CN115760320A - 基于大数据分析的公租房申报监管预警方法及其应用 - Google Patents
基于大数据分析的公租房申报监管预警方法及其应用 Download PDFInfo
- Publication number
- CN115760320A CN115760320A CN202211354842.8A CN202211354842A CN115760320A CN 115760320 A CN115760320 A CN 115760320A CN 202211354842 A CN202211354842 A CN 202211354842A CN 115760320 A CN115760320 A CN 115760320A
- Authority
- CN
- China
- Prior art keywords
- declaration
- public rental
- data
- house
- enterprise
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出了一种基于大数据分析的公租房申报监管预警方法及其应用,包括以下步骤:采集关于公租房申报的源数据并进行分类存储;对源数据进行分析筛选建立人名数据表;建立拥有房产、公租房黑名单、公租房租户、企业法人及企业股东五个标签,将申报人员及其直系亲属的身份证号与人名数据表进行比对,并将身份证号一致的申报人员及其直系亲属对应打上五个标签中的一个或多个;将申报人员及其直系亲属与其对应的拥有房产、公租房黑名单、公租房租户、企业法人及企业股东的标签形成数据关联评分表;根据数据关联评分表进行预警。本申请可有效地对公租房申报异常情况进行分析及预警。
Description
技术领域
本申请涉及社会治理领域,特别是一种涉及基于大数据分析的公租房申报监管预警方法及其应用。
背景技术
公租房供应对象主要是城市中等偏下收入住房困难家庭,由政府主管部门确定公租房的供应范围和供应对象的收入线标准、住房困难条件。目前在公租房申报过程中,存在着虚报收入信息、伪造申报资料等问题。由于缺少数据支撑,公租房申报资料审核手段单一且被动,监管人员难以保证公租房申报审核的公平性,且存在公职人员利用审核公租房资格的便利优亲厚友,明知申请人不符合条件,却帮助其通过资格审查。如何充分有效地利用大数据分析技术为公租房申报审核赋能,利用信息化手段保障公租房申报监管工作的公平性,对于公租房管理工作具有重大意义。
然而目前在公租房申报监管领域,对于伪造申报资料的乱象,主要还是依靠人工审核、事后处罚等较为传统的方式来处理,缺少一种主动发现、提前预警的信息化手段。
因此,亟须一种能够快速高效地对于公租房申报人员条件异常的主动发现、提前预警、科学发现的大数据分析预警的方法和应用。
发明内容
本申请实施例提供了一种基于大数据分析的公租房申报监管预警方法及其应用,针对目前技术存在的无法有效发现公租房申报违规等问题。
本发明核心技术主要是针对申报人员相关数据进行多维度的分析与比对,利用大数据分析技术对公租房申报异常情况进行预警。
第一方面,本申请提供了一种基于大数据分析的公租房申报监管预警方法,所述方法包括以下步骤:
S00、采集关于公租房申报的源数据并进行分类存储,其中源数据包括申报人员信息、市场监管部门的企业法人数据和企业股东数据、不动产管理部门的房产信息、住房保障主管部门的公租房黑名单和已有租户数据;
S10、对源数据进行分析筛选出企业法人、企业股东、公租房租房信息、公租房黑名单、拥有房产对应的人员姓名和身份证号,以建立人名数据表;
S20、建立拥有房产、公租房黑名单、公租房租户、企业法人及企业股东五个标签,将申报人员及其直系亲属的身份证号与人名数据表进行比对,并将身份证号一致的申报人员及其直系亲属对应打上五个标签中的一个或多个;
S30、将申报人员及其直系亲属与其对应的拥有房产、公租房黑名单、公租房租户、企业法人及企业股东的标签形成数据关联评分表;
S40、根据数据关联评分表的评分和评分的设定阈值进行预警。
进一步地,步骤S00中,源数据分别储存至对应的企业法人信息表、企业股东信息表、房产信息表、公租房黑名单信息表、申报人员信息表、直系亲属信息表及公租房已有租户信息表中。
进一步地,步骤S10中,在企业法人信息表、企业股东信息表、房产信息表、公租房黑名单信息表、申报人员信息表、直系亲属信息表及公租房已有租户信息表中筛选出每个人员的姓名和对应的身份证号,以形成企业法人人名数据表、公租房黑名单人名数据表、申报人员人名数据表、直系亲属人名数据表、公租房已有租户人名数据表、企业股东人名数据表及房产信息人名数据表并组成人名数据表。
进一步地,步骤S10中,源数据的每一种至少包括人员的姓名和对应的身份证号。
进一步地,步骤S30中,根据优序图法计算公租房监管指标权重,按照权重设置数据关联评分表的每一项的评审表分值。
