CN114596182A - 一种基于大数据的政务管理方法及系统 - Google Patents
一种基于大数据的政务管理方法及系统 Download PDFInfo
- Publication number
- CN114596182A CN114596182A CN202210226323.7A CN202210226323A CN114596182A CN 114596182 A CN114596182 A CN 114596182A CN 202210226323 A CN202210226323 A CN 202210226323A CN 114596182 A CN114596182 A CN 114596182A
- Authority
- CN
- China
- Prior art keywords
- decision
- government affair
- effect
- implementation
- government
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims description 388
- 230000003631 expected effect Effects 0.000 claims description 155
- 238000012216 screening Methods 0.000 claims description 101
- 238000012545 processing Methods 0.000 claims description 44
- 238000000605 extraction Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000001550 time effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims 4
- 238000003379 elimination reaction Methods 0.000 claims 4
- 230000009466 transformation Effects 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000001174 ascending effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002279 physical standard Substances 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
- G06Q50/26—Government or public 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据的政务管理方法及系统,方法包括:基于大数据技术,采集历史政务决策信息,基于历史政务决策信息,建立历史政务决策信息数据库,获取政务决策需求信息,从历史政务决策信息数据库中确定适宜于政务决策需求信息的历史政务决策,将历史政务决策作为辅助决策信息进行输出,本发明用于解决人力采集数据浪费人力资源和制定政务决策时效率低下的问题。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种基于大数据的政务管理方法及系统。
背景技术
随着社会的快速发展,政府部门每年需要制定和执行的政务愈加繁多,根据每次需要解决的问题的不同,政府部门需要采集大量数据进行分析、判断,最后制定相应的政务决策,但随着每年政务的增加,许多任务甚至存在重复采集数据的情况,大大浪费了人力资源,同时,每次制定相应政务决策时,花费大量时间去重新分析基础数据、总结规律、得出政务决策的方法,无疑会增加制定政务决策的时间成本,存在效率低下的问题,因此,亟需一种基于大数据的政务管理方法及系统,通过大数据技术,进行辅助决策,用于解决每次人力采集数据浪费人力资源和制定政务决策时效率低下的问题。
发明内容
针对现有技术的不足,本发明提供一种基于大数据的政务管理方法及系统,用于解决每次人力采集数据浪费人力资源和制定政务决策时效率低下的问题。
一种基于大数据的政务管理方法,包括:
基于大数据技术,采集历史政务决策信息,基于历史政务决策信息,建立历史政务决策信息数据库;
获取政务决策需求信息,从历史政务决策信息数据库中确定适宜于政务决策需求信息的历史政务决策;
将历史政务决策作为辅助决策信息进行输出。
作为本发明的一种实施例,基于大数据技术,采集历史政务决策信息,基于历史政务决策信息,建立历史政务决策信息数据库,具体包括:
预先在各个地区分别设置大数据节点,根据大数据节点采集历史上各个地区在面对不同政务决策类型时的具体政务决策与对应的初始决策实施效果;其中,每个政务决策类型由多个决策要素确定;
获取具体政务决策与对应的初始决策实施效果的上传人身份信息,根据上传人身份信息判断预设身份数据库中是否存在上传人的信任度;
若存在,将上传人的信任度作为具体政务决策与对应的初始决策实施效果的真实度;
若不存在,将预设信任度作为具体政务决策与对应的初始决策实施效果的真实度;
判断真实度是否大于预设真实度阈值;
若小于,抛弃具体政务决策与对应的初始决策实施效果;
若不小于,将具体政务决策与对应的初始决策实施效果进行存储;
对初始决策实施效果进行文本简化处理,得到决策实施效果;
对每个具体政务决策和对应的决策实施效果建立连接,形成初始政务决策集,以初始政务决策集对应的政务决策类型、初始政务决策集发生的时间和地区,对初始政务决策集进行标记,得到政务决策集;
基于每个政务决策集上的政务决策类型标记,对所有政务决策集进行分类存储,得到若干不同政务决策类型标记的大政务决策集;其中,大政务决策集中包括若干存在相同政务决策类型标记的政务决策集;
基于所有大政务决策集,建立得到历史政务决策信息数据库。
作为本发明的一种实施例,获取政务决策需求信息,从历史政务决策信息数据库中确定适宜于政务决策需求信息的历史政务决策,具体包括:
获取用户的政务决策需求信息;其中,政务决策需求信息包括:多个决策要素、筛选地区、筛选时间和期望效果;
基于预设决策类型形成规则,根据多个决策要素得到用户需求的政务决策类型;
基于政务决策类型,对历史政务决策信息数据库进行筛选,得到符合政务决策类型的大政务决策集;
基于筛选地区和筛选时间,对大政务决策集进行筛选,得到符合筛选地区和筛选时间的政务决策集;
对期望效果进行字义提取,得到符合筛选标准的标准期望效果;
基于标准期望效果,对每个政务决策集中的决策实施效果进行文本相似度比较,得到文本相似度;
将文本相似度最高的决策实施效果对应的具体政务决策作为历史政务决策。
作为本发明的一种实施例,对期望效果进行字义提取,得到符合筛选标准的标准期望效果,具体包括:
获取历史政务决策信息数据库中所有的决策实施效果,基于预设关键词提取模型,对决策实施效果进行关键词提取处理,得到若干实施效果关键词;
对若干实施效果关键词进行去重处理,根据去重后的结果形成实施效果关键词集;
将期望效果与实施效果关键词集进行配对处理,提取出期望效果中与实施效果关键词集中存在完全相同的词语,建立第一期望效果配对词集合;其中,第一期望效果配对词集合中每个词语均携带有第一词序标记;
获取期望效果被提取期望效果配对词集合后的剩余词语句,对剩余语句进行文本简化处理,得到简化剩余语句;
基于预设分段规则对简化剩余语句进行分段处理,得到若干段简化剩余词语;其中,每段简化剩余词语均携带有第二词序标记,第一词序标记与第二词序标记共同形成一段完整的词序标记;
基于预设同义转换生成模型,对若干简化剩余词语进行同义转换,得到对简化剩余词语的一个或多个同义转换词语,作为新词语;
提取所有新词语中与实施效果关键词集中存在完全相同的词语,建立第二期望效果配对词集合;其中,第二期望效果配对词集合中每个新词语均携带有第二词序标记;
基于第一词序标记和第二词序标记,对第一期望效果配对词集合和第二期望效果配对词集合中所有词语进行重新顺序组合,得到标准期望效果。
作为本发明的一种实施例,一种基于大数据的政务管理方法还包括:
基于预设数量,获取文本相似度排在前列的若干决策实施效果对应的具体政务决策,作为预处理具体政务决策;
对预处理具体政务决策进行文本简化处理和关键词提取处理,得到待定具体政务决策;
将所有待定具体政务决策进行碰撞,筛选出所有待定具体政务决策中完全相同的部分政务决策,作为共同决策;
将所有待定具体政务决策对应的决策实施效果进行碰撞,筛选出所有决策实施效果中完全相同的部分实施效果,作为共同效果;
以标准期望效果中去除共同效果后的剩余效果作为比较效果;
以待定具体政务决策对应的决策实施效果去除共同效果后的剩余效果作为待比较效果;
以待定具体政务决策去除共同决策后的剩余决策作为待比较决策;
将所有待比较决策进行两两比较,去除两两待比较决策中完全相同的部分政务决策,建立若干第一比较决策集;其中,第一比较决策集中包括两个不同的待比较决策在去除完全相同的部分政务决策后的剩余决策集;
将所有待比较效果进行两两比较,去除两两待比较效果中完全相同的部分实施效果,建立若干第一比较效果集;其中,第一比较效果集中包括两个不同的待比较效果在去除完全相同的部分实施效果后的剩余效果集;
基于决策实施效果与具体实施决策的联系,对第一比较决策集中的剩余决策集与第一比较效果集中的剩余效果集建立对应联系;其中,一个剩余决策集仅对应一个剩余效果集;
以任一第一比较决策集中的任一剩余决策集为基准,基于任一剩余决策集与对应的具体实施决策的联系,获取其他比较决策集中的与具体实施决策存在对应联系的所有剩余决策集,建立第二比较决策集;其中,第二比较决策集包括若干与同一个具体实施决策存在对应联系剩余决策集;
将第二比较决策集中的所有剩余决策集进行比较筛除,同时对第二比较决策集中所有剩余决策集对应的剩余效果集进行比较筛除,直至第二比较决策集中的所有剩余决策集内均仅存在一个政务决策,和,所有剩余决策集对应的剩余效果集内均仅存在一个实施效果,对政务决策与对应的实施效果建立联系;
基于标准期望效果,对所有实施效果进行组合,得到与标准期望效果文本相似度最高的实施效果组合;
基于实施效果与政务决策的联系,根据实施效果组合,得到对应的政务决策组合,将对应的政务决策组合作为预测政务决策;
将预测政务决策作为第二辅助决策信息进行输出。
一种基于大数据的政务管理系统,包括:
数据库建立模块,用于基于大数据技术,采集历史政务决策信息,基于历史政务决策信息,建立历史政务决策信息数据库;
政务决策分析模块,用于获取政务决策需求信息,从历史政务决策信息数据库中确定适宜于政务决策需求信息的历史政务决策;
输出模块,用于将历史政务决策作为辅助决策信息进行输出。
作为本发明的一种实施例,数据库建立模块执行包括如下操作:
预先在各个地区分别设置大数据节点,根据大数据节点采集历史上各个地区在面对不同政务决策类型时的具体政务决策与对应的初始决策实施效果;其中,每个政务决策类型由多个决策要素确定;
获取具体政务决策与对应的初始决策实施效果的上传人身份信息,根据上传人身份信息判断预设身份数据库中是否存在上传人的信任度;
若存在,将上传人的信任度作为具体政务决策与对应的初始决策实施效果的真实度;
若不存在,将预设信任度作为具体政务决策与对应的初始决策实施效果的真实度;
判断真实度是否大于预设真实度阈值;
若小于,抛弃具体政务决策与对应的初始决策实施效果;
若不小于,将具体政务决策与对应的初始决策实施效果进行存储;
对初始决策实施效果进行文本简化处理,得到决策实施效果;
对每个具体政务决策和对应的决策实施效果建立连接,形成初始政务决策集,以初始政务决策集对应的政务决策类型、初始政务决策集发生的时间和地区,对初始政务决策集进行标记,得到政务决策集;
基于每个政务决策集上的政务决策类型标记,对所有政务决策集进行分类存储,得到若干不同政务决策类型标记的大政务决策集;其中,大政务决策集中包括若干存在相同政务决策类型标记的政务决策集;
基于所有大政务决策集,建立得到历史政务决策信息数据库。
作为本发明的一种实施例,政务决策分析模块执行包括如下操作:
获取用户的政务决策需求信息;其中,政务决策需求信息包括:多个决策要素、筛选地区、筛选时间和期望效果;
基于预设决策类型形成规则,根据多个决策要素得到用户需求的政务决策类型;
基于政务决策类型,对历史政务决策信息数据库进行筛选,得到符合政务决策类型的大政务决策集;
基于筛选地区和筛选时间,对大政务决策集进行筛选,得到符合筛选地区和筛选时间的政务决策集;
对期望效果进行字义提取,得到符合筛选标准的标准期望效果;
基于标准期望效果,对每个政务决策集中的决策实施效果进行文本相似度比较,得到文本相似度;
将文本相似度最高的决策实施效果对应的具体政务决策作为历史政务决策。
作为本发明的一种实施例,对期望效果进行字义提取,得到符合筛选标准的标准期望效果,具体包括:
获取历史政务决策信息数据库中所有的决策实施效果,基于预设关键词提取模型,对决策实施效果进行关键词提取处理,得到若干实施效果关键词;
对若干实施效果关键词进行去重处理,根据去重后的结果形成实施效果关键词集;
将期望效果与实施效果关键词集进行配对处理,提取出期望效果中与实施效果关键词集中存在完全相同的词语,建立第一期望效果配对词集合;其中,第一期望效果配对词集合中每个词语均携带有第一词序标记;
获取期望效果被提取期望效果配对词集合后的剩余词语句,对剩余语句进行文本简化处理,得到简化剩余语句;
基于预设分段规则对简化剩余语句进行分段处理,得到若干段简化剩余词语;其中,每段简化剩余词语均携带有第二词序标记,第一词序标记与第二词序标记共同形成一段完整的词序标记;
基于预设同义转换生成模型,对若干简化剩余词语进行同义转换,得到对简化剩余词语的一个或多个同义转换词语,作为新词语;
提取所有新词语中与实施效果关键词集中存在完全相同的词语,建立第二期望效果配对词集合;其中,第二期望效果配对词集合中每个新词语均携带有第二词序标记;
基于第一词序标记和第二词序标记,对第一期望效果配对词集合和第二期望效果配对词集合中所有词语进行重新顺序组合,得到标准期望效果。
作为本发明的一种实施例,政务决策分析模块还用于执行包括如下操作:
基于预设数量,获取文本相似度排在前列的若干决策实施效果对应的具体政务决策,作为预处理具体政务决策;
对预处理具体政务决策进行文本简化处理和关键词提取处理,得到待定具体政务决策;
将所有待定具体政务决策进行碰撞,筛选出所有待定具体政务决策中完全相同的部分政务决策,作为共同决策;
将所有待定具体政务决策对应的决策实施效果进行碰撞,筛选出所有决策实施效果中完全相同的部分实施效果,作为共同效果;
以标准期望效果中去除共同效果后的剩余效果作为比较效果;
以待定具体政务决策对应的决策实施效果去除共同效果后的剩余效果作为待比较效果;
以待定具体政务决策去除共同决策后的剩余决策作为待比较决策;
将所有待比较决策进行两两比较,去除两两待比较决策中完全相同的部分政务决策,建立若干第一比较决策集;其中,第一比较决策集中包括两个不同的待比较决策在去除完全相同的部分政务决策后的剩余决策集;
将所有待比较效果进行两两比较,去除两两待比较效果中完全相同的部分实施效果,建立若干第一比较效果集;其中,第一比较效果集中包括两个不同的待比较效果在去除完全相同的部分实施效果后的剩余效果集;
基于决策实施效果与具体实施决策的联系,对第一比较决策集中的剩余决策集与第一比较效果集中的剩余效果集建立对应联系;其中,一个剩余决策集仅对应一个剩余效果集;
以任一第一比较决策集中的任一剩余决策集为基准,基于任一剩余决策集与对应的具体实施决策的联系,获取其他比较决策集中的与具体实施决策存在对应联系的所有剩余决策集,建立第二比较决策集;其中,第二比较决策集包括若干与同一个具体实施决策存在对应联系剩余决策集;
将第二比较决策集中的所有剩余决策集进行比较筛除,同时对第二比较决策集中所有剩余决策集对应的剩余效果集进行比较筛除,直至第二比较决策集中的所有剩余决策集内均仅存在一个政务决策,和,所有剩余决策集对应的剩余效果集内均仅存在一个实施效果,对政务决策与对应的实施效果建立联系;
基于标准期望效果,对所有实施效果进行组合,得到与标准期望效果文本相似度最高的实施效果组合;
