一种多场景融合双随机市场监管方法技术

本发明专利技术公开一种多场景融合双随机市场监管方法，涉及互联网大数据技术领域，主要包括：构建监管人员库和市场主体库，所述市场主体库中构建有多种监管场景模型，采用所述监管场景模型对市场主体库中的数据进行处理，以对数据添加场景代码从而形成动态场景库；所述监管人员库用以存储监管人员信息，根据监管任务从中抽取监管人员以形成目标监管人员库；抽取目标场景模型数据；融合目标场景模型数据；智能关联所述目标市场主体库与目标监管人员库中的数据；通过双随机+监管场景模型这种多场景融合双随机市场监管方法，解决整合后市场监管中日常监管、精准监管、信用监管、风险监管、重点监管问题，进而提升监管效率、提高监管精度、把握监管重点。

A multi scenario fusion dual random market supervision method

【技术实现步骤摘要】
一种多场景融合双随机市场监管方法
本专利技术涉及互联网大数据
，尤其涉及一种多场景融合双随机市场监管方法。
技术介绍
在市场主体监管方面，“宽进严管”的市场主体准入条件带来了市场监管的新难题，传统的监管手段已经难以满足现有市场监管需要，这必然需要创新市场监管方式，依托大数据技术对市场主体数据开展监管场景模型分析，依据监管场景模型处理数据开展市场监管将顺应国家政策的方向和趋势。各省(区、市)人民政府要统筹建立健全覆盖本辖区各层级、与抽查事项相对应的检查对象名录库(市场主体库)和执法检查人员名录库(监管人员库)(统称“两库”)。要根据法律法规和部门职责分工，按照“谁审批、谁监管，谁主管、谁监管”的原则，通过分类标注、批量导入等方式，在省级平台分别建立与部门职责相对应的检查对象名录库，避免出现监管真空。检查对象名录库(市场主体库)既可以包括企业、个体工商户等市场主体，也可以包括产品、项目、行为等。执法检查人员名录库(监管人员库)应包括所有相关的行政执法类公务员、具有行政执法资格的工作人员和从事日常监管工作的人员，并按照执法资质、业务专长进行分类标注，提高抽查检查专业性。对特定领域的抽查，可在满足执法检查人数要求的基础上，吸收检测机构、科研院所和专家学者等参与，通过听取专家咨询意见等方式辅助抽查，满足专业性抽查需要。要根据检查对象和执法检查人员变动情况，对“两库”进行动态管理。在专利技术专利“一种双随机抽取方法”(申请号：201810879766X)，中主要提出在双随机抽取过程中如何过均衡性抽取，使得被抽取次数较少的市场主体的被抽中概率增加，以达到所有市场主体被抽取次数趋于均衡的目标，避免抽取结果出现极端情况；在对执法检查人员的抽取过程中，通过均衡性调节系数和组长专家或组员专家经验系数改变各专家的被抽中概率，最终使双随机一公开监督检查工作达到最优效果。现有双随机市场监管技术，只是针对市场主体库和监管人员库中的数据进行随机抽取后，形成双随机检查任务，在对市场主体库中的数据抽取的过程中，只是根据市场主体名称随机抽取，因此所抽取的市场监管主体数据具有普适性，靶向性不强，且整个双随机监管过程中不能解决市场监管中监管效率低、监管精度差、监管重点难把控问题。
技术实现思路
本专利技术针对
技术介绍
的问题提供一种多场景融合双随机市场监管方法，解决工商、质检、食药监三局整合后市场监管中监管效率低、监管精度差、监管重点难把控问题。为了实现上述目的，本专利技术提出一种多场景融合双随机市场监管方法，包括如下步骤：构建监管人员库和市场主体库，其中，所述市场主体库中构建有多种监管场景模型，采用所述监管场景模型对市场主体库中的数据进行处理，以对数据添加场景代码从而形成动态场景库；所述监管人员库用以存储监管人员信息，根据监管任务从中抽取监管人员以形成目标监管人员库；从所述动态场景库中抽取目标场景模型数据；融合所抽取的目标场景模型数据，以构建目标市场主体库；智能关联所述目标市场主体库与目标监管人员库中的数据。优选地，在步骤：从所述动态场景库中抽取目标场景模型数据，之前还包括：创建融合监管任务信息；选择所需监管场景模型。优选地，在步骤：智能关联所述目标市场主体库与目标监管人员库中的数据，之后还包括：融合监管任务后处理，包括但不限于：监管任务查看、监管任务下发和监管任务反馈。优选地，所述多种监管场景模型，包括但不限于：日常监管模型、精准监管模型、信用监管模型、风险监管模型和重点监管模型。优选地，所述日常监管模型，用于在市场主体数据信息表中遍历查询本年度检查次数为零的市场主体数据，并存储数据至日常监管库中；所述精准监管模型，用于构建并训练优化自学习模型，利用上述自学习模型对市场主体数据进行预测，并存储预测结果至精准监管场景库中；所述信用监管模型，用于识别投诉文本内容的命名实体，并关联匹配所述命名实体与市场主体中的数据，获得市场主体库中的数据并存放到信用监管场景库中；所述风险监管模型，用于通过预测算法获取市场主体数据特征并确定市场主体的运行风险度，将运行风险度超出设定阈值的企业信息存入风险监管场景库中；所述重点监管模型，用于根据公布的重点监管企业名单对应标记市场主体数据信息表中的企业字段，并将标注为重点监管企业的市场主体数据存放在重点监管场景库中。优选地，所述从所述动态场景库中抽取目标场景模型数据，包括但不限于：抽取场景模型名称、配置数据源、脚本接口、脚本类型、自动控制类型、参数配置。优选地，所述融合所抽取的目标场景模型数据，以构建目标市场主体库，包括但不限于：数据合并、数据筛选、数据清洗、数据加载。优选地，所述智能关联所述目标市场主体库与目标监管人员库中的数据，包括但不限于：选择目标市场主体库；选择目标监管人员库；选择随机匹配规则；启动数据智能关联。优选地，所述创建融合监管任务信息，包括但不限于：任务名称、有效时间、是否一支队伍进门、检查事项清单、检查模板。优选地，所述选择所需监管场景模型，支持单选和多选。本专利技术提出一种多场景融合双随机市场监管方法，通过对市场主体数据库中市场主体关联数据进行监管场景模型处理，通过监管场景模型处理，为市场主体数据贴上场景标签，从而增加市场监管场景应用，即通过双随机+监管场景模型这种多场景融合双随机市场监管方法，解决工商、质检、食药监三局整合后市场监管中日常监管、精准监管、信用监管、风险监管、重点监管问题，进而提升监管效率、提高监管精度、把握监管重点，从而能有针对性解决当前市场监管技术与业务难题。增强市场主体信用意识和自我约束力，切实减少对市场主体正常生产经营活动的干预，强化企业主体责任，实现由政府监管向社会共治的转变，以监管方式创新提升事中事后监管效能。实现“双随机、一公开”监管全覆盖、常态化。使市场监管领域新型监管机制更加完善，实现综合监管、智慧监管。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。图1为本专利技术一种实施例中多场景融合双随机市场监管方法流程图；图2为本专利技术一种实施例中多场景融合双随机市场监管流程示意图；图3为本专利技术一种实施例中建设“两库”流程示意图；图4为本专利技术一种实施例中创建融合监管任务流程示意图；图5为本专利技术一种实施例中选择监管场景说明示意图；图6为本专利技术一种实施例中抽取监管场景数据流程示意图；图7为本专利技术一种实施例中多场景数据融合流程示意图；图8为本专利技术一种实施例中数据融合过程实例说明示意图；图9为本专利技术一种实施例中数据智能关联流程示意图；图本文档来自技高网...

