НАУКА ОБРАЗОВАНИЯ - издательский дом

Switch to desktop

Материалы

МУЛЬТИМОДЕЛЬНЫЙ ПОДХОД К ИНТЕЛЛЕКТУАЛЬНОМУ АНАЛИЗУ ОБРАЩЕНИЙ ГРАЖДАН

 

Журнал «НАУЧНОЕ ОБОЗРЕНИЕ: ТЕОРИЯ И ПРАКТИКА»  [СКАЧАТЬ СТАТЬЮ В PDF]
т. 10, вып. 6, июнь 2020 

Рубрика: ПРОБЛЕМЫ УПРАВЛЕНИЯ
Страницы:  985–993
Коды JEL: С65
DOI: 10.35679/2226-0226-2020-10-6-985-993
   
Для цитирования: Дли М. И., Булыгина О. В., Селявский Ю. В., Куксин Р. П. Мультимодельный подход к интеллектуальному анализу обращений граждан // Научное обозрение: теория и практика. 2020. Т. 10. Вып. 6. С. 985–993. DOI: 10.35679/2226-0226-2020-10-6-985-993
   
Авторы: 

Дли Максим Иосифович, д-р техн. наук, профессор, зам. директора по научной работе, филиал ФГБОУ ВО «Национальный исследовательский университет «МЭИ»: Россия, 214013, Смоленская обл., г. Смоленск, Энергетический пр-д, 1.

Булыгина Ольга Валентиновна, канд. экон. наук, доцент кафедры «Информационные технологии в экономике и управлении», филиал ФГБОУ ВО «Национальный исследовательский университет «МЭИ»: Россия, 214013, Смоленская обл., г. Смоленск, Энергетический пр-д, 1.

Селявский Юрий Валерьевич, канд. экон. наук, доцент кафедры «Экономика и торговое дело», Смоленский филиал ФГБОУ ВО «Российский экономический университет им. Г. В. Плеханова»: Россия, 214030,Смоленская обл., г. Смоленск, ул. Нормандия-Неман, 21.

Куксин Роман Петрович, канд. экон. наук, доцент кафедры «Экономика и менеджмент», Смоленский филиал ФГБОУ ВО «Финансовый университет при Правительстве Российской Федерации»: Россия, 214018, Смоленская обл., г. Смоленск, пр-кт Гагарина, 22.

 

Тел.: (910) 729-67-02

E-mail: baguzova_ov@mail.ru

   
Реферат:  Сегодня реализация концепции электронного правительства выступает одной приоритетных задач государственной политики в России. Одним из элементов данной концепции является организация эффективного взаимодействия органов власти и граждан (модель Government-to-Citizen), которое помимо оказания государственных услуг должно включать обработку электронных обращений (заявлений, жалоб, предложений и т. п.). В свою очередь, скорость и оперативность обработки поступающих обращений в значительной степени зависит от качества определения соответствующей тематической рубрики, т. е. решения задачи рубрицирования (классификации). Анализ обращений граждан, поступающих на электронную почту и официальные сайты различных органов государственной власти, выявил ряд специфических особенностей (небольшой размер, наличие ошибок в тексте, свободный стиль изложения, описание нескольких проблем), которые не позволяют успешно применять традиционные подходы к рубрицированию. Для решения указанной проблемы было предложено использовать различные методы интеллектуального анализа неструктурированных текстовых данных (в частности, нечетко-логические алгоритмы, нечеткие деревья решений, нечеткие пирамидальные сети, нейро-нечеткий классификатор, сверточные и рекуррентные нейронные сети). В данной статье описан новый подход к анализу электронных обращений граждан, основанный на комплексном применении нескольких моделей рубрицирования, который отличается учетом степени пересечения тематических рубрик, динамичности их тезаурусов и объемом накопленной статистической информации. Для ситуации, когда конкретная модель не может произвести однозначный выбор тематической рубрики, предложено использовать метод голосования классификаторов, который позволяет существенно снизить вероятность ошибок рубрицирования на основе взвешенного агрегирования решений, полученных несколькими моделями.
   
Ключевые слова: электронное правительство, электронные обращения граждан, рубрицирование документов, методы интеллектуального анализа текстов, голосование классификаторов
   
Список литературы:

1. Аль-Габри В. М. Электронное правительство: его перспективы, возможности и угрозы // Молодой ученый. – 2016. – № 15. – С. 337–342 [Электронный ресурс]. Режим доступа: https://moluch.ru/archive/119/32857 (дата обращения: 09.07.2020).

2. Филатова Л. А., Погорелова Е. В. Модели и принципы электронного правительства // Международный электронный научно-технический журнал «Теория. Практика. Инновации». – 2016. – № 11. – С. 47–50 [Электронный ресурс]. Режим доступа: http://www.tpinauka.ru/2016/11/Filatova.pdf (дата обращения: 09.07.2020).

3. Козлов П. Ю. Методы автоматизированного анализа коротких неструктурированных текстовых документов // Программные продукты и системы. – 2017. – № 1. – С. 100–105.

