CN104573106A

CN104573106A - 一种基于案例推理技术的城市建设智能审批方法

Info

Publication number: CN104573106A
Application number: CN201510050118.XA
Authority: CN
Inventors: 陈观林; 王二朋
Original assignee: Zhejiang University City College ZUCC
Current assignee: Zhejiang University City College ZUCC
Priority date: 2015-01-30
Filing date: 2015-01-30
Publication date: 2015-04-29
Anticipated expiration: 2035-01-30
Also published as: CN104573106B

Abstract

本发明公开了一种基于案例推理技术的城市建设智能审批方法，包括六个步骤：构造审批案例库、新审批案例和模型参数信息输入、提交作业到Hadoop集群进行KNN MapReduce案例检索、基于“权重积分模型”对检索结果进行统计分析、案例评价与修正、审批数据分布式全文搜索。发明的有益效果是：该方法预计能改变目前主要靠人工对申请审批的情况，提高工作效率，增加审批的依据，使得审批流程更加智能化。通过该云计算中心，可以利用Hadoop的MapReduce框架进行分布式检索，建立基于案例推理技术的分布式案例检索模型。专利创新性地提出“权重积分模型”对检索出的相似案例进行统计分析，进而得到对新审批案件有益的指导。

Description

一种基于案例推理技术的城市建设智能审批方法

技术领域

本发明涉及城市建设智能审批方法，更具体说，它涉及一种基于案例推理技术的城市建设智能审批方法。

背景技术

城市建设是研究城市的未来发展、城市的合理布局和综合安排城市各项工程建设的综合部署，从空间上确定城市布局和土地使用功能以及道路交通和市政基础设施网络，是城市发展的总框架。城市建设是促进城市管理、保持城市可持续发展的基本条件和重要依据。

伴随着城市建设中信息化的建设，城市管理者积累了各种城市建设历史数据(包括各种类型的城市地理数据、各种建设项目审批数据以及办公业务数据等)。但由于经验和技术发展的原因，城市建设信息系统在建立初期并未能考虑到可能出现的各种情况，因此并未对这些历史数据进行分析利用。随着信息技术的发展，传统城市建设信息系统的缺陷与局限性越来越突出。以城市建设案例审批为例，国内在案例审批当中仍主要采用人工审批的方式。审核人员接收到申请人员所提出的申请材料之后，查找相关法规，检验提出的申请是否符合城市建设的各项要求，然后给予审批答复。对于涉及到某些特殊单位或者重大项目的申请则需要提交上级用地会议来决定。

在我国，一个大城市每年要处理的城市建设相关审批案件多达10多万起，审批工作非常繁重，而且处理效率不高，这与日益发展的城市建设格格不入。以国内城市建设工作居全国前列的杭州市为例，从提交一个用地申请到审批结果出来仍然需要接近一个月的时间，这大大制约了城市建设的发展。随着网络通信技术、物联网技术、移动互联网等技术、云计算和大数据技术的蓬勃发展，智慧城市建设的大幕已经悄然拉开。建设智慧城市，对加快信息化、工业化、城镇化、农业现代化融合，提升城市可持续发展能力具有重要意义。现有技术的发展也对智慧城市的建设提供了条件。移动通信技术与互联网技术的发展尤其是通信技术以及IPV6等技术的深度发展，为智慧城市信息传输、互联互通和资源共享提供了通道；云计算、超大规模数据的数据挖掘、分布式计算和数据存储、智能技术以及信息共享与应用平台开发技术的发展与运用为智慧城市所需要的深度计算、加工处理及应用最终实现智慧城市的主要功能提供了强大的技术支撑。在建设智慧城市和大数据时代的大背景下，如何对历史审批数据进行挖掘并利用大数据技术改进现有城市建设系统的缺陷是一个值得研究的课题。

专利02135226.7“一种用于基建工程报建审批的IC卡管理系统及其应用方法”提供了一种用于基建工程报建审批的IC卡管理系统及其应用方法，该方法实现了报建大厅工程建设数据的数字信息平台化,实现了不同业务内容窗口的信息共享和业务联动,使建设单位需提交的纸质载体资料大为减少,有助于提高政府部门的办公自动化、无纸化程度和报建审批工作的“阳光化”,是政府管理部门具体业务处理工作程序的巨大突破,是建设项目行政审批制度改革的一个重要体现和城市建设管理机制的一个创新。该发明适用于工程建设项目的报建、审批、管理工作。专利201010288981.6“智能辅助审批系统及方法”提供了一种可以用在城市建设案例审批领域的智能辅助审批系统及方法，该系统包括：审批知识库,用于存储知识点,每一知识点包括审批关注信息且至少部分所述知识点与业务系统中的业务数据相关联；操作步骤管理单元,用于创建业务审批操作步骤,部分业务审批操作步骤包括审批知识库中的知识点；审批过程管理单元,用于实现审批过程在各个审批执行人之间的自动流转,每一审批执行人依次执行业务审批操作步骤。该发明还提供一种对应的智能辅助审批方法，通过在载入业务系统前预设操作步骤并在载入系统时根据预设的操作步骤创建审批流程,增加了业务系统的灵活性。这两种方法主要采用工作流的方式处理电子政务案例审批工作，并基于“审批规则库”实现了案例审批的电子化和信息化。但是这些方法和系统只是实现了审批数据的存储与查询以及电子审批功能，并没有充分利用这些历史审批数据，更没有对这些数据进行数据分析或者挖掘工作，因此并没有从根本上提高审核效率。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于案例推理技术的城市建设智能审批方法。