【技术保护点】
1.一种多场景融合双随机市场监管方法，其特征在于，包括如下步骤：/n构建监管人员库和市场主体库，其中，所述市场主体库中构建有多种监管场景模型，采用所述监管场景模型对市场主体库中的数据进行处理，以对数据添加场景代码从而形成动态场景库；所述监管人员库用以存储监管人员信息，根据监管任务从中抽取监管人员以形成目标监管人员库；/n从所述动态场景库中抽取目标场景模型数据；/n融合所抽取的目标场景模型数据，以构建目标市场主体库；/n智能关联所述目标市场主体库与目标监管人员库中的数据。/n

【技术特征摘要】
1.一种多场景融合双随机市场监管方法，其特征在于，包括如下步骤：
构建监管人员库和市场主体库，其中，所述市场主体库中构建有多种监管场景模型，采用所述监管场景模型对市场主体库中的数据进行处理，以对数据添加场景代码从而形成动态场景库；所述监管人员库用以存储监管人员信息，根据监管任务从中抽取监管人员以形成目标监管人员库；
从所述动态场景库中抽取目标场景模型数据；
融合所抽取的目标场景模型数据，以构建目标市场主体库；
智能关联所述目标市场主体库与目标监管人员库中的数据。


2.根据权利要求1所述的多场景融合双随机市场监管方法，其特征在于，在步骤：从所述动态场景库中抽取目标场景模型数据，之前还包括：
创建融合监管任务信息；
选择所需监管场景模型。


3.根据权利要求1所述的多场景融合双随机市场监管方法，其特征在于，在步骤：智能关联所述目标市场主体库与目标监管人员库中的数据，之后还包括：
融合监管任务后处理，包括但不限于：
监管任务查看、监管任务下发和监管任务反馈。


4.根据权利要求1所述的多场景融合双随机市场监管方法，其特征在于，所述多种监管场景模型，包括但不限于：日常监管模型、精准监管模型、信用监管模型、风险监管模型和重点监管模型。


5.根据权利要求4所述的多场景融合双随机市场监管方法，其特征在于，
所述日常监管模型，用于在市场主体数据信息表中遍历查询本年度检查次数为零的市场主体数据，并存储数据至日常监管库中；
所述精准监管模型，用于构建并训练优化自学习模型，利用上述自学习模型对市场主体数据进行预测，并存储预测结果至精准监管场景库中...

【专利技术属性】
技术研发人员：张军情，危明铸，银超，袁峰，
申请(专利权)人：广州中国科学院软件应用技术研究所，
类型：发明
国别省市：广东;44