【论文推荐】针对公民投诉的时空分类法标签推荐 STAR: Spatio-Temporal Taxonomy-Aware Tag Recommendation for Citizen Complaints

题目： STAR: Spatio-Temporal Taxonomy-Aware Tag Recommendation for Citizen Complaints

简介：

在现代城市中，投诉已成为公民向政府报告新出现的城市问题以便快速响应的一种重要方式。为了便于检索和处理，政府官员通常通过手动为其分配标签来分类公民投诉，这效率低下并且不能始终保证所分配标签的质量。这项工作试图通过为市民投诉分配标签来解决此问题。尽管有很多关于文本内容标签推荐的研究，但很少有人考虑公民投诉的两个特征，即时空相关性和候选标签的分类法。在本文中，我们提出了一种新颖的时空分类意识感知推荐模型（STAR），通过将投诉的时空信息和候选标签的taxonomy相结合，为市民投诉推荐标签。具体来说，STAR首先利用两个平行的渠道来学习文本和时空信息的表示形式。为了有效利用标签的taxonomy，我们设计了链式神经网络，该网络逐步完善表示形式并在新的分类法约束下执行层次结构推荐。还提出了一种融合模块，以标签特定的方式自适应地整合文本和时空信息的贡献。我们在数据集上进行了广泛的实验，并证明STAR的性能明显优于最新技术。通过消融研究也验证了我们模型中关键组件的有效性。