1.一种基于深度神经网络的网络问政平台留言分类的方法，其特征在于，包括以下步骤：获取多条训练政务留言数据及相应标签；

将训练数据中所有不重复的字组成政务文本词汇表，对政务文本词汇表中的每个字，使用BERT和义原模型分别生成字向量，将二者生成的字向量做拼接构成单个字的向量表示，词汇表中每个字及其对应的拼接向量表示，构成政务文本向量字典；基于向量字典得到所述多条训练政务留言数据的向量表示；

为每个标签设定一个唯一编号，进行one‑hot编码，标签向量矩阵维度为类别数量，所属类别对应位置设置1，其余位置补零，得到各标签的向量表示；

根据政务留言数据及相应标签的向量表示，采用机器学习模型训练政务文本分类模型；

基于所述政务文本分类模型进行政务留言分类。

2.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，获取多条训练政务留言数据后，还对训练政务留言数据进行文本清洗预处理。

3.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，所述机器学习模型采用文本卷积神经网络，包括词嵌入层、卷积层、最大池化层、全连接层与Relu层。

4.如权利要求1所述的基于深度神经网络的网络问政平台留言分类的方法，其特征在于，所述方法还包括：基于测试数据，采用训练得到的政务文本分类模型进行分类并进行评价。

5.一种基于深度神经网络的网络问政平台留言分类的系统，其特征在于，包括：数据获取模块，被配置为获取多条训练政务留言数据及相应标签；

字典构建模块，被配置为将训练数据中所有不重复的字组成政务文本词汇表，对政务文本词汇表中的每个字，使用BERT和义原模型分别生成字向量，将二者生成的字向量做拼接构成单个字的向量表示，词汇表中每个字及其对应的拼接向量表示，构成政务文本向量字典；

向量表示模块，被配置为基于向量字典得到所述多条训练政务留言数据的向量表示；

为每个标签设定一个唯一编号，进行one‑hot编码，标签向量矩阵维度为类别数量，所属类别所在位置设置1，其余位置补零，得到各标签的向量表示；

模型训练模块，被配置为根据政务留言数据及相应标签的向量表示，采用机器学习模型训练政务文本分类模型；

留言分类模块，基于所述政务文本分类模型进行政务留言分类。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑4任一项所述基于深度神经网络的网络问政平台留言分类的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑4任一项所述基于深度神经网络的网络问政平台留言分类的方法。