CN111553816A - 行政复议影响因素分析方法及装置 - Google Patents
行政复议影响因素分析方法及装置 Download PDFInfo
- Publication number
- CN111553816A CN111553816A CN202010310726.0A CN202010310726A CN111553816A CN 111553816 A CN111553816 A CN 111553816A CN 202010310726 A CN202010310726 A CN 202010310726A CN 111553816 A CN111553816 A CN 111553816A
- Authority
- CN
- China
- Prior art keywords
- administrative
- factor analysis
- influence factor
- cases
- case
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012552 review Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000556 factor analysis Methods 0.000 claims abstract description 58
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000002372 labelling Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 210000000056 organ Anatomy 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 18
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种行政复议影响因素分析方法及装置，行政复议影响因素分析方法包括获取案件基本信息，根据基本信息对案件进行分类；对分类后案件标记标签；提取案件关键特征和案件对应标签生成数据集；构建影响因素分析模型，通过数据集对所述影响因素分析模型进行训练和测试；根据训练好的影响因素分析模型输出行政复议影响因素。本申请可以为行政主体做出行政行为提供参考建议，减少行政复议，提高行政人员执法效率。
Description
技术领域
本申请属于数据分析技术领域，具体涉及一种行政复议影响因素分析方法及装置。
背景技术
行政复议是指公民、法人或者其他组织认为行政主体的具体行政行为违法或不当侵犯其合法权益，依法向主管行政机关提出复查该具体行政行为的申请，因此，行政复议可以衡量行政主体行政行为的合法性。由于现在行政主体实施行政行为时没有其他参考，不清楚导致行政复议的影响因素，以使很多情况下实施的行政行为在被初步判决后存在行政复议的情况，不仅影响行政行为的执法效率，也不利于法治社会建设。
发明内容
为至少在一定程度上克服现在行政主体实施行政行为时没有其他参考，不清楚导致行政复议的影响因素，以使很多情况下实施的行政行为在被初步判决后存在行政复议的情况，不仅影响行政行为的执法效率，也不利于法治社会建设的问题，本申请提供一种行政复议影响因素分析方法及装置。
第一方面，本申请提供一种行政复议影响因素分析方法，包括：
获取案件基本信息，根据所述基本信息对案件进行分类；
对分类后案件标记标签，所述标签包括已复议案件和未复议；
提取所述案件关键特征和案件对应标签生成数据集；
构建影响因素分析模型，通过所述数据集对所述影响因素分析模型进行训练和测试；
根据训练好的影响因素分析模型输出行政复议影响因素。
进一步的，所述案件关键特征包括：
行政区划、案件来源、领域行业、当事人身份、行政机关对案件作出的行政行为、时间中的一种或多种。
进一步的，所述方法还包括：
分析所述关键特征是否缺失；
若缺失，根据历史数据对缺失的关键特征进行填充。
进一步的，所述根据所述训练好的影响因素分析模型输出行政复议影响因素后，还包括：
对所述影响因素进行重要度排序；
确定导致行政复议的重要影响因素；
根据所述重要影响因素确定目标人群。
进一步的，所述构建影响因素分析模型，包括：
使用随机森林、支持向量机和人工神经网络算法分别对行政复议的影响因素进行回归分析；
对分析结果进行算法交叉验证，得到各个算法标准化均方误差；
根据所述标准化均方误差确定最优模型。
进一步的，所述获取案件基本信息，包括：
通过接入第三方的数据接口获得原始数据，或者，直接从行政机关获得原始数据；
使用智能数据采集技术定期采集所述原始数据采集。
进一步的，所述方法还包括：
对所述原始数据进行抽取、清洗和整合，去掉干扰项和无用数据，过滤出符合时间期限的案件基本信息；
构建数据仓库，将所述案件基本信息存入所述数据仓库。
进一步的，所述提取所述案件关键特征，包括：
