基于LSTM-CNN的中文短文本分类模型

针对中文语言本身特点,以及传统文本分类方法不能有效应对短文本分类的问题,本文构建了基于LSTM-CNN的中文短文本分类模型。该模型使用word2vec对待分类文本进行预处理,以获得字词级别的向量;再将词向量送入LSTM层提取语义特征,并通过卷积层提取局部特征;在利用最大池化的方法获得特征向量后,将其放入softmax分类器以得到分类的最终结果。与现有的SVM、KNN、CapsNet和Labeled-LDA的实验结果相比,该分类模型能够有效提高中文短文本分类的准确率。     

社区智慧警务体系研究

针对目前社区智慧警务工作研究不够系统的问题,首先,梳理了社区警务的工作体系,首次提出了时间维度的基础、检测和响应三方面工作的BDR模型,其与五要素维度、领域维度和分层维度一起构成了社区警务的四维工作体系。以此为基础,研究了以物联网、大数据、人工智能和移动计算为特征的新技术形成的社区智慧警务体系,提出了目前基于大数据的以动态变化信息感知和异常行为智能分析为主的社区智慧警务重点和核心工作。