这种基于案例推理技术的城市建设智能审批方法，包括六个步骤：构造审批案例库、新审批案例和模型参数信息输入、提交作业到Hadoop集群进行KNN MapReduce案例检索、基于“权重积分模型”对检索结果进行统计分析、案例评价与修正、审批数据分布式全文搜索。

(1)构造审批案例库：用什么方法去组织和描述实际案例，直接决定案例推理系统具体采用什么方式来进行搜索和推理，进而影响着整个系统能否获得成功。本专利采用基于面向对象的案例表示方法。

(2)新审批案例和模型参数信息输入：在新审批案例输入阶段，审批人员需要输入案例的各个属性信息，包括申请单位信息、申请项目信息、申请用地信息以及CBR模型参数信息，包括近似案例的个数K、案例属性权重向量W和相似度检索阈值a。

(3)提交作业到Hadoop集群进行KNN MapReduce案例检索：在案例检索阶段，系统把审批人员输入的审批案例信息提交到案例审批云计算平台上，平台启动MapReduce Job根据之前不同类型属性相似度计算方法计算出案例库中的每个案例与新输入案例之间的相似度，然后再根据相似度和K值匹配出符合要求的相似案例。

(4)基于“权重积分模型”对检索结果进行统计分析：对于检索出来的K个案例，根据其相似度大小设置不同的权重，相似度越大，则该案例的权重越大。然后根据每个案例的审批结果进行加权求和，同一类的审批结果放在一起进行权重的累加，最终权重最大的那一类的审批结果作为本次案例检索的参考意见。

(5)案例评价与修正：在案例修正阶段，审批人员检索到相似案例后可以查看每个案例的详情，并给出案例匹配度反馈。如果在这次案例检索中，利用某个相似案例解决了当前的审批问题，则可以对这个案例的权重进行增加，表明这个案例具有代表性。如果没有返回相似案例，则可以调整相似度阈值或者案例权重向量，然后再次检索。

(6)审批数据分布式全文搜索：如果案例检索阶段返回的案例相似度较低或者指导意义很小，则审核人员可以输入关键字对历史审核信息进行全文索引，包括历史审批信息的各个字段以及审批提交的材料，由此获得一些有用的指导经验

该方法的总体结构如图1所示，具体实现步骤如下：

步骤一、构造审批案例库

根据历史审批数据，发现每个审批案例都是由审批案件特征和审批案件结果组成。通过与城市建设委员会的工作人员充分沟通和细致探讨，本文认为审批案例可以用下面的四元组表示为：C＝(E,P,L,R)。其中E＝(e₁,e₂,...,e_m)代表审批案例的申请单位信息的描述向量，包括申请单位的企业注册时间、注册资金、企业经济性质、所属区域性质、行业管理所在地、企业行业性质、信用综合得分以及银行资信等级；P＝(p₁,p₂,...,p_n)代表审批案例的申请项目信息的描述向量，包括案件类别、申请项目工期、申请项目资金总额、申请项目层数、申请项目类型、申请项目总面积、申请项目资金来源、工程结构分类、最大跨度、最高宽度和是否重点工程。L＝(l₁,l₂,...,l_p)代表审批案例的申请用地信息的描述向量，包括用地建筑物现状、用地名称、用地类别、用地所属街道、用地面积、街道面积、绿化面积、河涌面积、用地规划情况和用地调查概况；R＝(r₁,r₂,...,r_q)代表审批案例的审批结果的描述向量，包括局长意见、领导批示、复文正文、复文类型、处长意见、组长意见、经办意见、审批结果、办理依据和审批时间。系统案例结构如图2所示。

步骤二、新审批案例和模型参数信息输入

该系统云终端采用Extjs4.1+SSH技术实现，审批人员首先通过登录界面登录系统，验证成功后选择左边菜单栏的智能审批→案例审批后进入新案例输入界面，输入申请单位信息、申请项目信息、项目用地信息以及CBR模型的参数,包括相似案例的个数K、案例属性权重向量以及检索相似度阈值，然后点击检索按钮进行案例检索。

步骤三、提交作业到Hadoop集群进行KNN MapReduce案例检索

(一)案例相似度的计算

从步骤一所示的审批案例结构可以看出，城市建设审批是一个很复杂的过程，需要审批的内容牵涉到多个方面，因此审批案例的属性向量也是由多种数据类型的元素构成，比如连续型属性、离散有序属性、符号分类属性、字符型属性以及模糊区间属性等。相似度的计算是CBR系统的核心，体现了CBR系统的推理能力。在本文中，针对不同类型的属性，我们使用了不同的相似度计算方法。

1、连续型数值属性的相似度：

对于连续型数值属性，其相似度定义见公式1。

Sim (s, t) = 1 - \frac{| s - t |}{\max (c, t) - \min (s, t)}

(公式1)

