人工智能技术特别是机器学习分支已在许多领域广泛应用,本文对多个与文本处理相关的机器学习技术进行研究,并利用这些技术及政务办公系统积累的样本数据建立模型,在政务办公系统中的"中枢节点"实现批示和分工的预置。 模型训练的监视界面如图3所示。由图中数据可以看到验证的准确率已经达到0．98以上。预置系统中的2个经过训练的模型准确度较高，与政务办公系统连接后，预置批示与分工方法-电动折弯机数控滚圆机滚弧机张家港液压弯管机数控滚圆机弯管机则每15min查询“中枢节点”中未处理的来文。根据来文信息利用模型推演出批示和分工信息，并预置到办公系统中。待处理人员办理时，将依据预置的信息去办文， 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.wanguanji138.com一般只需要少量的改动或者不改就可以形成处理结果，工作效率大大提高。!图2模型的训练监视图图3模型训练的监视界面束语机器学习技术应用在政务办公系统“中枢节点”上能取得这么好的应用效果，可以说是“好钢用在刀刃”上。“好钢”指的是哈工大ltp、tensorflow、LSTM这一系列先进成熟的技术，“刀刃”就是“痛点”所在的中枢节点。一方面，这个节点很需要这种高效的辅助手段，因为这个节点的处理量很大，时限要求又高，处理滞后就会造成系统堵车;另一方面，机器学习技术也恰好适用于“中枢节点”的特点，这是因为“中枢节点”要求的处理结果是“明确的”、“严谨的”，短期内不易变化的，可以说是一种“规范化”的处理，这样的场景比较适合机器学习发挥其经验学习、历史模仿的优势。相反，倘若一个场景需要更多的创造性、自由发挥的思维，机器学习就难以给出满意的答案了。预置批示与分工方法-电动折弯机数控滚圆机滚弧机张家港液压弯管机数控滚圆机弯管机 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.wanguanji138.com