基于文本分类模型的公安民情分类

公安民情信息是公安机关了解社情民意、预防和打击犯罪的重要信息来源。然而,民情信息涉及面广泛、数量大、种类繁多,为了探究在公安领域中使用机器学习模型对民情信息进行自动分类的可行性及如何提升分类效果,本文分别使用FastText、TextCNN和MaxEntropy三种模型进行研究,并对模型分类性能进行评估。实验结果表明,三种模型都能取得不错的分类效果,其中FastText模型更适合对较短中文文本进行分类,表现最佳。为了进一步提高分类效果,采用投票集成学习方法将上述三个模型进行融合。实验结果表明,模型集成后分类准确率有明显提升,对公安领域具有重要的实际应用价值。