S表示原案例属性，t表示案例库中目标案例相同的属性，max(s,t)表示s和t所代表的属性的值域的最大值，min(s,t)表示s和t代表的属性的值域的最小值。

2、有序属性的相似度：

有序属性值的测度属于次序测度的等级，其值不仅有分类的作用，同时也存在定性的顺序关系。在实际问题中可以将这些有序属性简化为次序枚举类型，并按照语义强弱的次序进行排列。假设属性分为n个等级，则等级i和等级j之间的相似度见公式2。

Sim (i, j) = 1 - \frac{| ord (i) - ord (j) |}{{card}_{i}}

(公式2)

其中ord(i)是属性值i在值域集合中的次序；card_i是属性分的级数。例如，企业的银行征信等级在本文中被划分成“AAA、AA、A、B、C”五个等级，则“AA”等级和“B”等级的银行征信等级相似度计算为1-2/5＝0.6。

3、符号分类属性的相似度：

对于符号分类属性的特征向量，我们可以在系统中建立一张二位矩阵表，矩阵的横坐标和纵坐标代表的是属性的各个元素，矩阵中对应的元素代表相应的相似度。比如本文中案件类别属性是符号分类属性，其特征向量的特征值有6个，分别为换发许可证、历史用地补办许可证、新征用地许可证、建设项目选址审批、建设用地规划审批、建设工程规划审批，记为P＝(p₁,p₂,p₃,p₄,p₅,p₆)，则该属性的相似度矩阵如图3所示。通过该图可以方便地查到两个案例中同一属性下的特征向量的相似度。为了得到相似度查询表中的相似度的值，需要借助于专家知识，需要相关领域的专家经过多年的经验给出。

4、字符型属性的相似度：

字符型属性的相似度可以分为三种情况：

(1)精确匹配：如果两个字符串结构相似则认为两个字符串相似，适用于较长的句子。

(2)拼写检查：比较两个字符串中相同字母的个数占总数的比例，适用于只包含一个词的情况，实用范围很窄。

(3)字符统计：统计两个字符串当中相同的字符的个数占总体的比例，适用于包含多个字符的字符串。

(4)基于分词的匹配：对字符串属性进行分词，然后统计两个字符串分词后包含相同分词的个数占总体分词个数的比例。

精确匹配的相似度计算不仅需要分析句子的语法，还要分析句子的语义，涉及到自然语言处理方面的知识，显得比较复杂。综合考虑易用性和准确性，本文中采用基于MMSEG中文分词的匹配算法，综合考虑了同义词和反义词的影响，使得系统的匹配度更加准确。

具体的相似度计算定义见公式3。

Sim (string 1, string 2) = \frac{same (Stringtoken (string 1), Stringtoken (string 2))}{\max len (Stringtoken (string 1), Stringtoken (string 2))}

(公式3)

其中Stringtoken()函数是使用MMSEG中文分词得到的分词数组，same()函数计算两个字符串分词后同义词语的个数，maxlen()计算最长字符串分词的个数。

5、模糊区间属性的相似度：

在考虑模糊区间属性相似度的计算时，可以定义模糊集的几何解析表示，即计算区间的重叠率作为该类属性的相似度。这种方法的思路是构造模糊集合来模拟模糊区间属性值，用相对面积法来计算两个模糊区间的相似度，过程是：

第一步：根据模糊区间构造隶属函数。

第二步：根据隶属函数分别计算两个模糊区间和其重叠区间对应面积。

第三步：面积的重叠率作为模糊区间的相似度，见公式4。

sim (S_{i}, T_{i}) = \frac{S (S_{i} \cap T_{i})}{S (S_{i} \cup T_{i})} = \frac{S (S_{i} \cap T_{i})}{S (S_{i}) + S (T_{i}) - S (S_{i} \cap T_{i})}

(公式4)

其中S表示通过隶属函数计算出的对应面积。

根据前面的知识表示方法，案例的每一个特征对审批过程具有不同的重要性。该专利中，案例的初始权重向量是通过与审批业务人员充分交流和反复讨论得到的，这种方式含有很多的主观因素。另外随着新案例的不断加入，会导致问题空间和案例解答空间都发生了改变，案例中各个属性的相对权重也需要发生相应的变化，因此需要在以后的系统维护当中不断地调整案例属性的权重，更好的适应不同的需求。

为了让权重的配置更加灵活，本系统提供了让使用者自主配置权重的功能。由于不同类型的审批案件的每个属性的重要程度不一定相同，这种方式使得系统具有很好的扩展性和可解释性。

在案例检索计算相似度时，我们可以采用公式5计算案例之间的相似度：

Sim (S, T) = \frac{Σ_{k = 1}^{m} w_{k} \times sim (a_{ik}, a_{jk})}{Σ_{k = 1}^{m} w_{k}}

(公式5)

其中，w_k代表案例特征向量中第k个特征的权值，通常a_ik和a_jk分别表示案例S和T第k个特征的取值，sim(a_ik,a_jk)是案例S和T第k个特征的相似度。

