基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐

马媛; 黄志兴; 戴逸聪; 张莹; 邹雯婧

doi:10.20040/j.cnki.1000-7709.2026.20251767

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐

水文水资源与环境 | 更新时间：2026-10-13

- 基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐
- 基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐
- 水电能源科学 2026年44卷第9期页码：26-30+62
- 作者机构：
  
  太湖流域管理局水文局(信息中心)
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20251767
  中图分类号： TP181;TV213.4
- 纸质出版：2026
- 稿件说明：
移动端阅览
马媛, 黄志兴, 戴逸聪, 等. 基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐[J]. 水电能源科学, 2026,44(9):26-30+62.

马媛, 黄志兴, 戴逸聪, et al. 基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐[J]. 2026, 44(9): 26-30+62.
马媛, 黄志兴, 戴逸聪, 等. 基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐[J]. 水电能源科学, 2026,44(9):26-30+62. DOI： 10.20040/j.cnki.1000-7709.2026.20251767.

马媛, 黄志兴, 戴逸聪, et al. 基于TF-IDF和SVM机器学习算法的水政违法事件相似案例推荐[J]. 2026, 44(9): 26-30+62. DOI： 10.20040/j.cnki.1000-7709.2026.20251767.

摘要

针对水政执法过程中案例检索效率低、参考依据不足的问题，提出一种基于TF-IDF和SVM机器学习算法的相似案例智能推荐方法。该方法以太湖流域水政执法案件库中的200个历史违法事件为例，采用TF-IDF技术对案例文本进行特征提取与向量化表示，利用支持向量机（SVM）实现案例的多维度分类与筛选，并结合余弦相似度计算实现目标案例与相似案例的精准匹配。在太湖流域水政执法数据集上的测试结果表明，所提方法的F

-score评价指标超过90%

相较于传统关键词匹配方法，在匹配精度和检索效率方面均有显著提升，能有效输出相似度最高的5个参考案例。该方法适应性强，能为水政执法人员提供高效可靠的案例检索支持，具备较高的实用价值与推广潜力，并为后续引入大语言模型增强语义理解能力奠定了基础。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于机器学习的梅雨分型及其降水量预测研究

基于多种机器学习算法的伊洛河流域汛期GPM降水数据降尺度研究

基于小样本机器学习的土石坝堆石料流变参数反演方法

黑龙江省降雨事件分类的机器学习模型性能研究

基于多源气象资料与机器学习的降水数据质量控制方法研究