进一步地,步骤S40,根据数据关联评分表的预警等级分为两级及两级以上,对于预警等级高于等于第二级的申报人员的信息进行预警。
进一步地,步骤S30中,通过专家对各指标与公租房申报监管的关联程度进行评分,得到问卷研究数据表,基于问卷研究数据表,使用优序图法分析各指标占公租房申报监管关联程度中的权重。
第二方面,本申请提供了一种基于大数据分析的公租房申报监管预警方法装置,包括:
采集存储模块,用于采集关于公租房申报的源数据并进行分类存储,其中源数据包括申报人员信息、市场监管部门的企业法人数据和企业股东数据、不动产管理部门的房产信息、住房保障主管部门的公租房黑名单和已有租户数据;
分析筛选模块,用于对源数据进行分析筛选出企业法人、企业股东、公租房租房信息、公租房黑名单、拥有房产对应的人员姓名和身份证号,以建立人名数据表;
标记模块,用于建立拥有房产、公租房黑名单、公租房租户、企业法人及企业股东五个标签,将申报人员及其直系亲属的身份证号与人名数据表进行比对,并将身份证号一致的申报人员及其直系亲属对应打上五个标签中的一个或多个;
建表评分模块,用于将申报人员及其直系亲属与其对应的拥有房产、公租房黑名单、公租房租户、企业法人及企业股东的标签形成数据关联评分表;
预警模块,用于根据数据关联评分表的评分和评分的设定阈值进行预警。
第三方面,本申请提供了一种电子装置,包括存储器和处理器,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行上述的基于大数据分析的公租房申报监管预警方法。
第四方面,本申请提供了一种可读存储介质,可读存储介质中存储有计算机程序,计算机程序包括用于控制过程以执行过程的程序代码,过程包括根据上述的基于大数据分析的公租房申报监管预警方法。
本发明的主要贡献和创新点如下:1、与现有技术相比,本申请通过从各部分采集相关数据,利用大数据分析筛选,可建立起多个数据表,从而能够对申报人员及其直系亲属进行比对,找出相关人员的信息,从而进行评分,能够利用数据分析的手段,为公租房申报监管提供数据支撑,改变人工审核、事后处罚等传统管理方式,建立主动发现、提前预警的信息化监测机制,帮助监管部门整治公租房申报乱象;
2、与现有技术相比,本申请的数据来源多样化,从各个有关部门中进行获取,能够为本申请的数据可信度提供有力支撑,同时能够多个方面来评价申报人员的信息,从而主动给出极为准确的预警等级,方便有关部门进行监管,显著提高了工作效率和降低了人为操纵的可能性。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的基于大数据分析的公租房申报监管预警方法的流程图;
图2是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
目前公租房申报过程中存在的虚报申报资料、信息难以核验等问题,为有效减少公租房资格审查存在的漏洞。
基于此,本发明基于大数据分析来解决现有技术存在的问题。
实施例一
本申请旨在提出基于大数据分析的公租房申报监管预警方法,通过本申请对公租房申报异常情况进行分析及预警,能够利用数据分析的手段,为公租房申报监管提供数据支撑,改变人工审核、事后处罚等传统管理方式,建立主动发现、提前预警的信息化监测机制,帮助监管部门整治公租房申报乱象。
具体地,本申请实施例提供了一种基于大数据分析的公租房申报监管预警方法,具体地,参考图1,所述方法包括:
S00、采集关于公租房申报的源数据并进行分类存储,其中源数据包括申报人员信息、市场监管部门的企业法人数据和企业股东数据、不动产管理部门的房产信息、住房保障主管部门的公租房黑名单和已有租户数据;
此步骤中,源数据分别储存至对应的企业法人信息表、企业股东信息表、房产信息表、公租房黑名单信息表、申报人员信息表、直系亲属信息表及公租房已有租户信息表中。
如在本实施例中,根据业务需求采集源数据,并将人员姓名源数据进行入库存储。通过系统接口与原业务系统接口对接的方式,获取市场监管部门的企业法人数据和企业股东数据、公安部门的户籍数据、不动产管理部门的房产数据、住房保障主管部门的公租房黑名单数据及已有租户数据,将获取的数据存储到对应的企业法人信息表、企业股东信息表、房产信息表、公租房黑名单信息表、申报人员信息表、直系亲属信息表、公租房已有租户信息表里。
优选地,为减少数据存储及分析的压力,系统接口对接时通过制定接口协议,只从各部门系统的外部系统接口中获取与公租房申报审核监管业务所需的数据,主要包括:
(1)房产信息:房屋所有人名称、房屋所有人身份证号、房屋性质等关键数据;
(2)公租房黑名单信息:黑名单人名称、黑名单人身份证号、列入黑名单原因、起止时间等关键数据;
(3)公租房租房信息:公租房租户人名称、公租房租户人身份证号、公租房入驻地址等关键数据;
(4)企业法人信息:企业统一社会信用代码、企业名称、企业法人身份证号、企业法人姓名等关键数据;