(二)案例分布式检索

案例检索是基于案例的推理系统的最重要的一环。案例检索的响应速度以及检索出案例的质量直接关系到系统的推理能力。城市建设审批系统在多年的运行中已经积累了很多历史数据，包括申请单位数据、申请项目信息、申请项目用地信息以及办公室审批数据。如果基于传统的单机算法对这些案例进行检索，检索时间无疑会很长，这严重影响了审批效率。本系统采用基于Hadoop集群的Mapreduce算法进行案例的检索，这样极大的提高了系统的响应速度和运算能力。

基于MapReduce的KNN案例检索算法可以分为以下几个步骤，如图4所示：

1、Mapper的Setup阶段：接收新案例输入页面传来的案例信息、相似度阈值a、案例的权重向量以及返回的案例个数K等参数，并将传来的案例信息封装为一个对象，代表新输入案例；初始化一个相似度HashMap容器用于存放Map阶段读出的案例以及案例与新输入案例之间的相似度，key为String类型，value为double类型。

2、Mapper的Map阶段：每一个Mapper的map函数首选读取HBase中SystemCaseInfo表的一行数据，然后把读出来的数据根据HBase表的Column Qualifier通过Java的反射机制封装为一个SystemCase对象。接着根据不同的案例属性选择相应的相似度计算方法计算出新案例与生成的案例之间的相似度。然后根据用户输入的案例向量进行求加权平均值得到相似度。然后把该案例的案例ID、案例审批结果、审批原由、审批时间以及与新案例之间的相似度值放入Setup阶段准备的相似度HashMap容器中。

3、Mapper的Cleanup阶段：对相似度HashMap容器中的数据按照相似度(value)进行排序，然后输出前K个元素到Reducer中。

4、Reducer的Setup阶段：初始化一个相似度HashMap容器用于接收Mapper传来的数据，格式为<key,<value1,value2,…,valuen>>，容器的key为String类型，value为double类型。

5、Reducer的Reduce阶段：把Mapper的输出<key,<value1,value2,…,valuen>>形式的数据转化为<key,value1>,<key,value2>,…,<key,valuen>的形式，并依次存入Setup阶段准备的HashMap容器中。

6、Reducer的Cleanup阶段：对相似度HashMap容器中的元素按照相似度(value)进行排序，然后输出代表前K个案例的前K个元素到HBase的一张临时表中，该表包括案例ID、相似度、案例审批结果、案例审批原由以及案例审批时间等列标识符。当执行下一次的检索任务时，这张临时表即会被删除。

步骤四、基于“权重积分模型”对检索结果进行统计分析

传统的CBR系统进行案例检索时，一般是检索出相似度最高的案例，并根据该案例的解决方案给予新案例以指导。但是在案例审批系统中，由于案件审批过程涉及到的因素纷繁复杂、影响审批结果的因素也多种多样，如果只选择相似度最高的案例作为解决参考方案，则有可能会因为异常数据的存在给系统推理的准确性造成很大的影响。因此系统采用基于“权重积分模型”的案例推理。

所谓基于“权重积分模型”的案例推理即是指：对于检索出来的K个案例，根据其相似度大小设置不同的权重，相似度越大，则该案例的权重越大。然后根据每个案例的审批结果进行加权求和，同一类的审批结果放在一起进行权重的累加，最终权重最大的那一类的审批结果作为本次案例检索的参考意见。这种方式实现起来也比较简单，只需要从检索案例临时表中取出K个案例，然后分类统计权重得分，最后进行排序即可。

步骤五、案例诊断与修正

随着案例推理系统在城市审批的应用，案例不断的增加，案例库会不断的庞大起来。为了使系统的推理能力越来越强，我们会存储越来越多有用的案例。但与此同时也出现了很多冗余的案例，这样导致案例的检索效率下降以及案例检索结果的质量降低。因此，案例库的维护是案例推理系统中的一个非常重要的环节。案例库的维护涉及到案例的增加、修改和删除，案例库的结构调整，案例库的更新等，重点是如何确保新案例不断增加到案例库中后，如何对案例库本身进行维护，以保证整个系统的的能力和效率。

城市建设审批案例库的维护包括案例库组织结构的案例表达方式的调整，具体的内容包括案例表达方式中属性的修改及属性值和权值的调整。常用的案例库维护方法有随机删除法、实用量度法、IB3方法、维护规则方法、基于案例分类删除策略以及基于模式归纳的案例维护等。由于本系统采用云计算技术对审批案例进行存储和计算，存储空间大、计算速度快。为了充分利用大数据技术对审批数据进行挖掘以及保证系统的稳定性，本专利的案例维护主要是领域专家对案例库自身的维护，系统并没有提供通用的维护策略。

步骤六、审批数据分布式全文检索

由于城市建设审批案例的复杂性，有可能会出现检索不到相似案例或者检索到的相似案例相似度太低的情况。在这种情况下审批人员可以转入审批信息分布式全文搜索模块对海量历史审批数据进行全文检索，进而得到有益于解决问题的指导。全文检索的内容包括申请单位信息、申请项目信息、申请用地信息、审批结果、详细审批内容以及审批需要的资料附件。本专利利用SolrCloud集群执行分布式检索任务，因此检索的响应速度非常快。

