KLCBL：一种改进的警务事件分类模型
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对基层机构在处理警务事件分类时面临的手工效率低下和自动化系统局限的问题，提出了一种多通道神经网络模型KLCBL。通过整合Kolmogorov-Arnold网络、语言增强的文本预处理方法、卷积神经网络及双向长短期记忆网络，KLCBL在真实数据评估中达到了91.9%的准确率，显著超过了基线模型，推动了警务信息化和资源配置的优化，并展现出对其他分类任务的广泛适用性。
该研究评估了大型语言模型在交通事故管理中的应用，发现将语言模型特征与事故报告特征结合可显著提高事故严重程度的预测准确性，尤其在随机森林和极限梯度提升方法中表现优异，为事故管理的机器学习流程提供了重要见解。