(5)企业股东信息:企业统一社会信用代码、企业名称、企业股东身份证号、企业股东姓名等关键数据;
(6)申报人员信息:申报人名称、申报人身份证号码、工作单位、直系亲属等关键数据;
(7)直系亲属信息:直系亲属人名称、直系亲属人身份证号码、工作单位等关键数据。
S10、对源数据进行分析筛选出企业法人、企业股东、公租房租房信息、公租房黑名单、拥有房产对应的人员姓名和身份证号,以建立人名数据表;
此步骤中,在企业法人信息表、企业股东信息表、房产信息表、公租房黑名单信息表、申报人员信息表、直系亲属信息表及公租房已有租户信息表中筛选出每个人员的姓名和对应的身份证号,以形成企业法人人名数据表、公租房黑名单人名数据表、申报人员人名数据表、直系亲属人名数据表、公租房已有租户人名数据表、企业股东人名数据表及房产信息人名数据表并组成人名数据表。
S20、建立拥有房产、公租房黑名单、公租房租户、企业法人及企业股东五个标签,将申报人员及其直系亲属的身份证号与人名数据表进行比对,并将身份证号一致的申报人员及其直系亲属对应打上五个标签中的一个或多个;
此步骤中,实际上就是找出申报人员及其直系亲属中与前面的人名数据表对应的人员,如申报人员本身就是公租房黑名单人名数据表中的人员,或者申报人员的父亲是公租房黑名单人名数据表中的人员,这种会被直接打上公租房黑名单标签,对应的可以打上多个标签。
S30、将申报人员及其直系亲属与其对应的拥有房产、公租房黑名单、公租房租户、企业法人及企业股东的标签形成数据关联评分表;
此步骤中,通过优序图法计算公租房监管指标权重设置评分表分值。具体地,将当地公租房申报管理办法规定为一票否决的指标分值设置为10,邀请当地公租房监管部门人员作为专家填写问卷研究数据表,在问卷研究数据表中以一票否决指标的分值为基准,为其他指标与公租房申报监管的关联程度评分。基于问卷研究数据表,使用优序图法分析各指标占公租房申报监管关联程度中的权重,最后将权重以10为基准按照百分比转换成分值,分值取整数。其中,优序图法是利用了数字大小的相对性,针对各个指标进行分析,优序图算法上会对指标先进行平均值计算,然后对两两指标进行比较,若指标A比指标B重要,则A得1分;若同等重要,则A得0.5分;若指标B比指标A重要,则A得0分。
如在本实施例中,按照当地公租房申报管理办法,将规定为一票否决、不能参与公租房申报的申报人员拥有房产、申报人员为公租房黑名单、申报人员是公租房租户、直系亲属拥有房产等指标分值设置为10,邀请当地公租房监管部门人员作为专家为其他指标与公租房申报监管的关联程度评分,得到问卷研究数据表。如下表1:
编号 | 拥有房产(申报人员) | 公租房黑名单(申报人员) | 公租房租户(申报人员) | 企业法人(申报人员) | 企业股东(申报人员) | 拥有房产(直系亲属) | 公租房黑名单(直系亲属) | 公租房租户(直系亲属) | 企业法人(直系亲属) | 企业股东(直系亲属) |
专家1 | 10 | 10 | 10 | 10 | 9 | 10 | 7 | 8 | 6 | 4 |
专家2 | 10 | 10 | 10 | 9 | 10 | 10 | 5 | 5 | 5 | 5 |
专家3 | 10 | 10 | 10 | 10 | 8 | 10 | 8 | 5 | 5 | 3 |
专家4 | 10 | 10 | 10 | 8 | 9 | 10 | 4 | 5 | 7 | 4 |
专家5 | 10 | 10 | 10 | 10 | 7 | 10 | 5 | 5 | 5 | 5 |
专家6 | 10 | 10 | 10 | 10 | 8 | 10 | 5 | 9 | 9 | 5 |
专家7 | 10 | 10 | 10 | 9 | 9 | 10 | 7 | 5 | 5 | 2 |
专家8 | 10 | 10 | 10 | 10 | 10 | 10 | 5 | 5 | 5 | 5 |
专家9 | 10 | 10 | 10 | 10 | 6 | 10 | 5 | 5 | 5 | 5 |
专家10 | 10 | 10 | 10 | 10 | 9 | 10 | 4 | 7 | 7 | 4 |
专家11 | 10 | 10 | 10 | 9 | 9 | 10 | 5 | 5 | 5 | 5 |
专家12 | 10 | 10 | 10 | 10 | 9 | 10 | 6 | 4 | 8 | 3 |
专家13 | 10 | 10 | 10 | 10 | 8 | 10 | 5 | 5 | 5 | 5 |
专家14 | 10 | 10 | 10 | 10 | 9 | 10 | 5 | 5 | 5 | 5 |
专家15 | 10 | 10 | 10 | 9 | 9 | 10 | 4 | 7 | 7 | 2 |
专家16 | 10 | 10 | 10 | 10 | 9 | 10 | 5 | 5 | 5 | 5 |