对所述案件基本信息进行数据过滤、合并数据源、数值转化和特征提取得到所述案件关键特征；
对所述案件关键特征进行结构化处理。
进一步的，所述数据集包括：
训练集和测试集；
通过所述训练集对所述影响因素分析模型进行训练；
通过所述测试集对所述影响因素分析模型进行测试。
第二方面，本申请提供一种行政复议影响因素分析装置，包括：
获取模块，用于获取案件基本信息，根据所述基本信息对案件进行分类；
标记模块，用于对分类后案件标记标签，所述标签包括已复议案件和未复议；
提取模块，用于提取所述案件关键特征和案件对应标签生成数据集；
构建模块，用于构建影响因素分析模型，通过所述数据集对所述影响因素分析模型进行训练和测试；
输出模块，用于根据训练好的影响因素分析模型输出行政复议影响因素。
本申请的实施例提供的技术方案可以包括以下有益效果：
本发明实施例提供的行政复议影响因素分析方法及装置，通过获取案件基本信息，根据基本信息对案件进行分类，对分类后案件标记标签，提取案件关键特征和案件对应标签生成数据集，通过数据集对影响因素分析模型进行训练和测试，根据训练好的影响因素分析模型输出行政复议影响因素，为行政主体做出行政行为提供参考建议，减少行政复议，提高行政人员执法效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请一个实施例提供的一种行政复议影响因素分析方法的流程图。
图2为本申请另一个实施例提供的一种行政复议影响因素分析方法的流程图。
图3为本申请一个实施例提供的行政复议影响因素分析装置的功能结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
图1为本申请一个实施例提供的行政复议影响因素分析方法的流程图，如图1所示，该行政复议影响因素分析方法包括：
S11：获取案件基本信息，根据基本信息对案件进行分类；
一些实施例中，获取案件基本信息，包括但不限于以下方式：
方式一，通过接入第三方的数据接口获得原始数据；
方式二，直接从行政机关获得原始数据；
使用智能数据采集技术定期采集原始数据采集，需要说明的是，本申请对智能数据采集技术不做限定，本领域技术人员可根据需要选择智能数据采集技术进行定期原始数据采集。
S12：对分类后案件标记标签，标签包括已复议案件和未复议；
S13：提取案件关键特征和案件对应标签生成数据集；
一些实施例中，案件关键特征包括但不限于以下特征：
行政区划、案件来源、领域行业、当事人身份、行政机关对案件作出的行政行为、时间等。
S14：构建影响因素分析模型，通过数据集对所述影响因素分析模型进行训练和测试；
数据集包括：训练集和测试集；
通过训练集对所述影响因素分析模型进行训练；
通过测试集对所述影响因素分析模型进行测试。
S15：根据训练好的影响因素分析模型输出行政复议影响因素。
现在行政主体实施行政行为时没有其他参考，不清楚导致行政复议的影响因素，以使很多情况下实施的行政行为在被初步判决后存在行政复议的情况，不仅影响行政行为的执法效率，也不利于法治社会建设。
根据已经训练好的模型使用超参数计算出各个关键特征的重要性，并对关键特征进行排序，将超过预设阈值的关键特征或者排序在前预设范围内的关键特征作为行政复议影响因素。
本实施例中，通过获取案件基本信息，根据基本信息对案件进行分类，对分类后案件标记标签，提取案件关键特征和案件对应标签生成数据集，通过数据集对影响因素分析模型进行训练和测试，根据训练好的影响因素分析模型输出行政复议影响因素，为行政主体做出行政行为提供参考建议，减少行政复议，减少后续工作量，提高行政人员执法效率。
本发明实施例提供另一种行政复议影响因素分析方法，如图2所示的流程图，该行政复议影响因素分析方法包括：
S21：分析所述关键特征是否缺失，若缺失，根据历史数据对缺失的关键特征进行填充；
对案件信息中的缺失数据进行合理填充处理，同时筛选出具体行政行为之日起六十日内提出行政复议申请的样本，即符合《中国人民共和国行政复议法》对于申请行政复议的期限规定。
S22：根据关键特征及标签使用随机森林、支持向量机和人工神经网络算法分别对行政复议的影响因素进行回归分析；
S23：对分析结果进行算法交叉验证，得到各个算法标准化均方误差；
S24：根据标准化均方误差确定最优模型；
通过确定最优模型可以提升模型输出的准确性。
S25：根据最优模型对影响因素进行重要度排序；
S26：确定导致行政复议的重要影响因素，根据重要影响因素判断目标人群。
由于申请行政复议在法律上有范围规定，通过确定目标人群及其特征，即哪种人更容易对行政主体的决定有不满情绪，从而对症下药，找出合适方式解决该类人群的行政复议问题。
对于采集到的新案件，通过最优模型确定该案件是否为易申请行政复议的人群，若是，模型产生预警信息，以使行政人员做出最合理的判断，同时也可以将目标人群按区域和行业分配，对于容易出现申请复议的区域和行业可以调动更多人力资本，从而达到一定程度的“负载均衡”，加快了执法人员的行事效率。
