1。圖 2-1 LDA 模型結(jié)構(gòu)圖2-1所示，，LDA模型的三層結(jié)構(gòu)分別是文檔集層M，文檔層N和特征詞匯以通過機(jī)器學(xué)習(xí)的方法，輸入主題-單詞矩陣進(jìn)行學(xué)習(xí)，以導(dǎo)出單詞-主題陣。其學(xué)習(xí)過程如圖 2-2 所示。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：D632.8

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃俊輝;李放;;農(nóng)村養(yǎng)老保障政策的績效考察——基于27個(gè)省域的宏觀數(shù)據(jù)[J];人口學(xué)刊;2013年01期

2 張培晶;宋蕾;;基于LDA的微博文本主題建模方法研究述評(píng)[J];圖書情報(bào)工作;2012年24期

3 張丹;;中文分詞算法綜述[J];黑龍江科技信息;2012年08期

4 劉惠敏;;長江三角洲城市群綜合承載力的時(shí)空分異研究[J];中國軟科學(xué);2011年10期

5 曹娟;張勇東;李錦濤;唐勝;;一種基于密度的自適應(yīng)最優(yōu)LDA模型選擇方法[J];計(jì)算機(jī)學(xué)報(bào);2008年10期

6 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學(xué)報(bào);2008年01期

7 韓伯棠;王瑩;;中國科技人力資源評(píng)價(jià)指標(biāo)體系構(gòu)建方法研究[J];北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2006年06期

8 王光宏,蔣平;數(shù)據(jù)挖掘綜述[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

9 董彩云,曲守寧;數(shù)據(jù)挖掘及其在高校教學(xué)系統(tǒng)中的應(yīng)用[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

10 張存祿 ,黃培清;數(shù)據(jù)挖掘在供應(yīng)鏈風(fēng)險(xiǎn)控制中的應(yīng)用研究[J];科學(xué)學(xué)與科學(xué)技術(shù)管理;2004年01期

相關(guān)博士學(xué)位論文 前6條

1 陳曉美;網(wǎng)絡(luò)評(píng)論觀點(diǎn)知識(shí)發(fā)現(xiàn)研究[D];吉林大學(xué);2014年

2 李文峰;基于主題模型的用戶建模研究[D];北京郵電大學(xué);2013年

3 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

4 唐東明;聚類分析及其應(yīng)用研究[D];電子科技大學(xué);2010年

5 楊爾弘;突發(fā)事件信息提取研究[D];北京語言大學(xué);2005年

6 卜東波;聚類/分類理論研究及其在文本挖掘中的應(yīng)用[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2000年

相關(guān)碩士學(xué)位論文 前5條

1 郭劍飛;基于LDA多模型中文短文本主題分類體系構(gòu)建與分類[D];哈爾濱工業(yè)大學(xué);2014年

2 劉金亮;基于主題模型的個(gè)性化新聞推薦系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

3 吳春用;轉(zhuǎn)型視角下基層政府信訪工作機(jī)制創(chuàng)新[D];華東理工大學(xué);2011年

4 周國武;涉訴信訪動(dòng)因研究[D];中南大學(xué);2010年

5 張建輝;K-means聚類算法研究及應(yīng)用[D];武漢理工大學(xué);2007年

本文編號(hào)：2598283