基于实施效果与政务决策的联系,根据实施效果组合,得到对应的政务决策组合,将对应的政务决策组合作为预测政务决策;
将预测政务决策发送至输出模块,作为第二辅助决策信息进行输出。
本发明的有益效果为:
本发明用于解决每次人力采集数据浪费人力资源和制定政务决策时效率低下的问题。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于大数据的政务管理方法及系统的方法流程图;
图2为本发明实施例中一种基于大数据的政务管理方法及系统中S1的具体流程图;
图3为本发明实施例中一种基于大数据的政务管理方法及系统中S2的具体流程图;
图4为本发明实施例中一种基于大数据的政务管理方法及系统的系统模块示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1,本发明实施例提供了一种基于大数据的政务管理方法,包括:
S1、基于大数据技术,采集历史政务决策信息,基于历史政务决策信息,建立历史政务决策信息数据库;
S2、获取政务决策需求信息,从历史政务决策信息数据库中确定适宜于政务决策需求信息的历史政务决策;
S3、将历史政务决策作为辅助决策信息进行输出;
上述技术方案的工作原理为:基于大数据,持续性采集历史政务决策信息,用于建立历史政务决策信息数据库,当使用者需要制定政务决策时,获取使用者的政务决策需求信息,然后根据该政务决策需求信息,对历史政务决策信息数据库进行相应筛选,筛选出对应的历史政务决策,最后将该历史政务决策作为辅助决策信息输出给使用者;
上述技术方案的有益效果为:通过建立历史政务决策信息数据库,持续性采集历史政务决策并进行存储,无需反复采集,有效解决了每次人力采集数据浪费人力资源的问题,通过对应的历史政务决策作为辅助决策信息进行输出,使得使用者可以利用前人的经验对将要制定的决策进行辅助判断,有益于提高制定政务决策的效率。
请参阅图2,在一个实施例中,基于大数据技术,采集历史政务决策信息,基于历史政务决策信息,建立历史政务决策信息数据库,具体包括:
S101、预先在各个地区分别设置大数据节点,根据大数据节点采集历史上各个地区在面对不同政务决策类型时的具体政务决策与对应的初始决策实施效果;
S102、获取具体政务决策与对应的初始决策实施效果的上传人身份信息,根据上传人身份信息判断预设身份数据库中是否存在上传人的信任度,若存在,转至S103,若不存在,转至S104;
S103、将上传人的信任度作为具体政务决策与对应的初始决策实施效果的真实度,转至S105;
S104、将预设信任度作为具体政务决策与对应的初始决策实施效果的真实度;
S105、判断真实度是否大于预设真实度阈值,若小于,转至S106,若不小于,转至S107;
S106、抛弃具体政务决策与对应的初始决策实施效果,转至结束;
S107、将具体政务决策与对应的初始决策实施效果进行存储;
S108、对初始决策实施效果进行文本简化处理,得到决策实施效果;
S109、对每个具体政务决策和对应的决策实施效果建立连接,形成初始政务决策集;
S110、以初始政务决策集对应的政务决策类型、初始政务决策集发生的时间和地区,对初始政务决策集进行标记,得到政务决策集;
S111、基于每个政务决策集上的政务决策类型标记,对所有政务决策集进行分类存储,得到若干不同政务决策类型标记的大政务决策集;其中,大政务决策集中包括若干存在相同政务决策类型标记的政务决策集;
S112、基于所有大政务决策集,建立得到历史政务决策信息数据库;
上述技术方案的工作原理为:预先在各个地区分别设置大数据节点,根据所述大数据节点采集历史上各个地区在面对不同政务决策类型时的具体政务决策与对应的初始决策实施效果,其中,每个政务决策类型由多个决策要素确定,然后对获取具体政务决策与对应的初始决策实施效果的上传人身份信息,根据上传人身份信息判断预设身份数据库中是否存在上传人的信任度,预设身份数据库中的身份信息与对应的信任度为根据政务部门内部职位进行提前设定的;若存在,将上传人的信任度作为具体政务决策与对应的初始决策实施效果的真实度;若不存在,将预设信任度作为具体政务决策与对应的初始决策实施效果的真实度;判断真实度是否大于预设真实度阈值;若小于,抛弃具体政务决策与对应的初始决策实施效果;若大于,将具体政务决策与对应的初始决策实施效果进行存储,得到可靠的信息后,对初始决策实施效果进行文本简化处理,得到决策实施效果,其中,因每件政务决策的处理人不同,因此采集到的初始决策实施效果有可能存在许多不规范词语,从而影响后续筛选处理的精确度,所以文本简化处理的结果优选为将初始决策实施效果中非专业词汇、非比例词汇、非上升或下降等含义的词汇进行筛除处理,得到简化后的决策实施效果;得到决策实施效果后,对每个具体政务决策和对应的决策实施效果建立连接,形成初始政务决策集,以初始政务决策集对应的政务决策类型、初始政务决策集发生的时间和地区,对初始政务决策集进行标记,得到政务决策集;基于每个政务决策集上的政务决策类型标记,对所有政务决策集进行分类存储,得到若干不同政务决策类型标记的大政务决策集;其中,该大政务决策集中包括若干存在相同政务决策类型标记的政务决策集;最后基于所有大政务决策集,建立得到历史政务决策信息数据库;更进一步地,该历史政务决策信息数据库的容量随着更多的历史政务决策的出现会逐渐增大,其中,新采集的历史政务决策会根据对应的政务决策类型标记分配到相应的大政务决策集中进行存储;
上述技术方案的有益效果为:通过基于大数据建立历史政务决策信息数据库,实现各个地区之间政务决策的互通有无,能够及时吸取他人经验,防止同样错误再次犯的情况发生,有益于提高后续使用者在制定政务决策时决策有效率,同时,通过大数据采集存储的数据,仅需采集一次,无需每次制定决策时都需要进行采集,有益于节省人力资源,提高采集效率,全面启用大数据技术进行采集,则会出现采集的数据质量不一的情况,通过设置真实度和信任度,提前筛除掉可靠性低的数据,保证后续决策生成的精度,更具有适用性。
请参阅图3,在一个实施例中,获取政务决策需求信息,从历史政务决策信息数据库中确定适宜于政务决策需求信息的历史政务决策,具体包括:
S201、获取用户的政务决策需求信息;其中,政务决策需求信息包括:多个决策要素、筛选地区、筛选时间和期望效果;
S202、基于预设决策类型形成规则,根据多个决策要素得到用户需求的政务决策类型;
S203、基于政务决策类型,对历史政务决策信息数据库进行筛选,得到符合政务决策类型的大政务决策集;
S204、基于筛选地区和筛选时间,对大政务决策集进行筛选,得到符合筛选地区和筛选时间的政务决策集;
S205、对期望效果进行字义提取,得到符合筛选标准的标准期望效果;
S206、基于标准期望效果,对每个政务决策集中的决策实施效果进行文本相似度比较,得到文本相似度;
S207、将文本相似度最高的决策实施效果对应的具体政务决策作为历史政务决策;
上述技术方案的工作原理为:首先,获取使用者的政务决策需求信息;该政务决策需求信息包括:多个决策要素、筛选地区、筛选时间、期望效果,其中,该决策要素的内容为提前设置好的,使用者仅需在提前设置好的决策要素大范围中选取自己所选的决策要素,后续的筛选地区、筛选时间也相同,期望效果则为使用者输入的内容,因决策要素种类和各个决策要素组合形成的政务决策类型繁多,为减少使用者在筛选时出现忘词现象,决策要素采用固定提前设置好内容有益于提高筛选效率,筛选地区和筛选时间也相同,而期望效果采用使用者输入的方式则为了精确获取使用者的需求,提高筛选精度;得到政务决策需求信息后,基于预设决策类型形成规则,根据多个决策要素得到用户需求的政务决策类型,基于政务决策类型,对历史政务决策信息数据库进行筛选,得到符合政务决策类型的大政务决策集,再基于筛选地区和筛选时间,对大政务决策集进行筛选,得到符合筛选地区和所述筛选时间的政务决策集,然后对期望效果进行字义提取,得到符合筛选标准的标准期望效果,虽然使用者输入的内容更符合使用者的需求,但使用者主观意识输入的内容难免会存在许多杂词,和不规范的词语,这些词语都会影响到后续的筛选工作,通过对期望效果进行字义提取,对使用者输入的内容进行再处理,有益于提高后续筛选的精度;得到标准期望效果后,将该标准期望效果与每个政务决策集中的决策实施效果进行文本相似度比较,得到若干文本相似度,最后将文本相似度最高的决策实施效果对应的具体政务决策作为对应的历史政务决策,优选的,文本相似度的计算方法优选为: 其中,Px,y为标准期望效果和决策实施效果的文本相似度,x和y分别为标准期望效果和决策实施效果,α、β、θ分别为预设权重值,且α+β+θ=1,m3为标准期望效果x和决策实施效果y的最长公共子串,nx为标准期望效果x的文本长度,ny为决策实施效果y的文本长度,m1为基于Simhash算法求得的标准期望效果x和决策实施效果y的Simhash指纹的长度,k1为正常情况下的标准期望效果x和决策实施效果y的海明距离,m2为基于N-Gram语言模型处理标准期望效果x和决策实施效果y后该x与y的imhash指纹的长度,k2为标准期望效果x和决策实施效果y经过N-Gram语言模型处理后的x与y的海明距离,通过该计算方法,有益于提高文本相似度的检测精准度和可靠性,为后续历史政务决策的确定提供可靠信息;