一些实施例中，所述方法还包括：
对原始数据进行抽取、清洗和整合，去掉干扰项和无用数据，过滤出符合时间期限的案件基本信息；
构建数据仓库，将案件基本信息存入数据仓库。
对案件基本信息进行数据过滤、合并数据源、数值转化和特征提取得到案件关键特征；
对案件关键特征进行结构化处理。
需要说明的是，对于新输入案件基本信息也需要进行上述预处理操作后再输入最优模型以判断该案件是否易产生行政复议。
本实施例中，通过对容易申请行政复议的目标人群提前预警，加快了执法人员的行事效率，同时还可以为立法和国家政策提供建议，进而实现法条层面的规定完善。
图3为本申请一个实施例提供的行政复议影响因素分析装置的功能结构图，如图3所示，该行政复议影响因素分析装置包括：
获取模块31，用于获取案件基本信息，根据基本信息对案件进行分类；
标记模块32，用于对分类后案件标记标签，标签包括已复议案件和未复议；
提取模块33，用于提取案件关键特征和案件对应标签生成数据集；
构建模块34，用于构建影响因素分析模型，通过数据集对影响因素分析模型进行训练和测试；
输出模块35，用于根据训练好的影响因素分析模型输出行政复议影响因素。
填充模块36，用于在关键特征缺失时，根据历史数据对缺失的关键特征进行填充。
目标人群确定模块37，用于根据重要影响因素确定目标人群。
将目标人群按区域和行业分配，对于容易出现申请复议的区域和行业可以调动更多人力资本，从而达到一定程度的“负载均衡”，加快了执法人员的行事效率。
预处理模块38，用于对原始数据进行抽取、清洗和整合，去掉干扰项和无用数据，过滤出符合时间期限的案件基本信息。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本实施例提供的行政复议影响因素分析装置，通过获取模块获取案件基本信息，根据基本信息对案件进行分类，标记模块对分类后案件标记标签，提取模块提取案件关键特征和案件对应标签生成数据集，构建模块构建影响因素分析模型，通过数据集对影响因素分析模型进行训练和测试，输出模块根据训练好的影响因素分析模型输出行政复议影响因素，填充模块在关键特征缺失时，根据历史数据对缺失的关键特征进行填充，目标人群确定模块根据重要影响因素确定目标人群，为行政主体做出行政行为提供参考建议，对于易申请行政复议的目标人群提前预警，以使行政人员做出最合理的判断，同时也可以将目标人群按区域和行业分配，对于容易出现申请复议的区域和行业可以调动更多人力资本，从而达到一定程度的“负载均衡”，加快了执法人员的行事效率。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
需要说明的是，本发明不局限于上述最佳实施方式，本领域技术人员在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。
Claims (10)
1.一种行政复议影响因素分析方法，其特征在于，包括：
获取案件基本信息，根据所述基本信息对案件进行分类；
对分类后案件标记标签，所述标签包括已复议案件和未复议；
提取所述案件关键特征和案件对应标签生成数据集；
构建影响因素分析模型，通过所述数据集对所述影响因素分析模型进行训练和测试；
根据训练好的影响因素分析模型输出行政复议影响因素。
2.根据权利要求1所述的行政复议影响因素分析方法，其特征在于，所述案件关键特征包括：
行政区划、案件来源、领域行业、当事人身份、行政机关对案件作出的行政行为、时间中的一种或多种。
3.根据权利要求1或2所述的行政复议影响因素分析方法，其特征在于，还包括：
分析所述关键特征是否缺失；
若缺失，根据历史数据对缺失的关键特征进行填充。
4.根据权利要求1所述的行政复议影响因素分析方法，其特征在于，所述根据所述训练好的影响因素分析模型输出行政复议影响因素后，还包括：
对所述影响因素进行重要度排序；
确定导致行政复议的重要影响因素；
根据所述重要影响因素确定目标人群。
5.根据权利要求1所述的行政复议影响因素分析方法，其特征在于，所述构建影响因素分析模型，包括：
使用随机森林、支持向量机和人工神经网络算法分别对行政复议的影响因素进行回归分析；
对分析结果进行算法交叉验证，得到各个算法标准化均方误差；
根据所述标准化均方误差确定最优模型。
6.根据权利要求1所述的行政复议影响因素分析方法，其特征在于，所述获取案件基本信息，包括：
通过接入第三方的数据接口获得原始数据，或者，直接从行政机关获得原始数据；
使用智能数据采集技术定期采集所述原始数据采集。
7.根据权利要求6所述的行政复议影响因素分析方法，其特征在于，还包括：
对所述原始数据进行抽取、清洗和整合，去掉干扰项和无用数据，过滤出符合时间期限的案件基本信息；
构建数据仓库，将所述案件基本信息存入所述数据仓库。
8.根据权利要求7所述的行政复议影响因素分析方法，其特征在于，所述提取所述案件关键特征，包括：
对所述案件基本信息进行数据过滤、合并数据源、数值转化和特征提取得到所述案件关键特征；