本发明的有益效果是：本发明提出了一种基于案例推理技术的城市建设智能审批方法，该方法预计能改变目前主要靠人工对申请审批的情况，提高工作效率，增加审批的依据，使得审批流程更加智能化。针对案例检索的实时性和计算量大的问题，本专利建立了“案例审批云计算中心”。通过该云计算中心，可以利用Hadoop的MapReduce框架进行分布式检索，建立基于案例推理技术的分布式案例检索模型。本专利创新性地提出“权重积分模型”对检索出的相似案例进行统计分析，进而得到对新审批案件有益的指导。同时，这种云计算系统的部署也减轻了城市管理者的工作负担，使得他们只需要一个可以连网的终端就可以随时随地实现智能化审批，这也在一定程度上提高了审批工作的效率，促进了城市建设审批工作的透明度。

附图说明

图1是本发明提出的基于案例推理技术的城市建设智能审批方法总体结构图；

图2是本发明构造的系统案例表的结构图；

图3是本发明定义的案件类别属性相似度矩阵；

图4是本发明描述的案例检索的MapReduce分布式架构图；

图5是本发明构造的系统案例信息HBase表SystemCaseInfo；

图6是本发明实现的云计算平台客户端登录界面；

图7是本发明实现的城市建设新审批案例输入界面；

图8是本发明实现的相似案例检索MapReduce KNN算法的类图；

图9是本发明实现的提交分布式检索任务到云计算中心完成后返回的检索结果界面；

图10是本发明实现的基于“权重积分模型”对检索出的相似案例进行统计分析的结果图；

图11是本发明实现的对检索出的相似案例进行修正和评价反馈的界面；

图12是本发明实现的对历史审批数据进行分布式全文搜索的界面；

图13是本发明实现的基于案例推理技术的城市建设智能审批云计算系统的网络拓扑架构图；

图14是实现本发明提出的基于案例推理技术的城市建设智能审批方法的计算机硬件配置图；

图15是实现本发明提出的基于案例推理技术的城市建设智能审批方法的Hadoop集群架构图。

具体实施方式

下面结合附图和实施例对本发明做进一步描述。虽然本发明将结合较佳实施例进行描述，但应知道，并不表示本发明限制在所述实施例中。相反，本发明将涵盖可包含在有附后权利要求书限定的本发明的范围内的替换物、改进型和等同物。

本发明的实施方式涉及一种基于案例推理技术的城市建设智能审批方法。具体实现步骤如下：

步骤一、构造审批案例库

由于之前的城市建设审批信息是存放在传统的数据库以及xls、xml等非结构化或半结构化的文档中，因此在该方法中，首先使用Hive和Pig对这些多数据源的数据进行了数据的预处理以及ETL操作，最终生成上述结构的审批案例，并以表的形式存放在HBase数据库中的。

由发明内容章节里面系统案例结构，本专利建立的案例审批库的HBase表SystemCaseInfo，如图5所示。其中表中的字段分别与系统案例表(图2)的字段一一对应。该表设计了四个列族：Features、Weight、Conclusions和Extra，其中Features列族包含的是从企业信息表、项目信息表、用地信息表中抽取出来的字段形成的列标识符，而Weight列族则是Features列族各个列标识符的权重组成权重向量。Conclusions列族包括了AuditInfo表中相应的审批结果列标识符，包括审批结果、审批原、审批时间。Exta列族下则是系统案例信息中相对固定的定性列标识符，比如企业编号、企业名称、项目编号、项目名称、上报时间、入系统时间等信息。

步骤二、新审批案例和模型参数信息输入

假设审批人员遇到了下面的新建设审批案件：(案件类别：建设用地规划审批，申请单位性质：私营企业，是否本地企业：本地，单位成立时间：2005-12-21，单位注册资金：3000万元，单位规模：100-500人，单位行业性质：施工企业，单位信用得分：12，单位银行征信等级：AA，申请项目类型：公用设施，项目工程结构：砖混，项目层数：10，项目总额：2000万元，项目用地面积：1500平方米，项目资金来源：非国有，最大跨度：500米，最高宽度：50米，是否重点项目：否，申请用地建筑物现状：建筑物改造，申请用地土地类型：主城区，申请用地所属行政区域：西湖区，申请用地所属街道：朝晖街道，用地面积：2000平方米，街道面积：500平方米，绿化面积：400平方米，河涌面积：350平方米，申请用地规划：绿地)。

审批人员首先通过图6所示的登录界面登录系统，验证成功后选择左边菜单栏的智能审批→案例审批后进入新案例输入界面，输入上面的申请单位信息、申请项目信息、项目用地信息以及CBR模型的参数,包括相似案例的个数K、案例属性权重向量以及检索相似度阈值，然后点击检索按钮进行案例检索。如图7所示。

步骤三、提交作业到Hadoop集群进行KNN MapReduce案例检索

基于MapReduce的KNN案例检索算法是在MapReduce分布式计算模型中实现的，关键是map函数、reduce函数以及jobCreate函数的设计。map函数主要负责搜索到HBase子表的局部k个相似度符合相似度要求的案例。Reduce函数负责汇总map函数的输出结果并产生最终的全局K个符合相似度要求的案例。jobCreate()函数用来完成用户关于作业运行的自定义配置并提交到集群中运行。Mapreduce作业相关类图如图8所示