上述技术方案的有益效果为:通过上述方案,得到最符合使用者当前输入的需求的历史政务决策,通过该历史政务决策,帮助使用者进行辅助判断,有益于提高使用者制定政务决策的效率。
在一个实施例中,对期望效果进行字义提取,得到符合筛选标准的标准期望效果,具体包括:
获取历史政务决策信息数据库中所有的决策实施效果,基于预设关键词提取模型,对决策实施效果进行关键词提取处理,得到若干实施效果关键词;
对若干实施效果关键词进行去重处理,根据去重后的结果形成实施效果关键词集;
将期望效果与实施效果关键词集进行配对处理,提取出期望效果中与实施效果关键词集中存在完全相同的词语,建立第一期望效果配对词集合;其中,第一期望效果配对词集合中每个词语均携带有第一词序标记;
获取期望效果被提取期望效果配对词集合后的剩余词语句,对剩余语句进行文本简化处理,得到简化剩余语句;
基于预设分段规则对简化剩余语句进行分段处理,得到若干段简化剩余词语;其中,每段简化剩余词语均携带有第二词序标记,第一词序标记与第二词序标记共同形成一段完整的词序标记;
基于预设同义转换生成模型,对若干简化剩余词语进行同义转换,得到对简化剩余词语的一个或多个同义转换词语,作为新词语;
提取所有新词语中与实施效果关键词集中存在完全相同的词语,建立第二期望效果配对词集合;其中,第二期望效果配对词集合中每个新词语均携带有第二词序标记;
基于第一词序标记和第二词序标记,对第一期望效果配对词集合和第二期望效果配对词集合中所有词语进行重新顺序组合,得到标准期望效果;
上述技术方案的工作原理为:获取历史政务决策信息数据库中所有的决策实施效果,基于预设关键词提取模型,对决策实施效果进行关键词提取处理,得到若干实施效果关键词,对若干实施效果关键词进行去重处理,根据去重后的结果形成实施效果关键词集,其中,该若干实施效果关键词仅提取一次,提取后保留在历史政务决策信息数据库中,后续需要使用时直接使用便可,若存在新增的决策实施效果,则提取后加入到实施效果关键词集中,得到实施效果关键词集后,将期望效果与实施效果关键词集进行配对处理,提取出期望效果中与实施效果关键词集中存在完全相同的词语,建立第一期望效果配对词集合;其中,第一期望效果配对词集合中每个词语均携带有第一词序标记;该第一词序标记表示每个词语在期望效果中原本的位置顺序;获取期望效果被提取期望效果配对词集合后的剩余词语句,对剩余语句进行文本简化处理,得到简化剩余语句;文本简化处理优选为将剩余语句中非专业词汇、非比例词汇、非上升或下降等含义的词汇进行筛除处理;然后基于预设分段规则对简化剩余语句进行分段处理,得到若干段简化剩余词语,预设分段规则优选为根据文本简化处理结果进行分段,例如,一句话中被文本简化处理的部分则作为分段处;其中,每段简化剩余词语均携带有第二词序标记,第一词序标记与第二词序标记共同形成一段完整的词序标记,该第二词序标记表示每个简化剩余词语在期望效果中原本的位置顺序,基于预设同义转换生成模型,对若干简化剩余词语进行同义转换,得到对简化剩余词语的一个或多个同义转换词语,作为新词语;提取所有新词语中与实施效果关键词集中存在完全相同的词语,建立第二期望效果配对词集合;其中,第二期望效果配对词集合中每个新词语均携带有第二词序标记,最后基于第一词序标记和第二词序标记,对第一期望效果配对词集合和第二期望效果配对词集合中所有词语进行重新顺序组合,得到标准期望效果;更进一步地,可以基于神经网络模型的文本通顺度模型对得到的标准期望效果进行文本通顺度分析,并生成更为通顺的标准期望效果;
上述技术方案的有益效果为:使用者主观意识输入的内容难免会存在许多杂词,和不规范的词语,这些词语都会影响到后续的筛选工作,通过对期望效果进行字义提取,对使用者输入的内容进行再处理,有益于提高后续筛选的精度,同时采用同义转换生成模型,对使用者输入的文本进行再识别,有益于提高识别精准度。
在一个实施例中,一种基于大数据的政务管理方法还包括:
基于预设数量,获取文本相似度排在前列的若干决策实施效果对应的具体政务决策,作为预处理具体政务决策;
对预处理具体政务决策进行文本简化处理和关键词提取处理,得到待定具体政务决策;
将所有待定具体政务决策进行碰撞,筛选出所有待定具体政务决策中完全相同的部分政务决策,作为共同决策;
将所有待定具体政务决策对应的决策实施效果进行碰撞,筛选出所有决策实施效果中完全相同的部分实施效果,作为共同效果;
以标准期望效果中去除共同效果后的剩余效果作为比较效果;
以待定具体政务决策对应的决策实施效果去除共同效果后的剩余效果作为待比较效果;
以待定具体政务决策去除共同决策后的剩余决策作为待比较决策;
将所有待比较决策进行两两比较,去除两两待比较决策中完全相同的部分政务决策,建立若干第一比较决策集;其中,第一比较决策集中包括两个不同的待比较决策在去除完全相同的部分政务决策后的剩余决策集;
将所有待比较效果进行两两比较,去除两两待比较效果中完全相同的部分实施效果,建立若干第一比较效果集;其中,第一比较效果集中包括两个不同的待比较效果在去除完全相同的部分实施效果后的剩余效果集;
基于决策实施效果与具体实施决策的联系,对第一比较决策集中的剩余决策集与第一比较效果集中的剩余效果集建立对应联系;其中,一个剩余决策集仅对应一个剩余效果集;
以任一第一比较决策集中的任一剩余决策集为基准,基于任一剩余决策集与对应的具体实施决策的联系,获取其他比较决策集中的与具体实施决策存在对应联系的所有剩余决策集,建立第二比较决策集;其中,第二比较决策集包括若干与同一个具体实施决策存在对应联系剩余决策集;
将第二比较决策集中的所有剩余决策集进行比较筛除,同时对第二比较决策集中所有剩余决策集对应的剩余效果集进行比较筛除,直至第二比较决策集中的所有剩余决策集内均仅存在一个政务决策,和,所有剩余决策集对应的剩余效果集内均仅存在一个实施效果,对政务决策与对应的实施效果建立联系;
基于标准期望效果,对所有实施效果进行组合,得到与标准期望效果文本相似度最高的实施效果组合;
基于实施效果与政务决策的联系,根据实施效果组合,得到对应的政务决策组合,将对应的政务决策组合作为预测政务决策;
将预测政务决策作为第二辅助决策信息进行输出;