对所述案件关键特征进行结构化处理。
9.根据权利要求1所述的行政复议影响因素分析方法，其特征在于，所述数据集包括：
训练集和测试集；
通过所述训练集对所述影响因素分析模型进行训练；
通过所述测试集对所述影响因素分析模型进行测试。
10.一种行政复议影响因素分析装置，其特征在于，包括：
获取模块，用于获取案件基本信息，根据所述基本信息对案件进行分类；
标记模块，用于对分类后案件标记标签，所述标签包括已复议案件和未复议；
提取模块，用于提取所述案件关键特征和案件对应标签生成数据集；
构建模块，用于构建影响因素分析模型，通过所述数据集对所述影响因素分析模型进行训练和测试；
输出模块，用于根据训练好的影响因素分析模型输出行政复议影响因素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010310726.0A CN111553816B (zh) | 2020-04-20 | 2020-04-20 | 行政复议影响因素分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010310726.0A CN111553816B (zh) | 2020-04-20 | 2020-04-20 | 行政复议影响因素分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111553816A true CN111553816A (zh) | 2020-08-18 |
| CN111553816B CN111553816B (zh) | 2023-11-03 |
Family
ID=72003828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010310726.0A Active CN111553816B (zh) | 2020-04-20 | 2020-04-20 | 行政复议影响因素分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111553816B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115423156A (zh) * | 2022-08-15 | 2022-12-02 | 博源规划设计集团有限公司 | 一种新建铁路四电工程用地选址优化方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3421696B1 (ja) * | 2002-08-09 | 2003-06-30 | 有限会社山口ティー・エル・オー | 公共事業計画立案支援方法とそのシステムとそのプログラムとそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| CN104680428A (zh) * | 2015-03-16 | 2015-06-03 | 朗新科技股份有限公司 | 一种电网客户满意度模型的构建方法 |
| US20170286962A1 (en) * | 2016-03-29 | 2017-10-05 | Microsoft Technology Licensing, Llc | Bulk Dispute Challenge System |
| CN107437124A (zh) * | 2017-07-20 | 2017-12-05 | 大连大学 | 一种基于大数据分析的运营商投诉与故障关联分析方法 |
| CN108352035A (zh) * | 2015-05-18 | 2018-07-31 | 口袋医生公司 | 用于高效索赔处理的动态拓扑系统和方法 |
| CN108876487A (zh) * | 2018-08-29 | 2018-11-23 | 盈盈（杭州）网络技术有限公司 | 一种基于大数据及智能决策机制的工业地块估计方法 |
| CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
| CN109242170A (zh) * | 2018-08-28 | 2019-01-18 | 浙江大学城市学院 | 一种基于数据挖掘技术的城市道路管理系统及方法 |
| CN109255499A (zh) * | 2018-10-25 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 投诉、投诉案件处理方法、装置及设备 |
| CN109377252A (zh) * | 2018-08-30 | 2019-02-22 | 广州崇业网络科技有限公司 | 一种基于大数据框架的客户满意度预测方法 |
| CN109559239A (zh) * | 2018-11-26 | 2019-04-02 | 泰康保险集团股份有限公司 | 投诉处理建议生成方法、装置、电子设备、存储介质 |
