KE-BERT-BiLSTM：知识增强的公安信访文本情感分析算法

来源：计算机工程与应用杂志2026年第14期北京时间：

作者：吴蕙怡, 王威

单位：中国人民公安大学 信息网络安全学院，北京 100038；

摘要：公安信访工作在化解社会矛盾、保障群众权益中发挥关键作用。当前信访全流程依赖人工操作，效率低下，且现有研究多聚焦理论层面，对效率提升探索不足，尤其在“诉求类别”甄别及文本特征项权重精准赋予方面存在空白。结合BERT强大的深层语义理解能力、双向长短时记忆网络（BiLSTM）的双向序列建模优势及知识增强策略，创新性地提出knowledge-enhanced BERT-BiLSTM模型（KE-BERT-BiLSTM）。该模型设计了双重领域知识增强策略，通过领域知识注入策略，实现专业知识与语义理解的深度交互；通过语境敏感计算策略，引入情感波动指标量化强度变化曲线，设计领域强度系数实现动态权重调整，突破静态情感词典局限。实验结果表明，KE-BERT-BiLSTM模型在公安信访文本情感分析任务中准确率显著优于支持向量机、随机森林等单一模型，同时优于BERT及其组合模型等基线模型和近两年发表的模型。提出的层次化语义解耦、注意力自适应优化、时空情感特征融合等微调机制有效加成KE-BERT-BiLSTM架构在融合语义特征与序列特征方面的长处，还为其他行政文本分析提供了可迁移的领域自适应范式，推动了文本情感分析从通用模型向领域深化的理论转型。

关键词：公安信访,情感分析,知识增强,BERT,双向长短期记忆网络（BiLSTM）

基金资助：国家重点研发计划课题（2022YFC3301101）。