随着城市智能化的发展,政府部门为了了解民生诉求普遍建立了呼叫中心,并成为群众表达民意诉求的重要渠道。民生诉求文本包含了丰富的当地热点事件和诉求信息,这些文本数据往往长短不一、包含较大信息量,伴随着数据量的逐渐增大,如何发现群众关心的热点诉求成了管理者关注的焦点。本文利用文本分类技术,对呼叫中心的诉求数据进行分析,设计实现了一个从数据采集、数据预处理、文本数据分类和可视化展示为一体的文本分类系统。本文主要工作包括:(1)数据采集,采集分散在不同数据源的原始数据。论文设计合理的数据存储格式,完成数据的初步录入。呼叫中心的数据源每天都有更新汇总,因此后期采用增量采集的模式,完成对新数据的增量录入。(2)数据预处理,论文设计实现了一套数据初步清洗的方法,完成对真实数据的清洗和过滤。同时针对数据中的诉求文本设计实现了中文文本处理流程,包括中文分词、去除停用词、特征选择和文本表示等步骤。在文本特征表示阶段,针对传统TFIDF算法忽略特征类内和类间的分布的缺陷,结合卡方统计和信息熵提出改进的TFIDF-T算法;同时研究了基于词向量Word2vec的文本表示,提出了词向量平均的A_Word2vec模型和结合TFIDF权重的T_Word2vec文本特征表示模型。(3)诉求文本分类,将上面几种文本特征表示模型与KNN、SVM和朴素贝叶斯三种分类算法结合、并与基于Word2vec词向量模型的深度学习文本分类模型FastText进行比较,结果表明以T_Word2vec模型进行文本特征表示,以KNN为分类算法具有较好的诉求文本分类效果。进一步,并借助Hadoop集群的分布式并行计算能力,实现了诉求文本分类算法的并行化。(4)可视化展现,对最终的分类结果生成直观的报表展示,实现诉求事项分时间、区域的展示。系统测试和实际运行表明,本文实现的呼叫中心文本分类系统具有较好的准确率和性能,能够及时反映出民生热点诉求。