| CN109934469A (zh) * | 2019-02-25 | 2019-06-25 | 国网河南省电力公司电力科学研究院 | 基于异源交叉回归分析的停电敏感度预警方法及装置 |
| CN110378744A (zh) * | 2019-07-25 | 2019-10-25 | 中国民航大学 | 面向不完备数据系统的民航常旅客价值分类方法及系统 |
| US20190349273A1 (en) * | 2018-05-14 | 2019-11-14 | Servicenow, Inc. | Systems and method for incident forecasting |
| CN110503249A (zh) * | 2019-08-07 | 2019-11-26 | 国网河北省电力有限公司 | 一种由停电引起的投诉预测方法 |
| CN110580570A (zh) * | 2019-08-14 | 2019-12-17 | 平安国际智慧城市科技股份有限公司 | 执法分析方法、装置及介质 |
| CN110690701A (zh) * | 2019-10-16 | 2020-01-14 | 周静龙 | 一种异常线损影响因素的分析方法 |
| CN110837841A (zh) * | 2018-08-17 | 2020-02-25 | 北京亿阳信通科技有限公司 | 一种基于随机森林的kpi劣化根因识别方法和装置 |
-
2020
- 2020-04-20 CN CN202010310726.0A patent/CN111553816B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3421696B1 (ja) * | 2002-08-09 | 2003-06-30 | 有限会社山口ティー・エル・オー | 公共事業計画立案支援方法とそのシステムとそのプログラムとそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| CN104680428A (zh) * | 2015-03-16 | 2015-06-03 | 朗新科技股份有限公司 | 一种电网客户满意度模型的构建方法 |
| CN108352035A (zh) * | 2015-05-18 | 2018-07-31 | 口袋医生公司 | 用于高效索赔处理的动态拓扑系统和方法 |
| US20170286962A1 (en) * | 2016-03-29 | 2017-10-05 | Microsoft Technology Licensing, Llc | Bulk Dispute Challenge System |
| CN107437124A (zh) * | 2017-07-20 | 2017-12-05 | 大连大学 | 一种基于大数据分析的运营商投诉与故障关联分析方法 |
| US20190349273A1 (en) * | 2018-05-14 | 2019-11-14 | Servicenow, Inc. | Systems and method for incident forecasting |
| CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
| CN110837841A (zh) * | 2018-08-17 | 2020-02-25 | 北京亿阳信通科技有限公司 | 一种基于随机森林的kpi劣化根因识别方法和装置 |
| CN109242170A (zh) * | 2018-08-28 | 2019-01-18 | 浙江大学城市学院 | 一种基于数据挖掘技术的城市道路管理系统及方法 |
| CN108876487A (zh) * | 2018-08-29 | 2018-11-23 | 盈盈（杭州）网络技术有限公司 | 一种基于大数据及智能决策机制的工业地块估计方法 |
| CN109377252A (zh) * | 2018-08-30 | 2019-02-22 | 广州崇业网络科技有限公司 | 一种基于大数据框架的客户满意度预测方法 |
| CN109255499A (zh) * | 2018-10-25 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 投诉、投诉案件处理方法、装置及设备 |
| CN109559239A (zh) * | 2018-11-26 | 2019-04-02 | 泰康保险集团股份有限公司 | 投诉处理建议生成方法、装置、电子设备、存储介质 |
| CN109934469A (zh) * | 2019-02-25 | 2019-06-25 | 国网河南省电力公司电力科学研究院 | 基于异源交叉回归分析的停电敏感度预警方法及装置 |