4. Sebastiani F. Machine learning in automated text categorization // ACM Computing Surveys. – 2002. – Vol. 34, №. 1. – P. 1–47. 

5. Dli M., Bulygina O., Kozlov P. Development of multimethod approach to rubrication of unstructed electronic text documents in various conditions. Proceedings of the International Russian Automation Conference. – Sochi, 2018.

6. Cordon O., Herrera F., Hoffmann F., Magdalena L. Genetic Fuzzy Systems: Evolutionary Tuning and learning of Fuzzy Knowledge Bases. – Singapore, New Jersey, London, Hong Kong, World Scientific Publishing, 2001. – 462 p.

7. Шевелев О. Г., Петраков А. В. Классификация текстов с помощью деревьев решений и нейронных сетей прямого распространения // Вестник Томского государственного университета. – 2006. – № 290. – С. 300–307.

8. Булыгина О. В., Окунев Б. В. Нечетко-сетевые инструменты анализа перспективности проектов по развитию информационно-телекоммуникационной инфраструктуры // Нейрокомпьютеры. – 2016. – № 7. – С. 15–20.

9. Дли М. И., Булыгина О. В. Особенности применения нейро-сетевых моделей для классификации коротких текстовых сообщений // Программные продукты и системы. – 2019. – Т. 32, № 4. – С. 650–654.

10. Cao J-F., Wang. H-B. Text categorization algorithms representations based on inductive learning // Proceedings of the 2nd IEEE International Conference on Information Management and Engineering. – China, Chengdu, 2010. – P. 352–355. DOI: 10.1109/ ICIME.2010.5477992.

11. Kim Y. Convolutional neural networks for sentence classification // Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing. – Qatar, Doha, 2014. – P. 1746–1751. DOI: 10.3115/ v1/D14-1181.

12. Kalchbrenner N., Blunsom P. Recurrent convolutional neural networks for discourse compositionality // Proceedings of the 2013 Workshop on Continuous Vector Space Models and their Compositionality. – Bulgaria, Sofia, 2013. – P. 119–126.

   
English version:

MULTI-MODEL APPROACH TO THE INTELLIGENT ANALYSIS OF CITIZENS’ APPEALS

 

Dli Maksim Iosifovich, Dr. of Tech. Sci., Prof., Deputy Director on Scientific Research, National Research University ‘Moscow Power Engineering Institute’ (Smolensk Branch), Smolensk, Russia.

Bulygina Olga Valentinovna, Cand. of Econ. Sci., Ass. Prof., Depart. of Information Technology in Economics and Management, National Research University ‘Moscow Power Engineering Institute’ (Smolensk Branch), Smolensk, Russia.

Selyavskiy Yuriy Valeryevich, Cand. of Econ. Sci., Ass. Prof., Depart. of Economics and Trade, Plekhanov Russian University of Economics (Smolensk branch), Smolensk, Russia.

Kuksin Roman Petrovich, Cand. of Econ. Sci., Ass. Prof., Depart. of Economics and Management, Financial University of the Government of the Russian Federation (Smolensk branch), Smolensk, Russia.

 

Keywords: e-government, electronic applications of citizens, categorization of documents, methods of intellectual text analysis, voting of classifiers.

  

Abstract. Today, implementation of the concept of electronic government is one of the priority tasks of state policy in Russia. One of the elements of this concept is organizing effective interaction between authorities and citizens (the Government-to-Citizen model), which, besides providing public services, should include processing of electronic applications (applications, complaints, suggestions, etc.). In turn, the speed and efficiency of processing the incoming requests depends to a large extent on the quality of the definition of the corresponding thematic heading, i.e. solving the problem of rubrication (classification). An analysis of citizens’ appeals to e-mail and official websites of various government bodies revealed a number of specific features (small size, errors in the text, free style of presentation, description of several problems) that do not allow the successful application of traditional approaches to rubrication. To solve this problem, it was proposed to use various methods of mining unstructured text data (in particular, fuzzy-logical algorithms, fuzzy decision trees, fuzzy pyramidal networks, neuro-fuzzy classifier, convolutional and recurrent neural networks). This article describes a new approach to the analysis of electronic communications from citizens, based on the complex application of several rubrication models, which is distinguished by taking into account the degree of intersection of thematic headings, the dynamism of their thesauri and the volume of accumulated statistical information. For a situation where a specific model cannot make an unambiguous choice of a thematic heading, it is proposed to use the method of voting of classifiers, which can significantly reduce the probability of classification errors based on weighted aggregation of solutions obtained by several models.
   
 For citation: Dli, M.I., Bulygina, O.V., Selyavskiy, Yu.V., Kuksin, R.P. (2020) Multimodel approach to the intelligent analysis of citizens’ appeals. Naučnoe obozrenie: teoriâ i praktika [Scientific Review: Theory and Practice], vol. 10, iss. 6, pp. 985–993 (in Russian). DOI: 10.35679/2226-0226-2020-10-6-985-993

 

К содержанию»