专家17 | 10 | 10 | 10 | 10 | 8 | 10 | 5 | 5 | 5 | 5 |
专家18 | 10 | 10 | 10 | 10 | 9 | 10 | 5 | 4 | 9 | 5 |
专家19 | 10 | 10 | 10 | 9 | 6 | 10 | 7 | 5 | 5 | 4 |
专家20 | 10 | 10 | 10 | 10 | 9 | 10 | 5 | 8 | 8 | 5 |
表1 问卷研究数据表
基于问卷研究数据表,使用优序图法分析各指标占公租房申报监管关联程度中的权重。优序图法计算权重时,首先需要构建优序图权重表。如下表2:
表2 优序图权重计算表
(1)优序图权重表构建方式为:计算出各分析项的平均值,接着利用平均值大小进行两两对比;
(2)平均值相对更大时计为1分,相对更小时计为0分,平均值完全相等时计为0.5分;
(3)平均值越大意味着重要性越高,权重也会越高。
完成优序图权重计算表后,接着计算TTL值最终得到权重值。将最高权重指标分值设置10为基准,按照等比例换算其他权重分值,得到优序图权重计算结果及分值表。如下表3:
(1)结合优序图权重计算表,针对每行数据求和,得到TTL值;
(2)针对TTL值进行归一化处理,最终得到权重值。
(3)将权重值最高为16%的指标分值设置为10,并作为基准,按照等比例换算其他权重分值。如申报人员为企业法人的权重是11%,则对应的分值计算方式为10*11%/16%,结果取整后得到分值为7。
项 | 平均值 | TTL(指标得分) | 权重值 | 分值 |
拥有房产(申报人员) | 10 | 8 | 16.000% | 10 |
公租房黑名单(申报人员) | 10 | 8 | 16.000% | 10 |
公租房租户(申报人员) | 10 | 8 | 16.000% | 10 |
企业法人(申报人员) | 9.65 | 5.5 | 11.000% | 7 |
企业股东(申报人员) | 8.5 | 4.5 | 9.000% | 6 |
拥有房产(直系亲属) | 10 | 8 | 16.000% | 10 |
公租房黑名单(直系亲属) | 5.35 | 1.5 | 3.000% | 2 |
公租房租户(直系亲属) | 5.6 | 2.5 | 5.000% | 3 |
企业法人(直系亲属) | 6.05 | 3.5 | 7.000% | 4 |
企业股东(直系亲属) | 4.3 | 0.5 | 1.000% | 1 |
表3 优序图权重计算结果及分值表
通过优序图法计算公租房监管指标权重设置评分表分值。如下表4:
预警指数(N) | 拥有房产 | 公租房黑名单 | 公租房租户 | 企业法人 | 企业股东 |
申报人员 | 10 | 10 | 10 | 7 | 6 |
直系亲属 | 10 | 2 | 3 | 4 | 1 |
表4 数据关联评分表
S40、根据数据关联评分表的评分和评分的设定阈值进行预警。
此步骤中,根据数据关联评分表的预警等级分为两级及两级以上,对于预警等级高于等于第二级的申报人员的信息进行预警。如在本实施例中,预警等级如下表5:
预警指数 | 预警等级 | 预警程度 |
10>N≥5 | Ⅲ | 提醒注意 |
15>N≥10 | Ⅱ | 异常预警 |
N≥15 | Ⅰ | 强烈预警 |
表5预警等级表
可见通过按照公租房监管的实际业务需求设置评审表分值,将数据关联评分表中的预警指数求和,按照5分、10分、15分以上三个区间进行预警,预警等级分别为Ⅲ级、Ⅱ级、Ⅰ级。
优选地,还可以直接进行图形化,更加直观明了。
实施例二
基于相同的构思,本申请还提出了一种基于大数据分析的公租房申报监管预警方法装置,包括:
采集存储模块,用于采集关于公租房申报的源数据并进行分类存储,其中源数据包括申报人员信息、市场监管部门的企业法人数据和企业股东数据、不动产管理部门的房产信息、住房保障主管部门的公租房黑名单和已有租户数据;
分析筛选模块,用于对源数据进行分析筛选出企业法人、企业股东、公租房租房信息、公租房黑名单、拥有房产对应的人员姓名和身份证号,以建立人名数据表;
标记模块,用于建立拥有房产、公租房黑名单、公租房租户、企业法人及企业股东五个标签,将申报人员及其直系亲属的身份证号与人名数据表进行比对,并将身份证号一致的申报人员及其直系亲属对应打上五个标签中的一个或多个;
建表评分模块,用于将申报人员及其直系亲属与其对应的拥有房产、公租房黑名单、公租房租户、企业法人及企业股东的标签形成数据关联评分表;
预警模块,用于根据数据关联评分表的评分和评分的设定阈值进行预警。
实施例三
本实施例还提供了一种电子装置,参考图2,包括存储器404和处理器402,该存储器404中存储有计算机程序,该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
