政府單位

陳情案件分析

本政府單位投訴之大量非結構化案件進行語意分析,透過機器學習自動將案件分派到適合處理之單位,並解析各單位之案件,從中探索與歸納重要/熱門事件,更結合地理資訊,繪製議題地圖,快速且準確地找到與解決民眾問題,提升整體施政效益。

政府單位

陳情案件分析

本政府單位投訴之大量非結構化案件進行語意分析,透過機器學習自動將案件分派到適合處理之單位,並解析各單位之案件,從中探索與歸納重要/熱門事件,更結合地理資訊,繪製議題地圖,快速且準確地找到與解決民眾問題,提升整體施政效益。

專案緣起

案主問題

● 大量投訴案件以人力處理效率不彰。

● 非結構投訴案件解析困難,無法有效利用。

案主問題

● 大量投訴案件以人力處理效率不彰。

● 非結構投訴案件解析困難,無法有效利用。

本政府單位自本政府單位市民專線與市長陳情信箱啟用以及民眾使用習慣改變,資料量大增,原以人力進行之日常分案作業流程,已無法因應每日數量可觀的分案作業。

此外,許多投訴案件為非結構性資料,因此本研究希望透過意藍資訊專業文字探勘與分析技術,協助地方政府以及其他提供類似服務之政府機關能提高陳情案件資料的分析品質,進而能更準確且快速地找到解決問題的正確方法,增加民眾對整府單位的信賴感。

特色與內容

TS-ex-case01

資料前處理

利用文字探勘(text mining)技術處理後,將這些資料型態為文字的非結構化原始資料,轉成為可分析的結構化欄位,以供後續資料探勘(data mining)使用。

TS-ex-case02

自動分案至各單位

利用自動分類引擎技術,將範本資料所學習出的特徵,建立適當的分類規則與分類模型,進行類別的預測。

TS-ex-case03

自動分群探索議題

針對分案自各單位資料,進行熱門議題分群歸納與探索,並發展加值應用,例如利用從案件內容所斷出的發生地址,結合地理資訊繪製議題地圖。

建置效益

高準確之分類模型

以決策樹模型進行分案,規則清楚,可快速且準確地將新進案件分配至適合處理之單位,實際測試正確率高達9成。

降低人力負擔

將非結構之投訴案件透過語意技術,自動分派至各單位,節省過去須透過人力作業所耗費的心力與時間。

掌握重點事件

透過語意分析技術,從中解析與彙整重要熱門議題,協助以更多元且完整的角度掌握民眾問題,作為後續決策參考。

選購產品

icon-ENLP-Class
icon-ENLP-TM

Copyright Tornado Technologies Co., Ltd.