大模型驱动政务事件研判和预警分析，促进城市治理精细化

1、深耕行业应用：依托生态智能算力和基础大模型能力，聚焦政务、交通、电力、通信、公安、消防等自身拥有丰富业务经验的垂直领域的大模型价值场景创新。 2、自研完善的大模型产品体系：提供包括鲸智智算平台、鲸智智能体开发平台、鲸智大模型开发平台、鲸智ChatBI、鲸智文档大模型等全链工具集，帮助客户解决大模型应用落地过程中普遍面临的算力管理难题、模型能力的生产供给难题、应用开发难题等。 3、拥有丰富的落地实践经验：项目服务团队，从数据供给、知识梳理、模型验证、智能体开发等多个方面，提供从基模部署、训练调优、智能应用搭建等端到端服务能力，帮助企业实现全栈业务场景的智能化提升。

场景描述

在浙江杭州某区事件中枢项目建设中，主要存在以下问题：

1. 数据整合与共享难题

信息孤岛现象：不同政府部门之间的数据系统往往相互独立，形成信息孤岛，导致数据难以整合和共享。这直接影响到事件中心在处理跨部门事件时的效率和准确性；数据标准不统一：各部门的数据采集、存储和处理标准可能存在差异，增加了数据整合的难度。

2.跨部门协同机制不畅

协同效率低下：传统的部门间协作机制可能无法适应“一网统管”的高效协同需求，导致事件处理过程中存在推诿扯皮、响应不及时等问题。在复杂事件的处理中，各部门之间的职责划分可能不够清晰，容易出现责任空白或重叠，影响事件处理的效率和效果。

3.上报的事件内容缺少关键信息，质量过低

事件回复或处置的内容过于敷衍；事件数量过多，⼈⼯抽检需要消耗⼤量时间；

4. 技术应用与创新能力不足

面对众多新技术，如何选择合适的技术方案并有效集成到事件中枢中，是一个具有挑战性的任务。事件中枢作为城市治理的核心系统，其稳定性和安全性至关重要。然而，技术支撑能力的不足可能导致系统出现故障或遭受攻击，影响城市治理的正常运行。

解决方案

浩鲸科技在该项目中为建设了基于鲸智大模型技术能力的事件分析、预警处置中枢。具体建设方案如下：

第一，打造事件研判大模型，实现事件汇聚后的自动归类、自动去重、自动融合，打造一人多事、一地多事、一事多人等重点业务场景的分析研判。核心部分是通过集成深度学习、数据挖掘、数据可视化等技术，为政府决策提供智能化的辅助与支持。该模块能够深入挖掘政务数据中的潜在价值和规律，帮助决策者更准确地把握形势、预测未来，从而做出更加科学、合理的决策。

第二，建设预警分析大模型，通过提示词工程，针对社会热点事件，进行重点关注，发现更多隐患、从而减少风险隐患发生、提高事件处置效率、减少基层工作量、智能监督工作质效。

成效

通过打造事件研判大模型，项目实现了对海量政务数据的深度挖掘与智能分析，自动归类、去重、融合各类事件信息，为政府决策者提供了精准、全面的数据支撑。预警分析大模型的应用，使得社会热点事件及潜在风险能够被及时发现并重点关注。通过提示词工程等先进技术手段，项目能够提前识别出潜在的安全隐患和社会矛盾，为政府采取预防性措施提供时间窗口，有效减少风险事件的发生，降低其对社会经济的负面影响。

具体实现如下项目价值：

持续投诉预警

同一人员针对同一事件，持续性多次上报、投诉。基于投诉人员的历史上报投诉记录及对该事件的处置满意度，用以识别预判群众投诉的事件得到回复后，是否会继续投诉。将可能持续发生投诉的事件预警展示，同步呈现持续投诉主体及其历史投诉情况，从而避免反复投诉事件发生。

高频主体发现

从全域汇聚的基层治理事件中识别提取事件要素“被投诉主体”，分析甄别出被高频投诉的人员、企业法人、城市部件各类主体,从高到低告警排序，将高频被投诉主体关联的投诉事件聚合展示，对在一段时间内的投诉发生趋势进行分析，以加强对该类主体的综合管理，减少投诉事件。

敏感诉求发现

对全域全量事件进行敏感诉求结果分析和聚类，从中识别发现具有较大社会影响力、带有敏感负面词汇的群众诉求，如敏感人群（社区戒毒人、社区矫正人、重点青少年、刑满释放人、邪教人员）诉求，帮助快速掌控风险态势。