具体地,上述处理器402可以包括中央处理器(CPU),或者特定集成电路(ApplicationSpecificIntegratedCircuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制,存储器404可包括硬盘驱动器(HardDiskDrive,简称为HDD)、软盘驱动器、固态驱动器(SolidStateDrive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器404可在数据处理装置的内部或外部。在特定实施例中,存储器404是非易失性(Non-Volatile)存储器。在特定实施例中,存储器404包括只读存储器(Read-OnlyMemory,简称为ROM)和随机存取存储器(RandomAccessMemory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-OnlyMemory,简称为PROM)、可擦除PROM(ErasableProgrammableRead-OnlyMemory,简称为EPROM)、电可擦除PROM(ElectricallyErasableProgrammableRead-OnlyMemory,简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(StaticRandom-AccessMemory,简称为SRAM)或动态随机存取存储器(DynamicRandomAccessMemory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器404(FastPageModeDynamicRandomAccessMemory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDateOutDynamicRandomAccessMemory,简称为EDODRAM)、同步动态随机存取内存(SynchronousDynamicRandom-AccessMemory,简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令,以实现上述实施例中的任意一种基于大数据分析的公租房申报监管预警方法。
可选地,上述电子装置还可以包括传输设备406以及输入输出设备408,其中,该传输设备406和上述处理器402连接,该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中,传输设备包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备406可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中,输入的信息可以是申报人员信息等,输出的信息可以是预警等级等。
实施例四
本实施例还提供了一种可读存储介质,可读存储介质中存储有计算机程序,计算机程序包括用于控制过程以执行过程的程序代码,过程包括根据实施例一的基于大数据分析的公租房申报监管预警方法。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
通常,各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现,而其他方面可以由控制器、微处理器或其他计算设备执行的固件或软件来实现,但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示,但是应当理解,作为非限制性示例,本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现,该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行,或者由硬件来实现,或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中,并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外,在这一点上,应当注意,如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以作出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于大数据分析的公租房申报监管预警方法,其特征在于,包括以下步骤:
S00、采集关于公租房申报的源数据并进行分类存储,其中所述源数据包括申报人员信息、市场监管部门的企业法人数据和企业股东数据、不动产管理部门的房产信息、住房保障主管部门的公租房黑名单和已有租户数据;
S10、对所述源数据进行分析筛选出企业法人、企业股东、公租房租房信息、公租房黑名单、拥有房产对应的人员姓名和身份证号,以建立人名数据表;