上述技术方案的工作原理为:基于预设数量,获取文本相似度排在前列的若干决策实施效果对应的具体政务决策,作为预处理具体政务决策,对若干该预处理具体政务决策分别进行文本简化处理和关键词提取处理,得到待定具体政务决策,其中,该文本简化处理优选去除掉预处理具体政务决策中的连接词,关键词提取处理则优选提取预处理具体政务决策中的专业词汇、比例词汇、上升或下降等含义的词汇,且提取的预处理具体政务决策中的关键词均形成一条独立完整的政务决策,然后将所有待定具体政务决策进行碰撞,筛选出所有待定具体政务决策中完全相同的部分政务决策,作为共同决策,将所有待定具体政务决策对应的决策实施效果进行碰撞,筛选出所有决策实施效果中完全相同的部分实施效果,作为共同效果,该碰撞即将所有待定具体政务决策进行对比筛选或将所有待定具体政务决策对应的决策实施效果进行对比筛选,更进一步地,对该决策实施效果进行关键词提取后再进行碰撞,更有利于提高碰撞精准度,以标准期望效果中去除共同效果后的剩余效果作为比较效果,以待定具体政务决策对应的决策实施效果去除共同效果后的剩余效果作为待比较效果,以待定具体政务决策去除共同决策后的剩余决策作为待比较决策,然后将所有待比较决策进行两两比较,去除两两待比较决策中完全相同的部分政务决策,建立若干第一比较决策集,其中,该第一比较决策集中包括两个不同的待比较决策在去除完全相同的部分政务决策后的剩余决策集;并将所有待比较效果进行两两比较,去除两两待比较效果中完全相同的部分实施效果,建立若干第一比较效果集,其中,第一比较效果集中包括两个不同的待比较效果在去除完全相同的部分实施效果后的剩余效果集,再基于决策实施效果与具体实施决策的联系,对第一比较决策集中的剩余决策集与第一比较效果集中的剩余效果集建立对应联系,其中,一个剩余决策集仅对应一个剩余效果集,该决策实施效果与具体实施决策的联系是指每个剩余决策集上层连接的具体实施决策与每个剩余效果集上层连接的决策实施效果之间的联系,根据该联系将对应的剩余决策集合剩余效果集建立对应联系,以任一第一比较决策集中的任一剩余决策集为基准,基于任一剩余决策集与对应的具体实施决策的联系,获取其他比较决策集中的与具体实施决策存在对应联系的所有剩余决策集,建立第二比较决策集;其中,第二比较决策集包括若干与同一个具体实施决策存在对应联系剩余决策集,基于任一剩余决策集与对应的具体实施决策的联系指的是每个剩余决策集与上层连接的具体实施决策的联系,获取其他比较决策集中的与具体实施决策存在对应联系的所有剩余决策集中对应联系指的是上层连接存在相同具体实施决策的剩余决策集之间的联系,然后将第二比较决策集中的所有剩余决策集进行比较筛除,同时对第二比较决策集中所有剩余决策集对应的剩余效果集进行比较筛除,直至第二比较决策集中的所有剩余决策集内均仅存在一个政务决策,优选的,该政务决策为独立完整的,和,所有剩余决策集对应的剩余效果集内均仅存在一个实施效果,对政务决策与对应的实施效果建立联系,使得一个政务决策对应一个实施效果,最后基于标准期望效果,对所有实施效果进行组合,得到与标准期望效果文本相似度最高的实施效果组合,并基于实施效果与政务决策的联系,根据实施效果组合,得到对应的政务决策组合,将对应的政务决策组合作为预测政务决策,再将预测政务决策作为第二辅助决策信息进行输出;
上述技术方案的有益效果为:通过上述技术方案,分析并建立具体政务决策中每个独立决策与实施效果的联系,并基于使用者的标准期望效果,对每个实施效果进行组合排列,最终形成完美符合使用者的标准期望效果的实施效果组合,再基于每个独立决策与实施效果的联系,得到对应的政务决策组合作为预测政务决策,有益于提高输出的辅助决策信息与使用者标准期望效果的相适配性,并提高该辅助决策信息的有效率。
请参阅图4,一种基于大数据的政务管理系统,包括:
数据库建立模块1,用于基于大数据技术,采集历史政务决策信息,基于历史政务决策信息,建立历史政务决策信息数据库;
政务决策分析模块2,用于获取政务决策需求信息,从历史政务决策信息数据库中确定适宜于政务决策需求信息的历史政务决策;
输出模块3,用于将历史政务决策作为辅助决策信息进行输出。
在一个实施例中,数据库建立模块1执行包括如下操作:
预先在各个地区分别设置大数据节点,根据大数据节点采集历史上各个地区在面对不同政务决策类型时的具体政务决策与对应的初始决策实施效果;其中,每个政务决策类型由多个决策要素确定;
获取具体政务决策与对应的初始决策实施效果的上传人身份信息,根据上传人身份信息判断预设身份数据库中是否存在上传人的信任度;
若存在,将上传人的信任度作为具体政务决策与对应的初始决策实施效果的真实度;
若不存在,将预设信任度作为具体政务决策与对应的初始决策实施效果的真实度;
判断真实度是否大于预设真实度阈值;
若小于,抛弃具体政务决策与对应的初始决策实施效果;
若大于,将具体政务决策与对应的初始决策实施效果进行存储;
对初始决策实施效果进行文本简化处理,得到决策实施效果;
对每个具体政务决策和对应的决策实施效果建立连接,形成初始政务决策集,以初始政务决策集对应的政务决策类型、初始政务决策集发生的时间和地区,对初始政务决策集进行标记,得到政务决策集;
基于每个政务决策集上的政务决策类型标记,对所有政务决策集进行分类存储,得到若干不同政务决策类型标记的大政务决策集;其中,大政务决策集中包括若干存在相同政务决策类型标记的政务决策集;
基于所有大政务决策集,建立得到历史政务决策信息数据库。
在一个实施例中,政务决策分析模块2执行包括如下操作:
获取用户的政务决策需求信息;其中,政务决策需求信息包括:多个决策要素、筛选地区、筛选时间和期望效果;
基于预设决策类型形成规则,根据多个决策要素得到用户需求的政务决策类型;
基于政务决策类型,对历史政务决策信息数据库进行筛选,得到符合政务决策类型的大政务决策集;
基于筛选地区和筛选时间,对大政务决策集进行筛选,得到符合筛选地区和筛选时间的政务决策集;
对期望效果进行字义提取,得到符合筛选标准的标准期望效果;
基于标准期望效果,对每个政务决策集中的决策实施效果进行文本相似度比较,得到文本相似度;
将文本相似度最高的决策实施效果对应的具体政务决策作为对应的历史政务决策。
在一个实施例中,对期望效果进行字义提取,得到符合筛选标准的标准期望效果,具体包括:
获取历史政务决策信息数据库中所有的决策实施效果,基于预设关键词提取模型,对决策实施效果进行关键词提取处理,得到若干实施效果关键词;
对若干实施效果关键词进行去重处理,根据去重后的结果形成实施效果关键词集;
将期望效果与实施效果关键词集进行配对处理,提取出期望效果中与实施效果关键词集中存在完全相同的词语,建立第一期望效果配对词集合;其中,第一期望效果配对词集合中每个词语均携带有第一词序标记;
获取期望效果被提取期望效果配对词集合后的剩余词语句,对剩余语句进行文本简化处理,得到简化剩余语句;
基于预设分段规则对简化剩余语句进行分段处理,得到若干段简化剩余词语;其中,每段简化剩余词语均携带有第二词序标记,第一词序标记与第二词序标记共同形成一段完整的词序标记;
基于预设同义转换生成模型,对若干简化剩余词语进行同义转换,得到对简化剩余词语的一个或多个同义转换词语,作为新词语;
提取所有新词语中与实施效果关键词集中存在完全相同的词语,建立第二期望效果配对词集合;其中,第二期望效果配对词集合中每个新词语均携带有第二词序标记;
基于第一词序标记和第二词序标记,对第一期望效果配对词集合和第二期望效果配对词集合中所有词语进行重新顺序组合,得到标准期望效果。
在一个实施例中,政务决策分析模块2还用于执行包括如下操作:
基于预设数量,获取文本相似度排在前列的若干决策实施效果对应的具体政务决策,作为预处理具体政务决策;
对预处理具体政务决策进行文本简化处理和关键词提取处理,得到待定具体政务决策;
将所有待定具体政务决策进行碰撞,筛选出所有待定具体政务决策中完全相同的部分政务决策,作为共同决策;
将所有待定具体政务决策对应的决策实施效果进行碰撞,筛选出所有决策实施效果中完全相同的部分实施效果,作为共同效果;
以标准期望效果中去除共同效果后的剩余效果作为比较效果;
以待定具体政务决策对应的决策实施效果去除共同效果后的剩余效果作为待比较效果;
以待定具体政务决策去除共同决策后的剩余决策作为待比较决策;
将所有待比较决策进行两两比较,去除两两待比较决策中完全相同的部分政务决策,建立若干第一比较决策集;其中,第一比较决策集中包括两个不同的待比较决策在去除完全相同的部分政务决策后的剩余决策集;
将所有待比较效果进行两两比较,去除两两待比较效果中完全相同的部分实施效果,建立若干第一比较效果集;其中,第一比较效果集中包括两个不同的待比较效果在去除完全相同的部分实施效果后的剩余效果集;
基于决策实施效果与具体实施决策的联系,对第一比较决策集中的剩余决策集与第一比较效果集中的剩余效果集建立对应联系;其中,一个剩余决策集仅对应一个剩余效果集;
以任一第一比较决策集中的任一剩余决策集为基准,基于任一剩余决策集与对应的具体实施决策的联系,获取其他比较决策集中的与具体实施决策存在对应联系的所有剩余决策集,建立第二比较决策集;其中,第二比较决策集包括若干与同一个具体实施决策存在对应联系剩余决策集;