本专利的审批案例是存储在HBase中，因此Mapreduce作业的InputFormat设置为TableInputFormat。由于检索出来的案例还要存入HBase的临时表中，因此因此Mapreduce作业的OutputFormat设置为TableOutputFormat。Hadoop将HBase表作为输入时，是根据HBase表的Region数据分割Split，即每一个Region对应一个Split，因而也对应一个Mapper。通过设置InputFormat为TableInputFormat，Mapper把每个Region按照rowKey划分成<key,value>对，key对应该子表的每一个rowKey，value对应该行所包含的数据(类图中为Result)。SearchKNNCaseMapper继承自TableMapper<Text,DoubleWritable>，这样就可以直接处理HBase表中的数据。SearchKNNCaseReducer继承自TableReducer<Text,DoubleWritable>，这样就可以把reduce函数的输出结果写入HBase表中。SearchKNNCaseDriver负责配置分布式运行集群环境、生成Mapreduce作业并提交到集群中执行。SearchKNNCaseUtils类提供了一些工具函数，比如计算两个案例之间的相似度等。

Mapper的主要功能是求出符合相似度阈值的K个局部案例并按照相似度大小排序，然后传送给Reducer中处理。实现map函数的关键代码如下：

Reducer的主要功能是汇总各个Mapper的输出结果，并根据相似度值的大小进行排序后输出。本系统中的Reducer将所有Mapper的输出存放到一个HashMap容器中，利用利用TreeMap对HashMap容器进行排序，输出前K个案例。Map函数的关键代码如下：

在实现了map函数和reduce函数之后，还需要设置Mapreduce作业的运行信息。图中的jobCreate()函数就是用来设置一个Mapreduce作业后返回给用户。主要设置信息包括作业运行的JobTracker主机IP、作业的名称、JAR类名、Mapper的实现类名、Reducer的实现类名、InputFormat格式、OutputFormat格式、以及作业的输入数据和输出数据的位置等。本系统采用HBase表作为作业的输入和输出位置，因此将InputFormat设置为TableInputFormat，将OutputFormat设置为TableOutputFormat，使得HBase结合Mapreduce进行分布式数据处理。作业创建和自定义信息设置关键代码如下：

配置好作业，就可以将作业提交到集群中去运行，关键代码如下：

步骤四、基于“权重积分模型”对检索结果进行统计分析

步骤三提交作业的运行结果如图9所示。对检索出来的这100个相似案例应用基于“权重积分模型”的案例推理进行统计分析。在该专利中，根据相似度对检索出的相似案例进行排序，根据排序的位置确定案例的权重，排名第一位的案例的权重为1-1/100＝0.99,排名第二位的案例的权重为1-2/100＝0.98，依次类推。然后分别累积“同意审批”、“资料不齐待定”，“不同意”，“交上级待定”四种审批结果的权重累加值，最后用饼状图的形式进行形象展示每种审批结果的累计权重占比，如图10所示。审批人员采用占比最大的审批结果作为该案件的审批结果。针对上面的新案例，最后统计出的四种审批结果的占比分别为：20％，36％，21％，23，表明与审批人员输入的案例相似的案例中有相当大的一部分权重投票给了“交上级待定”审批结果，因此案例审批智能推理系统给出的审批建议是“交上级待定”。

步骤五、案例评价与修正

查看案例的详情，可以对案例进行评价和修正，如图11所示。这个过程是通过为系统案例库设置备用案例库来实现的。备用案例表除了具有系统案例表的所有字段之外，还拥有案例检索反馈的诊断信息，包括匹配次数、权重变化以及是否检索进入案例库等字段信息。新案例检索后的案例入库、CBR的案例修正后案例入库、案例维护阶段操作的都是这张备用案例表。系统管理员会定期查看这张备用案例表的情况，然后根据实际情况决定把有些案例加入到在线的系统案例表、更新到在线的系统案例表、根据案例反馈的结果删除一些表现不好的案例或者更新系统案例表的某些案例的权重。

步骤六、审批数据分布式全文检索

如果通过分布式检索任务返回的案例的相似度较低或者指导意义很小，则审核人员可以输入关键字对历史审核信息进行全文索引，包括历史审批信息的各个字段以及审批提交的材料，由此获得一些有用的指导经验。比如，审核人员可以输入关键字“西湖景区”，系统将关键字提交到案件审批云计算系统的SolrCloud集群中，然后启动Solr分布式全文搜索任务，最后把检索结果及时返回给审批人员，如图12所示。返回的案例可能是历史审批案例中用地情况调查字段含有“西湖”或者“景区”的案例，也可能是提交的审核材料中包含这些关键字的案例，这些案例的一些字段中包含了审批人员感兴趣的信息，因此可以给与审批人员一些启示和参考。审批人员根据全文检索出来的案例的详细审批信息得到有助于解决当前问题的指导。