S20、建立拥有房产、公租房黑名单、公租房租户、企业法人及企业股东五个标签,将申报人员及其直系亲属的身份证号与所述人名数据表进行比对,并将身份证号一致的申报人员及其直系亲属对应打上五个标签中的一个或多个;
S30、将申报人员及其直系亲属与其对应的拥有房产、公租房黑名单、公租房租户、企业法人及企业股东的标签形成数据关联评分表;
S40、根据所述数据关联评分表的评分和评分的设定阈值进行预警。
2.如权利要求1所述的一种基于大数据分析的公租房申报监管预警方法,其特征在于,步骤S00中,所述源数据分别储存至对应的企业法人信息表、企业股东信息表、房产信息表、公租房黑名单信息表、申报人员信息表、直系亲属信息表及公租房已有租户信息表中。
3.如权利要求2所述的一种基于大数据分析的公租房申报监管预警方法,其特征在于,步骤S10中,在所述企业法人信息表、所述企业股东信息表、所述房产信息表、所述公租房黑名单信息表、所述申报人员信息表、所述直系亲属信息表及所述公租房已有租户信息表中筛选出每个人员的姓名和对应的身份证号,以形成企业法人人名数据表、公租房黑名单人名数据表、申报人员人名数据表、直系亲属人名数据表、公租房已有租户人名数据表、企业股东人名数据表及房产信息人名数据表并组成人名数据表。
4.如权利要求1-3任意一项所述的一种基于大数据分析的公租房申报监管预警方法,其特征在于,步骤S10中,所述源数据的每一种至少包括人员的姓名和对应的身份证号。
5.如权利要求1-3任意一项所述的一种基于大数据分析的公租房申报监管预警方法,其特征在于,步骤S30中,根据优序图法计算公租房监管指标权重,按照权重设置数据关联评分表的每一项的评审表分值。
6.如权利要求1-3任意一项所述的一种基于大数据分析的公租房申报监管预警方法,其特征在于,步骤S40,根据所述数据关联评分表的预警等级分为两级及两级以上,对于预警等级高于等于第二级的申报人员的信息进行预警。
7.如权利要求5所述的一种基于大数据分析的公租房申报监管预警方法,其特征在于,步骤S30中,通过专家对各指标与公租房申报监管的关联程度进行评分,得到问卷研究数据表,基于所述问卷研究数据表,使用优序图法分析各指标占公租房申报监管关联程度中的权重。
8.一种基于大数据分析的公租房申报监管预警方法装置,其特征在于,包括:
采集存储模块,用于采集关于公租房申报的源数据并进行分类存储,其中源数据包括申报人员信息、市场监管部门的企业法人数据和企业股东数据、不动产管理部门的房产信息、住房保障主管部门的公租房黑名单和已有租户数据;
分析筛选模块,用于对源数据进行分析筛选出企业法人、企业股东、公租房租房信息、公租房黑名单、拥有房产对应的人员姓名和身份证号,以建立人名数据表;
标记模块,用于建立拥有房产、公租房黑名单、公租房租户、企业法人及企业股东五个标签,将申报人员及其直系亲属的身份证号与人名数据表进行比对,并将身份证号一致的申报人员及其直系亲属对应打上五个标签中的一个或多个;
建表评分模块,用于将申报人员及其直系亲属与其对应的拥有房产、公租房黑名单、公租房租户、企业法人及企业股东的标签形成数据关联评分表;
预警模块,用于根据数据关联评分表的评分和评分的设定阈值进行预警。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项所述的基于大数据分析的公租房申报监管预警方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据权利要求1至7任一项所述的基于大数据分析的公租房申报监管预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354842.8A CN115760320A (zh) | 2022-11-01 | 2022-11-01 | 基于大数据分析的公租房申报监管预警方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354842.8A CN115760320A (zh) | 2022-11-01 | 2022-11-01 | 基于大数据分析的公租房申报监管预警方法及其应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115760320A true CN115760320A (zh) | 2023-03-07 |
Family
ID=85354968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211354842.8A Pending CN115760320A (zh) | 2022-11-01 | 2022-11-01 | 基于大数据分析的公租房申报监管预警方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115760320A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523698A (zh) * | 2023-06-28 | 2023-08-01 | 日照市住房保障管理服务中心 | 基于数据融合的公租房转租风险预测方法及系统 |