| CN110378744A (zh) * | 2019-07-25 | 2019-10-25 | 中国民航大学 | 面向不完备数据系统的民航常旅客价值分类方法及系统 |
| CN110503249A (zh) * | 2019-08-07 | 2019-11-26 | 国网河北省电力有限公司 | 一种由停电引起的投诉预测方法 |
| CN110580570A (zh) * | 2019-08-14 | 2019-12-17 | 平安国际智慧城市科技股份有限公司 | 执法分析方法、装置及介质 |
| CN110690701A (zh) * | 2019-10-16 | 2020-01-14 | 周静龙 | 一种异常线损影响因素的分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张丽峰;: "基于随机森林模型的中国居民出境旅游影响因素重要性研究", 资源开发与市场, no. 06 * |
| 郝一炜;万钢;李晶;: "基于LASSO算法的门诊医疗服务改进研究", 中国医院管理, no. 09 * |
| 黄建琼;郭文龙;李秋缘;: "基于随机森林模型的高校毕业生就业影响因素研究", 江苏师范大学学报(自然科学版), no. 04 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115423156A (zh) * | 2022-08-15 | 2022-12-02 | 博源规划设计集团有限公司 | 一种新建铁路四电工程用地选址优化方法 |
| CN115423156B (zh) * | 2022-08-15 | 2023-09-15 | 博源规划设计集团有限公司 | 一种新建铁路四电工程用地选址优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111553816B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021184630A1 (zh) | 基于知识图谱定位排污对象的方法及相关设备 | |
| Wilson et al. | Predictive inequity in object detection | |
| CN108734184B (zh) | 一种对敏感图像进行分析的方法及装置 | |
| CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
| CN109472075A (zh) | 一种基站性能分析方法及系统 | |
| CN111798123A (zh) | 基于人工智能的合规性评价方法、装置、设备及介质 | |
| CN106445908A (zh) | 文本识别方法和装置 | |
| CN112199417B (zh) | 基于人工智能的数据处理方法、装置、终端及存储介质 | |
| CN111986027A (zh) | 基于人工智能的异常交易处理方法、装置 | |
| CN114417981B (zh) | 一种智能河长巡测系统 | |
| CN116485020A (zh) | 一种基于大数据的供应链风险识别预警方法、系统及介质 | |
| CN113641906A (zh) | 基于资金交易关系数据实现相似目标人员识别处理的系统、方法、装置、处理器及其介质 | |
| CN113824580B (zh) | 一种网络指标预警方法及系统 | |
| CN111553816A (zh) | 行政复议影响因素分析方法及装置 | |
| Lallich et al. | Improving classification by removing or relabeling mislabeled instances | |
| CN113609393A (zh) | 一种基于数据服务和数据管理的数字化平台 | |
| CN110021386B (zh) | 特征提取方法及特征提取装置、设备、存储介质 | |
| CN111666748B (zh) | 一种自动化分类器的构造方法以及识别决策的方法 | |
| CN110543910A (zh) | 信用状态监测系统和监测方法 | |
| CN111639213A (zh) | 一种异常行为的识别方法及装置 | |
| CN116759081A (zh) | 一种基于机器学习的青少年心理行为异动监测预警方法 | |
| CN114662623B (zh) | 基于XGBoost的凝血检测中血液样本的分类方法及系统 | |
| CN113642820B (zh) | 一种基于大数据对人员数据信息评估管理的方法及系统 | |
| CN113837554B (zh) | 基于多模态关键信息匹配的食品安全风险识别方法及系统 | |
| CN115330103A (zh) | 城市运行状态智能分析方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |