CN113743796B - 基于权重的多约束条件双随机抽查方法 - Google Patents

Abstract

本发明公开一种基于权重的多约束条件双随机抽查方法，包括如下方面：(1)数据库的建立；(2)基于约束的监管人员随机抽取；(3)基于约束的市场主体随机抽取；(4)基于权重的市场主体最终确定。本发明采用基于权重和约束条件的市场主体和监管人员的双随机匹配，使得抽查主体更具有代表性，同时也能避免徇私舞弊现象。

Description

基于权重的多约束条件双随机抽查方法

技术领域

本发明涉及一种市场主体的调研和检查方法，特别是关于一种基于权重的多约束条件双随机抽查方法。

背景技术

在对当今市场主体监管方面，“宽进严管”的市场主体准入条件带来了抽查的新难题，传统的监管手段已经难以满足现有市场监管需要，譬如有可能因为监管人员的主观判别性问题，造成管理不严或管理不当。市场主体的扩张和监管力量的不足需要创新抽查方式，依托信息化数字技术对市场主体数据开展监管场景模型分析，使得监管满足实际现实场景的需求。

目前双随机算法的研究主要集中在随机抽取单个市场主体和监管人员，而忽视了现实检查中的约束条件，例如，检查回避的原则，市场主体的位置，检查时间的限制等，造成了算法研究只具备理论研究的意义，缺少了实际应用的可能。检查的结果往往对后续的检查也有指导意义，在抽取市场主体的时候，不能平均抽取，看似公平，可能不适用实际情况，对于一些重点监管企业或者同类型问题企业，需要加强监管，这些也需要在随机抽取算法中加以考虑，因此需要考虑多因素的权重问题。

发明内容

针对现有技术的不足，本发明提出一种基于权重的多约束条件双随机抽查方法。在该方法下，通过约束条件随机抽取监管人员和市场主体，使得抽查过程更加科学严格，监管效果大幅度提升。

本发明所采取的技术方案如下：

一种基于权重的多约束条件双随机抽查方法，包括如下方面：

(1)数据库的建立

包括市场主体库、监管人员库、历史监管信息库；

(2)基于约束的监管人员随机抽取

设置约束条件，从监管人员库中随机抽取出符合条件的监管人员，形成监管人员组G＝<g₁,g₂...g_n>；

(3)基于约束的市场主体随机抽取

将市场主体库中符合检查需求的市场主体，每随机抽取n个市场主体组成一被查组E_ni，设共有s组，然后设置约束条件，从s组被查组中抽取出符合条件的t组，构成集合T_mn＝<E_n1,E_n2...E_nt>，t≤s；

(4)基于权重的市场主体最终确定

设置权重分配原则，对每个市场主体赋予权重，然后对T_mn中每个被查组再综合赋予权重，最后根据各被查组的权重值大小，取权重值最大的一组被查组作为检查对象。

进一步地：

所述市场主体属性包括【地理位置，行业特征，市场主体规模，市场主体经营年限】；

所述监管人员属性包括【人员编号，人员排班，人员特征、所属区域、专业划分】；

所述历史监管信息属性包括【检查时间，市场主体，监管人员，检查结果】。

进一步地：以监管人员的人员排班、人员特征、历史监管信息作为约束条件，进行监管人员的随机抽取。

进一步地：对市场主体应用的约束条件是：{人员规避规则，时间限定规则，距离限定规则}；

人员回避规则：如果监管人员组中的任一成员g_i和被查组中的任一市场主体e有利益关系，则在有g_i作为监管人员参与检查时，凡是包含有市场主体e的被查组都被排除；

时间限定规则：设定时间窗，如果在历史检查记录中，在最近的时间窗内，有市场主体e的检查记录，则包含有市场主体e的被查组被排除；

距离限定规则：对每个市场主体进行距离约束校验，凡是包含有不符合距离约束条件的市场主体e的被查组，都被排除。

进一步地：

1)对每个市场主体赋予权重的方法是：

建立市场主体的特征项，对于每一特征项，都从三个维度分别计算该特征项中各个特征值的权重系数，这三个维度分别是：大数据热点、历史检查数据、专家评分；

对于市场主体e，取其各个特征项中符合的特征值所对应的每个维度的权重系数，然后通过聚合计算，得到综合权重值：

We＝f{K1,K2,K3}

f表示一种聚合函数；

K1为市场主体e对应的大数据热点的综合权重系数，K1＝{K1_V1,K1_V2,...,K1_Vx}；其中K1_V1,K1_V2...K1_Vx分别为市场主体e在特征项V₁,V₂...V_x中符合的特征值的大数据热点权重系数；

K2为市场主体e对应的历史检查数据的综合权重系数，K2＝{K2_V1,K2_V2,...,K2_Vx}；其中K2_V1,K2_V2...K2_Vx分别为市场主体e在特征项V₁,V₂...V_x中符合的特征值的历史检查数据权重系数；

K3为市场主体e对应的专家评分的综合权重系数，K3＝{K3_V1,K3_V2,...,K3_Vx}；其中K3_V1,K3_V2...K3_Vx分别为市场主体e在特征项V₁,V₂...V_x中符合的特征值的专家评分权重系数。

进一步地：

2)对T_mn中每个被查组综合赋予权重的方法是：

对于T_mn＝<E_n1,E_n2...E_nt>中的某个被查组E_ni，计算最终的权重值为：

W_E＝W_e1+W_e2+...+W_en

W_e1、W_e2、W_en分别表示市场主体e1、e2、e3的综合权重值，都是按1)的方法得到。

本发明的有益效果是：本发明以市场主体数据和监管人员数据为基础，结合了现实的约束条件以及历史检查信息进行市场主体确定，更具有针对性和代表性，避免了现有随机算法缺乏实际约束情况的考虑，通过科学加权随机方法和智能匹配方法，建立了一种用于市场主体监管的双随机系统，较传统的巡查方式的监管，更科学、更实用、更有效。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制。

图1为本发明方法的流程图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述，但本领域的技术人员应该知道，以下实施例并不是对本发明技术方案作的唯一限定，凡是在本发明技术方案精神实质下所做的任何等同变换或改动，均应视为属于本发明的保护范围。

本发明公开了一种用于市场主体的双随机监管方法，在约束条件下，基于市场主体的基本信息，市场主体的经营特征、行业特征以及历史检查记录等来随机抽取市场主体；基于监管人员的基本信息，监管人员的特征和监管人员的历史检查记录等来随机抽取监管人员；然后通过加权计算智能匹配市场主体和相应的监管人员，实施检查。

具体包括如下方面：

1.数据库建立

(1)根据行业特征建立市场主体库，其中市场主体属性包括【地理位置，行业特征，市场主体规模，市场主体经营年限】；

(2)根据行业特征建立监管人员库，其中监管人员属性包括【人员编号，人员排班，人员特征(例如性别、年龄、从业年限)、所属区域、专业划分)】；

(3)根据检查记录建立历史监管信息库，历史监管信息属性包括【检查时间，市场主体，监管人员，检查结果】。

2.基于约束的监管人员随机抽取

从监管人员库，以监管人员的人员排班、人员特征、历史监管信息作为筛选条件，进行监管人员的随机抽取，设选择n个监管人员，形成监管人员组G＝<g₁,g₂...g_n>。

3.基于约束的市场主体随机抽取

假设针对某一区域某一天的检查任务，该地区共有m个市场主体需要检查，但鉴于工作节约原则，不能全部对m个市场主体进行检查，因此需要从m个市场主体中随机抽取出n个市场主体构成被查组，n＜m，n的数值根据检查需求和条件可以自定义。从m个市场主体中随机抽取n个主体的方式按照排列组合算法共有C_m ⁿ种可能，得到可能的组合，记为E_mn＝<E_n1,E_n2...E_ns>,s＝C_m ⁿ。E_mn中每个被查组都是由n个市场主体组合而成，只不过主体有差别而已。

应用约束条件，根据约束条件筛选可用的市场主体集合，约束条件包括人员规避规则、时间限定规则、距离限定规则等，表达如下：

R＝{R1，R2，R3}＝{人员规避规则，时间限定规则，距离限定规则}。

R1：人员回避规则包括利益关系回避，如果G中的某一成员g_i(i∈[1～n]),和被查组E_ni中的任何一个市场主体e有利益关系，则在有g_i作为监管人员参与检查时，凡是包含市场主体e的所有被查组E_ni都将被排除。

R2：时间限定规则包括在一定时间范围内，避免对企业的短期重复检查，设定一个时间窗，如果在历史检查中，在最近的时间窗内，有市场主体e的检查记录，则包含市场主体e的被查组E_ni将被排除。

R3：距离限定规则是，对E_ni中的n个市场主体进行距离约束的校验，计算E_ni中所有市场主体的距离值distance{E_ni}，如果其中有任何一个市场主体e的距离值d_e大于常量值d_c，则被查组E_ni将被排除，d_c是当天检查人员可以完成的最大距离值。

应用上述约束规则对s个被查组<E_n1,E_n2...E_ns>一一进行排除计算，得到符合条件的市场主体组合的集合T_mn＝<E_n1,E_n2...E_nt>，t≤s，此时，从T_mn中选取任何一个被查组都可以满足检查任务的要求。

但是，在实际检查中，对那些问题较多的市场主体，或者是最近希望重点关注的市场主体，希望更大的概率能够被选中，而不是应用约束规则一刀切，平均主义，这样才能更好的实现对市场的监管；另一方面，也需要体现随机性，因此进一步地，通过权重的方式再进行抽取。

4.基于权重的市场主体的最终确定

基于权重分配原则，对T_mn中的各个被查组进行再确定。对于E_ni，是n个元素组成的集合，为了计算E_ni的权重，首先将市场主体特征V划分为{V₁,V₂...V_x}项,对每一个特征项，计算该特征项所包含的各个特征值的权重系数，然后根据市场主体所具备的特征，计算每个市场主体e的权重值，进而再计算E_ni的权重值，最后根据各权重值对T_mn进行最终的确定。

(1)市场主体各特征项权重系数的确定

对于任何一个特征项，都可以从三个维度计算该特征项中各个特征值的权重系数，然后对市场主体e计算其权重。这三个维度分别是：基于大数据热点的权重系数、基于历史检查数据的权重系数、基于专家评分的权重系数。

例如对于一个特征项V_x，他表示市场规模，则可以存在的市场规模特征值包括{大，中，小}三个类型，也就是有V_x1,V_x2,V_x3三个特征值，对这三个特征值分别从基于大数据热点、历史检查数据和专家评分三个维度确定权重，然后市场主体e符合哪个特征值，就取哪个权重。

a)基于大数据热点的权重系数K1

通过采集技术从网络获取当前热点情况及事故或投诉情况，进而分析市场主体特征的权重系数。

对于特征项V_x，假设他有若干个特征值，则根据独立性权重法计算各自对应的权重系数；市场主体e符合其中的某个特征值，则对应一权重系数K1_vx。同理可以得到e在其他特征项(V₁,V₂,...)上的大数据权重系数值，综合得到K1＝{K1_V1,K1_V2,...,K1_Vx}。

大数据往往不带主观色彩，而且通过各个媒体、平台数据的聚合，有利于跟踪市场热点，对公众关注的行业等市场主体进行有效的监管。

b)基于历史检查数据的权重系数K2

应用一段时间内历史检查数据中对市场主体的检查结果，对于特征项V_x，同样根据独立性权重法计算各个特征值对应的权重系数，对于市场主体e，符合其中的某个特征值,则e对应该特征值的历史权重系数值K2_vx。同理可以得到e在其他特征项上的历史权重系数值，综合得到K2＝{K2_V1,K2_V2,...,K2_Vx}。

历史检查数据作为系统的一部分，对于后续的检查工作有重要的指导作用，能起到发现市场问题，跟踪市场问题的作用。

c)基于专家评分的权重系数K3

专家意见是专家对于市场行业的判断，对于市场出现的趋势进行人为的预判，例如在外部条件变化的情况下，对于某些类型的市场主体需要进行检查，专家意见可以针对这类市场主体标签进行权重的提高。

与基于大数据热点的权重系数和基于历史检查数据的权重系数的确定不同的是，基于大数据热点的权重和基于历史检查数据的权重更多的是通过数据得到的结果，是客观数据的展现，而专家评分的权重更多的是通过主观判断得到的。

对特征项V_x，采用专家评分法，由指定的专家对特征打分，专家根据现在的情况，选择需要重点监管的市场主体特征并给出评分，然后将他们各自的评分进行整理和统计分析，最后确定出各特征值的权重，得到专家权重系数。对于市场主体e，符合其中的某个特征值,则e在该特征项V_x权重值对应取为K3_vx。同理可以得到e在其他特征项上的专家评分权重系数值,综合得到K3＝{K3_V1,K3_V2,...,K3_Vx}。

专家评分法的好处是不需要依赖外部数据，尤其作为冷启动(这里指没有任何外在参考数据的情况下)是一个值得应用的好方法。另外当出现了突发性的事件时，专家评分有助于迅速的转移监管重点，起到人为干预的作用。

(2)市场主体的综合权重值We

市场主体e的综合权重值就是基于以上三个维度的权重系数，计算得出的综合权重值，表达为：

We＝f{K1,K2,K3}

f表示一种聚合函数，可以根据需要选用不同的聚合算法，例如SUM求和，Max求最大值等。

(3)被查组E_ni的最终权重值

对于T_mn＝<E_n1,E_n2...E_nt>中的某个被查组E_ni，他是n个市场主体的集合，因此需要对他计算最终的权重值，表达为：

W_E＝W_e1+W_e2+...+W_en

W_e1、W_e2、W_en分别表示市场主体e1、e2、e3的权重值，都是按(1)～(2)步方法计算得到。

(4)对T_mn＝<E_n1,E_n2...E_nt>中的所有被查组，基于上述权重算法计算完权重值后，取其权重值最大的一组被查组作为本次检查的对象，对该被查组中的每个市场主体进行检查。

本发明考虑到双随机(市场主体随机，监管人员随机)检查中的实际约束条件，改变了常规方法中的随机抽取方式，使其变成在约束条件下的随机，并引入历史检查数据分析结果到双随机抽取的权重，抽取一批最具代表性的市场主体，能够规避普通随机抽取中存在适用性不强的问题，以及考虑到市场主体之间的关联和历史检查的信息，使得抽取的市场主体更加合理。

Claims (2)

1.一种基于权重的多约束条件双随机抽查方法，其特征在于，包括如下方面：

(1)数据库的建立

包括市场主体库、监管人员库、历史监管信息库；

(2)基于约束的监管人员随机抽取

设置约束条件，从监管人员库中随机抽取出符合条件的监管人员，形成监管人员组G＝<g₁,g₂...g_n>；

(3)基于约束的市场主体随机抽取

将市场主体库中符合检查需求的市场主体，每随机抽取n个市场主体组成一被查组E_ni，设共有s组，然后设置约束条件，从s组被查组中抽取出符合条件的t组，构成集合T_mn＝<E_n1,E_n2...E_nt>，t≤s；

(4)基于权重的市场主体最终确定

设置权重分配原则，对每个市场主体赋予权重，然后对T_mn中每个被查组再综合赋予权重，最后根据各被查组的权重值大小，取权重值最大的一组被查组作为检查对象；

其中，

以人员排班、人员特征、历史监管信息作为约束条件，对监管人员进行随机抽取；

以{人员规避规则，时间限定规则，距离限定规则}作为约束条件，对市场主体进行随机抽取；

人员回避规则：如果监管人员组中的任一成员g_i和被查组中的任一市场主体e有利益关系，则在有g_i作为监管人员参与检查时，凡是包含有市场主体e的被查组都被排除；

时间限定规则：设定时间窗，如果在历史检查记录中，在最近的时间窗内，有市场主体e的检查记录，则包含有市场主体e的被查组被排除；

距离限定规则：对每个市场主体进行距离约束校验，凡是包含有不符合距离约束条件的市场主体e的被查组，都被排除；

其中，

1)对每个市场主体赋予权重的方法是：

建立市场主体的特征项，对于每一特征项，都从三个维度分别计算该特征项中各个特征值的权重系数，这三个维度分别是：大数据热点、历史检查数据、专家评分；

对于市场主体e，取其各个特征项中符合的特征值所对应的每个维度的权重系数，然后计算综合权重值：

We＝f{K1,K2,K3}

f表示一种聚合函数；

K1为市场主体e对应的大数据热点的综合权重系数，K1＝{K1_V1,K1_V2,...,K1_Vx}；其中K1_V1,K1_V2...K1_Vx分别为市场主体e在特征项V₁,V₂...V_x中符合的特征值的大数据热点权重系数；

K2为市场主体e对应的历史检查数据的综合权重系数，K2＝{K2_V1,K2_V2,...,K2_Vx}；其中K2_V1,K2_V2...K2_Vx分别为市场主体e在特征项V₁,V₂...V_x中符合的特征值的历史检查数据权重系数；

K3为市场主体e对应的专家评分的综合权重系数，K3＝{K3_V1,K3_V2,...,K3_Vx}；其中K3_V1,K3_V2...K3_Vx分别为市场主体e在特征项V₁,V₂...V_x中符合的特征值的专家评分权重系数；

2)对T_mn中每个被查组综合赋予权重的方法是：

对于T_mn＝<E_n1,E_n2...E_nt>中的某个被查组E_ni，计算最终的权重值为：

W_E＝W_e1+W_e2+...+W_en

W_e1、W_e2、W_en分别表示市场主体e1、e2、e3的综合权重值，都是按1)的方法得到。

2.根据权利要求1所述的基于权重的多约束条件双随机抽查方法，其特征在于，

所述市场主体属性包括【地理位置，行业特征，市场主体规模，市场主体经营年限】；

所述监管人员属性包括【人员编号，人员排班，人员特征、所属区域、专业划分】；

所述历史监管信息属性包括【检查时间，市场主体，监管人员，检查结果】。