-
2022
- 2022-11-01 CN CN202211354842.8A patent/CN115760320A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523698A (zh) * | 2023-06-28 | 2023-08-01 | 日照市住房保障管理服务中心 | 基于数据融合的公租房转租风险预测方法及系统 |
CN116523698B (zh) * | 2023-06-28 | 2023-09-12 | 日照市住房保障管理服务中心 | 基于数据融合的公租房转租风险预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7805415B1 (en) | Systems and methods for sharing data between entities | |
Das et al. | Manipulation among the arbiters of collective intelligence: How Wikipedia administrators mold public opinion | |
US20120102361A1 (en) | Heuristic policy analysis | |
US11386224B2 (en) | Method and system for managing personal digital identifiers of a user in a plurality of data elements | |
WO2019041859A1 (zh) | 监察信息处理方法、装置、服务器和存储介质 | |
WO2019062192A1 (zh) | 业务员行为风险甄别管理方法、应用服务器及计算机可读存储介质 | |
JP2019101672A (ja) | サイバー攻撃情報処理プログラム、サイバー攻撃情報処理方法および情報処理装置 | |
CN115760320A (zh) | 基于大数据分析的公租房申报监管预警方法及其应用 | |
CN113132311A (zh) | 异常访问检测方法、装置和设备 | |
CN115456438A (zh) | 企业经营行为异常预警方法及其应用 | |
CN111798162A (zh) | 基于神经网络的风险监测方法及装置 | |
CN113065748A (zh) | 业务风险评估方法、装置、设备及存储介质 | |
CN110807052B (zh) | 用户群分类方法、装置、设备及存储介质 | |
CN111090655A (zh) | 基于监控数据的预警方法及装置、电子设备和存储介质 | |
CN116205528A (zh) | 基于施工场地电力数据的违规施工辨识方法和系统 | |
CN115577983A (zh) | 基于区块链的企业任务匹配方法、服务器及存储介质 | |
CN114418780A (zh) | 欺诈团伙识别方法、装置、计算机设备和存储介质 | |
CN114090076A (zh) | 应用程序的合规性判别方法和装置 | |
CN114022022A (zh) | 工业网络安全风险评估方法、装置、设备及存储介质 | |
CN113935653A (zh) | 一种村级工程项目异常预警方法、系统及应用 | |
WO2020055230A1 (en) | System and method for performing vulnerability assessment of a computer network | |
Okabe et al. | An Extended K Function Method for Analyzing Distributions of Polygons with GIS | |
Bhattacharjee et al. | Power to the Data Defenders: Human-Centered Disclosure Risk Calibration of Open Data | |
US12047243B2 (en) | Synthetic network generator for covert network analytics | |
CN115481108B (zh) | 一种针对同一数据在不同部门之间的管理方法及系统 |
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 |