本发明在实现提出的基于案例推理技术的城市建设智能审批方法时建立了案例审批云计算中心平台，平台的网络拓扑架构如图13所示。该云计算平台使用了4台PC机，型号均为Dell Precision WorkStation T3400，单核CPU，4G内存，500G硬盘。其中一台安装Window7操纵系统作为开发主机，其余三台安装Linux CentOS6.4操作系统作为工作集群。这四台机器的Hostname和Ip地址如图14所示。由三台PC组成的Hadoop集群架构如图15所示。

Claims

1.一种基于案例推理技术的城市建设智能审批方法，其特征在于：包括如下步骤：

1)构造审批案例库：采用基于面向对象的案例表示方法；

2)新审批案例和模型参数信息输入：在新审批案例输入阶段，审批人员需要输入案例的各个属性信息，包括申请单位信息、申请项目信息、申请用地信息以及CBR模型参数信息，包括近似案例的个数K、案例属性权重向量W和相似度检索阈值a；

3)提交作业到Hadoop集群进行KNN MapReduce案例检索：在案例检索阶段，系统把审批人员输入的审批案例信息提交到案例审批云计算平台上，平台启动MapReduce Job根据之前不同类型属性相似度计算方法计算出案例库中的每个案例与新输入案例之间的相似度，然后再根据相似度和K值匹配出符合要求的相似案例；

4)基于“权重积分模型”对检索结果进行统计分析：对于检索出来的K个案例，根据其相似度大小设置不同的权重，相似度越大，则该案例的权重越大；然后根据每个案例的审批结果进行加权求和，同一类的审批结果放在一起进行权重的累加，最终权重最大的那一类的审批结果作为本次案例检索的参考意见；

5)案例评价与修正：在案例修正阶段，审批人员检索到相似案例后可以查看每个案例的详情，并给出案例匹配度反馈；如果在这次案例检索中，利用某个相似案例解决了当前的审批问题，则可以对这个案例的权重进行增加，表明这个案例具有代表性；如果没有返回相似案例，则可以调整相似度阈值或者案例权重向量，然后再次检索；

6)审批数据分布式全文搜索：如果案例检索阶段返回的案例相似度较低或者指导意义很小，则审核人员可以输入关键字对历史审核信息进行全文索引，包括历史审批信息的各个字段以及审批提交的材料，由此获得指导信息。

2.根据权利要求1所述的基于案例推理技术的城市建设智能审批方法，其特征在于：所述步骤1)具体步骤为：审批案例用四元组表示为：C＝(E,P,L,R)；其中E＝(e₁,e₂,...,e_m)代表审批案例的申请单位信息的描述向量，包括申请单位的企业注册时间、注册资金、企业经济性质、所属区域性质、行业管理所在地、企业行业性质、信用综合得分以及银行资信等级；P＝(p₁,p₂,...,p_n)代表审批案例的申请项目信息的描述向量，包括案件类别、申请项目工期、申请项目资金总额、申请项目层数、申请项目类型、申请项目总面积、申请项目资金来源、工程结构分类、最大跨度、最高宽度和是否重点工程；L＝(l₁,l₂,...,l_p)代表审批案例的申请用地信息的描述向量，包括用地建筑物现状、用地名称、用地类别、用地所属街道、用地面积、街道面积、绿化面积、河涌面积、用地规划情况和用地调查概况；R＝(r₁,r₂,...,r_q)代表审批案例的审批结果的描述向量，包括局长意见、领导批示、复文正文、复文类型、处长意见、组长意见、经办意见、审批结果、办理依据和审批时间。

3.根据权利要求1所述的基于案例推理技术的城市建设智能审批方法，其特征在于：所述步骤2)的具体步骤为：云终端采用Extjs4.1+SSH技术实现，审批人员首先通过登录界面登录系统，验证成功后选择左边菜单栏的智能审批→案例审批后进入新案例输入界面，输入申请单位信息、申请项目信息、项目用地信息以及CBR模型的参数,包括相似案例的个数K、案例属性权重向量以及检索相似度阈值，然后点击检索按钮进行案例检索。

4.根据权利要求1所述的基于案例推理技术的城市建设智能审批方法，其特征在于：所述步骤3)的具体步骤为：

(一)案例相似度的计算

1-1、连续型数值属性的相似度：

对于连续型数值属性，其相似度定义见公式1；

Sim (s, t) = 1 - \frac{| s - t |}{\max (c, t) - \min (s, t)}

(公式1)

S表示原案例属性，t表示案例库中目标案例相同的属性，max(s,t)表示s和t所代表的属性的值域的最大值，min(s,t)表示s和t代表的属性的值域的最小值；

1-2、有序属性的相似度：

有序属性值的测度属于次序测度的等级，其值不仅有分类的作用，同时也存在定性的顺序关系；在实际问题中可以将这些有序属性简化为次序枚举类型，并按照语义强弱的次序进行排列；假设属性分为n个等级，则等级i和等级j之间的相似度见公式2；

Sim (i, j) = 1 - \frac{| ord (i) - ord (j) |}{{card}_{i}}

(公式2)

其中ord(i)是属性值i在值域集合中的次序；card_i是属性分的级数；例如，企业的银行征信等级在本文中被划分成“AAA、AA、A、B、C”五个等级，则“AA”等级和“B”等级的银行征信等级相似度计算为1-2/5＝0.6；