将第二比较决策集中的所有剩余决策集进行比较筛除,同时对第二比较决策集中所有剩余决策集对应的剩余效果集进行比较筛除,直至第二比较决策集中的所有剩余决策集内均仅存在一个政务决策,和,所有剩余决策集对应的剩余效果集内均仅存在一个实施效果,对政务决策与对应的实施效果建立联系;
基于标准期望效果,对所有实施效果进行组合,得到与标准期望效果文本相似度最高的实施效果组合;
基于实施效果与政务决策的联系,根据实施效果组合,得到对应的政务决策组合,将对应的政务决策组合作为预测政务决策;
将预测政务决策发送至输出模块3,作为第二辅助决策信息进行输出。
该一种基于大数据的政务管理系统中不同内部功能模块的工作原理和有益效果可参照上述关于一种基于大数据的政务管理方法中对应提及的工作原理和有益效果,这里就不再做重复的累述了。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于大数据的政务管理方法,其特征在于,包括:
基于大数据技术,采集历史政务决策信息,基于所述历史政务决策信息,建立历史政务决策信息数据库;
获取政务决策需求信息,从所述历史政务决策信息数据库中确定适宜于所述政务决策需求信息的历史政务决策;
将所述历史政务决策作为辅助决策信息进行输出。
2.根据权利要求1所述的一种基于大数据的政务管理方法,其特征在于,所述基于大数据技术,采集历史政务决策信息,基于所述历史政务决策信息,建立历史政务决策信息数据库,具体包括:
预先在各个地区分别设置大数据节点,根据所述大数据节点采集历史上各个地区在面对不同政务决策类型时的具体政务决策与对应的初始决策实施效果;其中,每个政务决策类型由多个决策要素确定;
获取所述具体政务决策与对应的初始决策实施效果的上传人身份信息,根据所述上传人身份信息判断预设身份数据库中是否存在所述上传人的信任度;
若存在,将所述上传人的信任度作为所述具体政务决策与对应的初始决策实施效果的真实度;
若不存在,将预设信任度作为所述具体政务决策与对应的初始决策实施效果的真实度;
判断所述真实度是否大于预设真实度阈值;
若小于,抛弃所述具体政务决策与对应的初始决策实施效果;
若不小于,将所述具体政务决策与对应的初始决策实施效果进行存储;
对所述初始决策实施效果进行文本简化处理,得到决策实施效果;
对每个所述具体政务决策和对应的决策实施效果建立连接,形成初始政务决策集,以所述初始政务决策集对应的政务决策类型、初始政务决策集发生的时间和地区,对所述初始政务决策集进行标记,得到政务决策集;
基于每个所述政务决策集上的政务决策类型标记,对所有所述政务决策集进行分类存储,得到若干不同政务决策类型标记的大政务决策集;其中,所述大政务决策集中包括若干存在相同政务决策类型标记的政务决策集;
基于所有所述大政务决策集,建立得到历史政务决策信息数据库。
3.根据权利要求1所述的一种基于大数据的政务管理方法,其特征在于,所述获取政务决策需求信息,从所述历史政务决策信息数据库中确定适宜于所述政务决策需求信息的历史政务决策,具体包括:
获取用户的政务决策需求信息;其中,所述政务决策需求信息包括:多个决策要素、筛选地区、筛选时间和期望效果;
基于预设决策类型形成规则,根据所述多个决策要素得到用户需求的政务决策类型;
基于所述政务决策类型,对所述历史政务决策信息数据库进行筛选,得到符合所述政务决策类型的大政务决策集;
基于所述筛选地区和所述筛选时间,对所述大政务决策集进行筛选,得到符合所述筛选地区和所述筛选时间的政务决策集;
对所述期望效果进行字义提取,得到符合筛选标准的标准期望效果;
基于所述标准期望效果,对每个所述政务决策集中的决策实施效果进行文本相似度比较,得到文本相似度;
将所述文本相似度最高的所述决策实施效果对应的具体政务决策作为历史政务决策。
4.根据权利要求3所述的一种基于大数据的政务管理方法,其特征在于,所述对所述期望效果进行字义提取,得到符合筛选标准的标准期望效果,具体包括:
获取所述历史政务决策信息数据库中所有的决策实施效果,基于预设关键词提取模型,对所述决策实施效果进行关键词提取处理,得到若干实施效果关键词;
对所述若干实施效果关键词进行去重处理,根据去重后的结果形成实施效果关键词集;
将所述期望效果与所述实施效果关键词集进行配对处理,提取出所述期望效果中与所述实施效果关键词集中存在完全相同的词语,建立第一期望效果配对词集合;其中,所述第一期望效果配对词集合中每个词语均携带有第一词序标记;
获取所述期望效果被提取所述期望效果配对词集合后的剩余词语句,对所述剩余语句进行文本简化处理,得到简化剩余语句;
基于预设分段规则对所述简化剩余语句进行分段处理,得到若干段简化剩余词语;其中,每段所述简化剩余词语均携带有第二词序标记,所述第一词序标记与所述第二词序标记共同形成一段完整的词序标记;
基于预设同义转换生成模型,对若干所述简化剩余词语进行同义转换,得到对所述简化剩余词语的一个或多个同义转换词语,作为新词语;
提取所有新词语中与所述实施效果关键词集中存在完全相同的词语,建立第二期望效果配对词集合;其中,所述第二期望效果配对词集合中每个新词语均携带有第二词序标记;
基于所述第一词序标记和第二词序标记,对所述第一期望效果配对词集合和第二期望效果配对词集合中所有词语进行重新顺序组合,得到标准期望效果。
5.根据权利要求3所述的一种基于大数据的政务管理方法,其特征在于,还包括:
基于预设数量,获取所述文本相似度排在前列的若干决策实施效果对应的具体政务决策,作为预处理具体政务决策;
对所述预处理具体政务决策进行文本简化处理和关键词提取处理,得到待定具体政务决策;
将所有所述待定具体政务决策进行碰撞,筛选出所有所述待定具体政务决策中完全相同的部分政务决策,作为共同决策;
将所有所述待定具体政务决策对应的决策实施效果进行碰撞,筛选出所有所述决策实施效果中完全相同的部分实施效果,作为共同效果;
以所述标准期望效果中去除所述共同效果后的剩余效果作为比较效果;
以所述待定具体政务决策对应的决策实施效果去除所述共同效果后的剩余效果作为待比较效果;
以所述待定具体政务决策去除所述共同决策后的剩余决策作为待比较决策;
将所有所述待比较决策进行两两比较,去除两两所述待比较决策中完全相同的部分政务决策,建立若干第一比较决策集;其中,所述第一比较决策集中包括两个不同的待比较决策在去除完全相同的部分政务决策后的剩余决策集;
将所有所述待比较效果进行两两比较,去除两两所述待比较效果中完全相同的部分实施效果,建立若干第一比较效果集;其中,所述第一比较效果集中包括两个不同的待比较效果在去除完全相同的部分实施效果后的剩余效果集;
基于决策实施效果与具体实施决策的联系,对所述第一比较决策集中的剩余决策集与所述第一比较效果集中的剩余效果集建立对应联系;其中,一个剩余决策集仅对应一个剩余效果集;
以任一所述第一比较决策集中的任一剩余决策集为基准,基于所述任一剩余决策集与对应的所述具体实施决策的联系,获取其他所述比较决策集中的与所述具体实施决策存在对应联系的所有剩余决策集,建立第二比较决策集;其中,所述第二比较决策集包括若干与同一个具体实施决策存在对应联系剩余决策集;
将所述第二比较决策集中的所有剩余决策集进行比较筛除,同时对所述第二比较决策集中所有剩余决策集对应的剩余效果集进行比较筛除,直至所述第二比较决策集中的所有剩余决策集内均仅存在一个政务决策,和,所有剩余决策集对应的剩余效果集内均仅存在一个实施效果,对所述政务决策与对应的所述实施效果建立联系;
基于所述标准期望效果,对所有所述实施效果进行组合,得到与所述标准期望效果文本相似度最高的实施效果组合;
基于所述实施效果与所述政务决策的联系,根据所述实施效果组合,得到对应的政务决策组合,将所述对应的政务决策组合作为预测政务决策;
将所述预测政务决策作为第二辅助决策信息进行输出。
6.一种基于大数据的政务管理系统,其特征在于,包括:
数据库建立模块,基于大数据技术,采集历史政务决策信息,基于所述历史政务决策信息,建立历史政务决策信息数据库;
政务决策分析模块,用于获取政务决策需求信息,从所述历史政务决策信息数据库中确定适宜于所述政务决策需求信息的历史政务决策;
输出模块,用于将所述历史政务决策作为辅助决策信息进行输出。
7.根据权利要求6所述的一种基于大数据的政务管理系统,其特征在于,所述数据库建立模块执行包括如下操作:
预先在各个地区分别设置大数据节点,根据所述大数据节点采集历史上各个地区在面对不同政务决策类型时的具体政务决策与对应的初始决策实施效果;其中,每个政务决策类型由多个决策要素确定;
获取所述具体政务决策与对应的初始决策实施效果的上传人身份信息,根据所述上传人身份信息判断预设身份数据库中是否存在所述上传人的信任度;
若存在,将所述上传人的信任度作为所述具体政务决策与对应的初始决策实施效果的真实度;
若不存在,将预设信任度作为所述具体政务决策与对应的初始决策实施效果的真实度;
判断所述真实度是否大于预设真实度阈值;
若小于,抛弃所述具体政务决策与对应的初始决策实施效果;
若不小于,将所述具体政务决策与对应的初始决策实施效果进行存储;
对所述初始决策实施效果进行文本简化处理,得到决策实施效果;
对每个所述具体政务决策和对应的决策实施效果建立连接,形成初始政务决策集,以所述初始政务决策集对应的政务决策类型、初始政务决策集发生的时间和地区,对所述初始政务决策集进行标记,得到政务决策集;
基于每个所述政务决策集上的政务决策类型标记,对所有所述政务决策集进行分类存储,得到若干不同政务决策类型标记的大政务决策集;其中,所述大政务决策集中包括若干存在相同政务决策类型标记的政务决策集;
基于所有所述大政务决策集,建立得到历史政务决策信息数据库。
8.根据权利要求6所述的一种基于大数据的政务管理系统,其特征在于,所述政务决策分析模块执行包括如下操作:
获取用户的政务决策需求信息;其中,所述政务决策需求信息包括:多个决策要素、筛选地区、筛选时间和期望效果;
基于预设决策类型形成规则,根据所述多个决策要素得到用户需求的政务决策类型;
基于所述政务决策类型,对所述历史政务决策信息数据库进行筛选,得到符合所述政务决策类型的大政务决策集;
基于所述筛选地区和所述筛选时间,对所述大政务决策集进行筛选,得到符合所述筛选地区和所述筛选时间的政务决策集;
对所述期望效果进行字义提取,得到符合筛选标准的标准期望效果;
基于所述标准期望效果,对每个所述政务决策集中的决策实施效果进行文本相似度比较,得到文本相似度;
将所述文本相似度最高的所述决策实施效果对应的具体政务决策作为历史政务决策。
9.根据权利要求8所述的一种基于大数据的政务管理系统,其特征在于,所述对所述期望效果进行字义提取,得到符合筛选标准的标准期望效果,具体包括:
获取所述历史政务决策信息数据库中所有的决策实施效果,基于预设关键词提取模型,对所述决策实施效果进行关键词提取处理,得到若干实施效果关键词;
对所述若干实施效果关键词进行去重处理,根据去重后的结果形成实施效果关键词集;
将所述期望效果与所述实施效果关键词集进行配对处理,提取出所述期望效果中与所述实施效果关键词集中存在完全相同的词语,建立第一期望效果配对词集合;其中,所述第一期望效果配对词集合中每个词语均携带有第一词序标记;
获取所述期望效果被提取所述期望效果配对词集合后的剩余词语句,对所述剩余语句进行文本简化处理,得到简化剩余语句;
基于预设分段规则对所述简化剩余语句进行分段处理,得到若干段简化剩余词语;其中,每段所述简化剩余词语均携带有第二词序标记,所述第一词序标记与所述第二词序标记共同形成一段完整的词序标记;
基于预设同义转换生成模型,对若干所述简化剩余词语进行同义转换,得到对所述简化剩余词语的一个或多个同义转换词语,作为新词语;
提取所有新词语中与所述实施效果关键词集中存在完全相同的词语,建立第二期望效果配对词集合;其中,所述第二期望效果配对词集合中每个新词语均携带有第二词序标记;
基于所述第一词序标记和第二词序标记,对所述第一期望效果配对词集合和第二期望效果配对词集合中所有词语进行重新顺序组合,得到标准期望效果。
10.根据权利要求8所述的一种基于大数据的政务管理系统,其特征在于,所述政务决策分析模块还用于执行包括如下操作:
基于预设数量,获取所述文本相似度排在前列的若干决策实施效果对应的具体政务决策,作为预处理具体政务决策;
对所述预处理具体政务决策进行文本简化处理和关键词提取处理,得到待定具体政务决策;
将所有所述待定具体政务决策进行碰撞,筛选出所有所述待定具体政务决策中完全相同的部分政务决策,作为共同决策;
将所有所述待定具体政务决策对应的决策实施效果进行碰撞,筛选出所有所述决策实施效果中完全相同的部分实施效果,作为共同效果;
以所述标准期望效果中去除所述共同效果后的剩余效果作为比较效果;
以所述待定具体政务决策对应的决策实施效果去除所述共同效果后的剩余效果作为待比较效果;
以所述待定具体政务决策去除所述共同决策后的剩余决策作为待比较决策;
将所有所述待比较决策进行两两比较,去除两两所述待比较决策中完全相同的部分政务决策,建立若干第一比较决策集;其中,所述第一比较决策集中包括两个不同的待比较决策在去除完全相同的部分政务决策后的剩余决策集;
将所有所述待比较效果进行两两比较,去除两两所述待比较效果中完全相同的部分实施效果,建立若干第一比较效果集;其中,所述第一比较效果集中包括两个不同的待比较效果在去除完全相同的部分实施效果后的剩余效果集;
基于决策实施效果与具体实施决策的联系,对所述第一比较决策集中的剩余决策集与所述第一比较效果集中的剩余效果集建立对应联系;其中,一个剩余决策集仅对应一个剩余效果集;
以任一所述第一比较决策集中的任一剩余决策集为基准,基于所述任一剩余决策集与对应的所述具体实施决策的联系,获取其他所述比较决策集中的与所述具体实施决策存在对应联系的所有剩余决策集,建立第二比较决策集;其中,所述第二比较决策集包括若干与同一个具体实施决策存在对应联系剩余决策集;
将所述第二比较决策集中的所有剩余决策集进行比较筛除,同时对所述第二比较决策集中所有剩余决策集对应的剩余效果集进行比较筛除,直至所述第二比较决策集中的所有剩余决策集内均仅存在一个政务决策,和,所有剩余决策集对应的剩余效果集内均仅存在一个实施效果,对所述政务决策与对应的所述实施效果建立联系;
基于所述标准期望效果,对所有所述实施效果进行组合,得到与所述标准期望效果文本相似度最高的实施效果组合;
基于所述实施效果与所述政务决策的联系,根据所述实施效果组合,得到对应的政务决策组合,将所述对应的政务决策组合作为预测政务决策;
将所述预测政务决策发送至所述输出模块,作为第二辅助决策信息进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210226323.7A CN114596182B (zh) | 2022-03-09 | 2022-03-09 | 一种基于大数据的政务管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210226323.7A CN114596182B (zh) | 2022-03-09 | 2022-03-09 | 一种基于大数据的政务管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114596182A true CN114596182A (zh) | 2022-06-07 |
CN114596182B CN114596182B (zh) | 2023-05-16 |
Family
ID=81807536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210226323.7A Active CN114596182B (zh) | 2022-03-09 | 2022-03-09 | 一种基于大数据的政务管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114596182B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682573A (zh) * | 2012-03-31 | 2012-09-19 | 上海海洋大学 | 一种基于时间序列分析的风暴潮灾害预警系统 |
CN104463472A (zh) * | 2014-12-12 | 2015-03-25 | 江阴中科今朝科技有限公司 | 电子政务平台系统 |
