پردازش زبان طبیعی در تعامل با شهروندان؛ از چت بات های خدماتی تا دستیار هوشمند تصمیم یار شهر هوشمند

ارتباط موثر میان مدیریت شهری و شهروندان، یکی از پیش شرط های تحقق شهر هوشمند انسان محور است. با گسترش سامانه های ارتباط مردمی اپلیکیشن های خدمات شهری و شبکه های اجتماعی، حجم بزرگی از پیام های متنی و گفتاری شهروندان تولید می شود؛ اما بخش مهمی از این داده ها به دلیل ماهیت بدون ساختار، تنوع زبانی و محدودیت ظرفیت تحلیل انسانی، به بینش مدیریتی قابل اقدام تبدیل نمی شود. این مقاله چارچوبی چندلایه برای به کارگیری پردازش زبان طبیعی در تعاملات شهری ارائه می کند که از سطح پاسخ گویی چت باتی فراتر می رود و به یک دستیار هوشمند تصمیم یار برای مدیران شهری متصل می شود. در لایه نخست، داده های متنی از سامانه ۱۳۷، پیام رسان ها، شبکه های اجتماعی و اپلیکیشن های خدمات شهری دریافت و با رویه های نرمال سازی فارسی، حذف نویز و ناشناس سازی آماده سازی می شوند. در لایه تحلیل، مدل های مبتنی بر BERT/ParsBERT برای دسته بندی نیت شهروندان، تحلیل احساسات و شناسایی فوریت به کار گرفته می شوند و مدل BERTopic برای استخراج موضوعات پنهان و روندهای نوظهور استفاده می شود. در لایه تصمیم یار، خروجی مدل ها به داشبورد مدیریتی، نظام اولویت بندی، هشدار پیشگیرانه و پیشنهاد تخصیص منابع تبدیل می گردد. ارزیابی اولیه بر مجموعه ای برچسب گذاری شده از پیام های شهروندی نشان داد که مدل پیشنهادی در دسته بندی درخواست ها به دقت ۹۲/۳ درصد و در تحلیل احساسات به دقت ۹۴/۱ درصد دست یافته است. همچنین، معماری پیشنهادی با اتکا به ناشناس سازی، یادگیری فدرال و اعتبارسنجی انسانی، تلاش می کند میان کارایی عملیاتی، حریم خصوصی و عدالت الگوریتمی توازن برقرار کند.

کلیدواژه ها:

شهر هوشمند ، پردازش زبان طبیعی ، تعامل شهروندی ، چت بات هوشمند ، دستیار تصمیم یار ، تحلیل احساسات فدرال