1-3、符号分类属性的相似度：

对于符号分类属性的特征向量，在系统中建立一张二位矩阵表，矩阵的横坐标和纵坐标代表的是属性的各个元素，矩阵中对应的元素代表相应的相似度；

1-4、字符型属性的相似度：

字符型属性的相似度可以分为三种情况：

(1)精确匹配：如果两个字符串结构相似则认为两个字符串相似，适用于较长的句子；

(2)拼写检查：比较两个字符串中相同字母的个数占总数的比例，适用于只包含一个词的情况，实用范围很窄；

(3)字符统计：统计两个字符串当中相同的字符的个数占总体的比例，适用于包含多个字符的字符串；

(4)基于分词的匹配：对字符串属性进行分词，然后统计两个字符串分词后包含相同分词的个数占总体分词个数的比例；

采用基于MMSEG中文分词的匹配算法；

具体的相似度计算定义见公式3；

Sim (string 1, string 2) = \frac{same (Stringtoken (string 1), Stringtoken (string 2))}{\max len (Stringtoken (string 1), Stringtoken (string 2))}

(公式3)

其中Stringtoken()函数是使用MMSEG中文分词得到的分词数组，same()函数计算两个字符串分词后同义词语的个数，maxlen()计算最长字符串分词的个数；

1-5、模糊区间属性的相似度：

在考虑模糊区间属性相似度的计算时，定义模糊集的几何解析表示，即计算区间的重叠率作为该类属性的相似度；，过程是：

第一步：根据模糊区间构造隶属函数；

第二步：根据隶属函数分别计算两个模糊区间和其重叠区间对应面积；

第三步：面积的重叠率作为模糊区间的相似度，见公式4；

sim (S_{i}, T_{i}) = \frac{S (S_{i} \cap T_{i})}{S (S_{i} \cup T_{i})} = \frac{S (S_{i} \cap T_{i})}{S (S_{i}) + S (T_{i}) - S (S_{i} \cap T_{i})}

(公式4)

其中S表示通过隶属函数计算出的对应面积；

Sim (S, T) = \frac{Σ_{k = 1}^{m} w_{k} \times sim (a_{ik}, a_{jk})}{Σ_{k = 1}^{m} w_{k}}

(公式5)

其中，w_k代表案例特征向量中第k个特征的权值，通常a_ik和a_jk分别表示案3 --> 例S和T第k个特征的取值，sim(a_ik,a_jk)是案例S和T第k个特征的相似度；

(二)案例分布式检索

采用基于Hadoop集群的Mapreduce算法进行案例的检索；

基于MapReduce的KNN案例检索算法分为以下几个步骤：

2-1、Mapper的Setup阶段：接收新案例输入页面传来的案例信息、相似度阈值a、案例的权重向量以及返回的案例个数K等参数，并将传来的案例信息封装为一个对象，代表新输入案例；初始化一个相似度HashMap容器用于存放Map阶段读出的案例以及案例与新输入案例之间的相似度，key为String类型，value为double类型；

2-2、Mapper的Map阶段：每一个Mapper的map函数首选读取HBase中SystemCaseInfo表的一行数据，然后把读出来的数据根据HBase表的Column Qualifier通过Java的反射机制封装为一个SystemCase对象；接着根据不同的案例属性选择相应的相似度计算方法计算出新案例与生成的案例之间的相似度；然后根据用户输入的案例向量进行求加权平均值得到相似度；然后把该案例的案例ID、案例审批结果、审批原由、审批时间以及与新案例之间的相似度值放入Setup阶段准备的相似度HashMap容器中；

2-3、Mapper的Cleanup阶段：对相似度HashMap容器中的数据按照相似度(value)进行排序，然后输出前K个元素到Reducer中；

2-4、Reducer的Setup阶段：初始化一个相似度HashMap容器用于接收Mapper传来的数据，格式为<key,<value1,value2,…,valuen>>，容器的key为String类型，value为double类型；

2-5、Reducer的Reduce阶段：把Mapper的输出<key,<value1,value2,…,valuen>>形式的数据转化为<key,value1>,<key,value2>,…,<key,valuen>的形式，并依次存入Setup阶段准备的HashMap容器中；

2-6、Reducer的Cleanup阶段：对相似度HashMap容器中的元素按照相似度(value)进行排序，然后输出代表前K个案例的前K个元素到HBase的一张临时表中，该表包括案例ID、相似度、案例审批结果、案例审批原由以及案例审批时间等列标识符；当执行下一次的检索任务时，这张临时表即会被删除。

5.根据权利要求1所述的基于案例推理技术的城市建设智能审批方法，其特征在于：所述步骤4)的具体步骤为：对于检索出来的K个案例，根据其相似度大小设置不同的权重，相似度越大，则该案例的权重越大；然后根据每个案例的审批结果进行加权求和，同一类的审批结果放在一起进行权重的累加，最终权重最大的那一类的审批结果作为本次案例检索的参考意见。

6.根据权利要求1所述的基于案例推理技术的城市建设智能审批方法，其特征在于：所述步骤6)中使用SolrCloud集群执行分布式检索任务。