استخدام التعلم العميق في تحسين الخدمات البلدية الحكومية
Title Utilization of Deep Learning to Improve the Performance of Municipal Services Government
الباحث الرئيس حمود حامد مساعد العلوي
التخصص: علوم الحاسب
المستخلص: لقد برزت نماذج معالجة اللغة الطبيعية (NLP) كأداة حيوية لمعالجة التحديات التجارية المعقدة، وذلك بفضل التقدم في تقنيات التعلم الآلي (ML) والتعلم العميق (DL)، وهو فرع من فروع الذكاء الاصطناعي (AI). لقد حسنت نماذج التعلم العميق المتقدمة بشكل كبير من كفاءة وفعالية تطبيقات معالجة اللغة الطبيعية، مما يسهل التكامل السلس لمختلف العمليات التجارية لتعزيز اتخاذ القرار.
في القطاع البلدي، تستفيد المملكة العربية السعودية من قوة معالجة اللغة الطبيعية لتعزيز التنمية الحضرية والتخطيط العمراني وتحسين البنية التحتية، مما يرفع في النهاية من جودة الحياة للمقيمين فيها. في هذا القطاع، تتوفر حوالي 300 خدمة من خلال قنوات متعددة، بما في ذلك تطبيق بلدي، وخدمة الاتصال الموحد ، واتساب، ومركز خدمة مستفيدين مخصص (يخدم المواطنين والمقيمين)، وحسابات وسائل الإعلام الاجتماعية للقطاع البلدي.
تدعم هذه القنوات بفريق مخصص يعمل على مدار 24 ساعة في اليوم.
تستعرض هذه الدراسة تطبيق أساليب ML وDL لتصنيف الطلبات والاقتراحات المقدمة من قبل السكان للخدمات البلدية المتنوعة في المملكة العربية السعودية.
الهدف الرئيسي من هذا العمل هو تحسين جودة الخدمات وتقليل أوقات الاستجابة لاستفسارات المجتمع. ومع ذلك، تنشأ تحديات كبيرة من نقص مجموعات البيانات العربية المخصصة تحديدًا للقطاع البلدي لأغراض التدريب، مما يعيق التقدم المعنوي.
لمعالجة هذه المشكلة، قمنا بتطوير مجموعة بيانات تتكون من 3,714 طلبًا واقتراحًا مصنفة يدويًا تم جمعها من منصة X تم تنظيم هذه المجموعة في فئات محددة، تشمل صيانة الأشجار، والإضاءة، والنفايات الإنشائية، والأصول القديمة المهملة، وظروف الطرق، والبيانات المكتوبة، واللوحات الإعلانية، والنظافة.
تشير نتائجنا إلى أن نماذج التعلم الآلي، وخاصة عند تحسينها بواسطة ضبط المعلمات المفرطة والمعالجة المناسبة، قد تفوقت على نماذج التعلم العميق، محققةً درجة F1 قدرها 90% مقارنة بـ 88%. نحن نعتقد أن هذا العمل يوفر مرجعًا أساسيًا لمزيد من البحوث ويسهم بشكل كبير في تعزيز تقديم الخدمات في القطاع البلدي.
Abstract: The Natural Language Processing (NLP) domain has emerged as an important asset for solving complex business problems, primarily due to advancements in machine learning (ML) and deep learning (DL), the latter being a branch of artificial intelligence (AI). These advanced DL methods have greatly enhanced the effectiveness and efficiency of NLP applications, allowing for the successful integration of various business functions to improve decision-making. In Saudi Arabia, the municipal sector is capitalizing on NLP capabilities to support urban development, city planning, and infrastructure improvements, ultimately raising the standards of municipal services for residents and visitors alike. Approximately 300 services are offered through diverse channels, including the Baladi app, unified communication platforms, WhatsApp, a dedicated beneficiary support center (for citizens and residents), and the municipal sector's social media pages. These services are operated by a specialized team that is available around the clock.
This study examines the application of ML and DL methodologies to organize requests and suggestions from residents about various municipal services in Saudi Arabia. We aim to enhance service quality and shorten response times to community inquiries. A significant obstacle is the lack of adequate Arabic datasets specific to municipal services, which restricts meaningful advancements. To tackle this issue, we have created a dataset containing 3,714 manually classified requests and suggestions collected from the X platform. This dataset is categorized into eight main groups: tree maintenance, lighting, construction waste, visual pollution, road conditions, written complaints, billboards, and cleanliness. Our findings indicate that ML models, especially those refined using hyperparameters and effective pre-processing, surpassed DL models, achieving an F1 score of 90% compared to 88%.
In our thesis proposal, we outlined our approach to classify various forms of feedback and complaints received in text, image, or hybrid formats, with the objective of sending each request to the appropriate department. However, we encountered issues due to the lack of consistent and sufficient data for images or hybrid formats, which postponed our ability to classify this type of content. Therefore, the analysis of images and hybrid submissions has been deferred to future studies, contingent upon the availability of adequate data. Ultimately, we believe that the work presented in this thesis can provide a foundational reference for future research and has the potential to enhance service delivery in the municipal sector greatly.