CN106447584A (zh) * | 2016-09-22 | 2017-02-22 | 东南大学 | 一种面向高速公路网络运营的决策支持系统及其使用方法 |
CN106952021A (zh) * | 2017-02-28 | 2017-07-14 | 广州鼎义计算机有限公司 | 一种基于政务云的公共服务管理系统 |
CN107562824A (zh) * | 2017-08-21 | 2018-01-09 | 昆明理工大学 | 一种文本相似度检测方法 |
CN109493265A (zh) * | 2018-11-05 | 2019-03-19 | 北京奥法科技有限公司 | 一种基于深度学习的政策解读方法及政策解读系统 |
CN112598358A (zh) * | 2020-12-30 | 2021-04-02 | 杭州拓深科技有限公司 | 一种智能辅助决策采购方法 |
CN112651589A (zh) * | 2020-09-24 | 2021-04-13 | 深圳市创智园知识产权运营有限公司 | 一种基于政府大数据的智慧社区平台建设的方法 |
CN112700881A (zh) * | 2020-12-29 | 2021-04-23 | 医渡云(北京)技术有限公司 | 文本的标准化处理方法、装置、电子设备及计算机介质 |
CN112749207A (zh) * | 2020-12-29 | 2021-05-04 | 大连海事大学 | 一种基于案例推理的深海应急处置辅助决策系统 |
CN112800083A (zh) * | 2021-02-24 | 2021-05-14 | 山东省建设发展研究院 | 一种面向政府决策的政务大数据分析方法及设备 |
CN113672599A (zh) * | 2020-09-30 | 2021-11-19 | 华斌 | 通过创建领域知识图谱实现政务信息化项目建设管理的可视化辅助决策方法 |
CN113807622A (zh) * | 2020-06-15 | 2021-12-17 | 海信集团有限公司 | 一种事件决策生成方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-09 CN CN202210226323.7A patent/CN114596182B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682573A (zh) * | 2012-03-31 | 2012-09-19 | 上海海洋大学 | 一种基于时间序列分析的风暴潮灾害预警系统 |
CN104463472A (zh) * | 2014-12-12 | 2015-03-25 | 江阴中科今朝科技有限公司 | 电子政务平台系统 |
CN106447584A (zh) * | 2016-09-22 | 2017-02-22 | 东南大学 | 一种面向高速公路网络运营的决策支持系统及其使用方法 |
CN106952021A (zh) * | 2017-02-28 | 2017-07-14 | 广州鼎义计算机有限公司 | 一种基于政务云的公共服务管理系统 |
CN107562824A (zh) * | 2017-08-21 | 2018-01-09 | 昆明理工大学 | 一种文本相似度检测方法 |
CN109493265A (zh) * | 2018-11-05 | 2019-03-19 | 北京奥法科技有限公司 | 一种基于深度学习的政策解读方法及政策解读系统 |
CN113807622A (zh) * | 2020-06-15 | 2021-12-17 | 海信集团有限公司 | 一种事件决策生成方法、装置、电子设备及存储介质 |
CN112651589A (zh) * | 2020-09-24 | 2021-04-13 | 深圳市创智园知识产权运营有限公司 | 一种基于政府大数据的智慧社区平台建设的方法 |
CN113672599A (zh) * | 2020-09-30 | 2021-11-19 | 华斌 | 通过创建领域知识图谱实现政务信息化项目建设管理的可视化辅助决策方法 |
CN112749207A (zh) * | 2020-12-29 | 2021-05-04 | 大连海事大学 | 一种基于案例推理的深海应急处置辅助决策系统 |
CN112700881A (zh) * | 2020-12-29 | 2021-04-23 | 医渡云(北京)技术有限公司 | 文本的标准化处理方法、装置、电子设备及计算机介质 |
CN112598358A (zh) * | 2020-12-30 | 2021-04-02 | 杭州拓深科技有限公司 | 一种智能辅助决策采购方法 |
CN112800083A (zh) * | 2021-02-24 | 2021-05-14 | 山东省建设发展研究院 | 一种面向政府决策的政务大数据分析方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114596182B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020147393A1 (zh) | 基于卷积神经网络的文本分类方法及相关设备 | |
CN109783639B (zh) | 一种基于特征提取的调解案件智能分派方法及系统 | |
CN111444344B (zh) | 实体分类方法、装置、计算机设备和存储介质 | |
CN107220295A (zh) | 一种人民矛盾调解案例搜索和调解策略推荐方法 | |
CN109189767B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN107145516B (zh) | 一种文本聚类方法及系统 | |
CN110427884B (zh) | 文档篇章结构识别方法、装置、设备和存储介质 | |
WO2021139256A1 (zh) | 论文作者的消歧方法、装置和计算机设备 | |
CN114723528A (zh) | 基于知识图谱的商品个性化推荐方法及系统 | |
WO2021051864A1 (zh) | 词典扩充方法及装置、电子设备、存储介质 | |
WO2021051586A1 (zh) | 面试回答文本的分类方法及装置、电子设备、存储介质 | |
CN111651601A (zh) | 用于电力信息系统的故障分类模型的训练方法及分类方法 | |
CN115630843A (zh) | 合同条款自动审核方法及系统 | |
CN111191442A (zh) | 相似问题生成方法、装置、设备及介质 | |
CN112528022A (zh) | 主题类别对应的特征词提取和文本主题类别识别方法 | |
CN112100212A (zh) | 一种基于机器学习和规则匹配的案件情节抽取方法 | |
CN114461890A (zh) | 分层多模态的知识产权搜索引擎方法与系统 | |
Neto et al. | PIC-Score: Probabilistic Interpretable Comparison Score for Optimal Matching Confidence in Single-and Multi-Biometric Face Recognition | |
CN113553326A (zh) | 电子表格数据处理方法、装置、计算机设备和存储介质 | |
CN113159326A (zh) | 基于人工智能的智能业务决策方法 | |
CN117349406A (zh) | 基于大数据的专利信息检索系统及方法 | |
CN108475265B (zh) | 获取未登录词的方法与装置 | |
CN114596182A (zh) | 一种基于大数据的政务管理方法及系统 | |
CN116484052A (zh) | 一种基于大数据的教育资源共享系统 | |
CN116452241A (zh) | 一种基于多模态融合神经网络的用户流失概率计算方法 |
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 |