摘要
本发明公开了一种基于自然语言处理的交通运输政务热线挖掘方法，属于人工智能与机器学习技术领域。该方法针对交通运输政务热线中的结构化与非结构化数据，首先构建包含清洗词、噪声词、同义词、添加词和停用词的五类分词词典；通过改进的数据清洗、文本分词及特征表示将非结构化文本转化为结构化数据；利用LDA主题模型进行聚类分析，提取公众需求主题及高频关键词；结合时空分析和关联分析挖掘热点诉求与趋势变化，最终生成可视化分析报告。本发明解决了现有技术中模型可解释性差、领域适应性不足的问题，通过多词典协同优化和领域知识融合，显著提升了热线数据处理的准确性和主题识别的有效性，为交通运输管理部门提供精准的决策支持。采用真实的某市出租汽车领域案例作为实例研究，实验证明本发明具有准确的主题识别功能，2024年该市交通运输政务热线出租车领域投诉举报工单量同比下降20%。
