一种执法检查清单自动匹配方法

技术领域

本申请涉及自动检查技术领域，特别是涉及一种执法检查清单自动匹配方法。

背景技术

应急执法是执法人员到执法现场，对执法对象制定相应的执法清单，并按照执法清单逐项进行检查。执法对象涉及各个行业、各个领域，针对每个执法对象制定一个精准的检查清单是一件很困难的事情。随着信息化普及，通过智能化的手段完成执法清单的自动匹配实现精准执法，将成为一个主流趋势。

自动匹配，其本质是通过不同维度的筛选，最终返回都符合条件的数据。其中常见的方式就是针对检索对象进行多维度属性拆分，如：名称、行业、地址等，在web端实现多个检索框，通过手动方式选择筛选条件，在数据库层实现多表和多条件聚合检索，通过不断增加条件最终找到匹配数据。

综上所述，现有技术中存在手动筛选时专业要求较高，筛选条件不能精准匹配，自动化程度低的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够自动生成待检查事项清单，提高执法检查效率的一种执法检查清单自动匹配方法。

第一方面，本申请提供了一种执法检查清单自动匹配方法，所述方法包括：基于大数据，获得检查对象信息库，并对所述检查对象信息库进行分析和加工，获得检查对象标签库；构建检查清单计算模块；获得目标检查人员设置的目标检查对象；基于所述检查对象标签库查询所述目标检查对象对应的所有标签，获得目标标签集；基于所述目标标签集进行清单筛选,获取符合要求的多个筛选清单；基于所述检查清单计算模块，分别对所述多个筛选清单计算，获得多个清单得分；基于所述多个清单得分对所述多个筛选清单进行清洗，获得检查事项清单列表；将所述检查事项清单列表发送至所述目标检查人员，由所述目标检查人员对所述检查事项清单列表进行校验，确定检查清单。

第二方面，本申请提供了一种执法检查清单自动匹配系统，所述系统包括：检查对象标签库获得模块，所述检查对象标签库获得模块用于基于大数据，获得检查对象信息库，并对所述检查对象信息库进行分析和加工，获得检查对象标签库；检查清单计算模块构建模块，所述检查清单计算模块构建模块用于构建检查清单计算模块；目标检查对象获得模块，所述目标检查对象获得模块用于获得目标检查人员设置的目标检查对象；目标标签集获得模块，所述目标标签集获得模块用于基于所述检查对象标签库查询所述目标检查对象对应的所有标签，获得目标标签集；筛选清单获得模块，所述筛选清单获得模块用于基于所述目标标签集进行清单筛选,获取符合要求的多个筛选清单；清单得分获得模块，所述清单得分获得模块用于基于所述检查清单计算模块，分别对所述多个筛选清单计算，获得多个清单得分；检查事项清单列表获得模块，所述检查事项清单列表获得模块用于基于所述多个清单得分对所述多个筛选清单进行清洗，获得检查事项清单列表；检查清单确定模块，所述检查清单确定模块用于将所述检查事项清单列表发送至所述目标检查人员，由所述目标检查人员对所述检查事项清单列表进行校验，确定检查清单。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

首先，基于大数据，获得检查对象信息库，并对所述检查对象信息库进行分析和加工，获得检查对象标签库；其次构建检查清单计算模块；接下来获得目标检查人员设置的目标检查对象；然后基于所述检查对象标签库查询所述目标检查对象对应的所有标签，获得目标标签集；再基于所述目标标签集进行清单筛选,获取符合要求的多个筛选清单；然后基于所述检查清单计算模块，分别对所述多个筛选清单计算，获得多个清单得分；接下来基于所述多个清单得分对所述多个筛选清单进行清洗，获得检查事项清单列表；最后将所述检查事项清单列表发送至所述目标检查人员，由所述目标检查人员对所述检查事项清单列表进行校验，确定检查清单。本申请解决了现有技术中存在手动筛选时专业要求较高，筛选条件不能精准匹配，自动化程度低的技术问题，达到了自动生成待检查事项清单，提高执法检查效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为一个实施例中一种执法检查清单自动匹配方法的流程示意图；

图2为一个实施例中一种执法检查清单自动匹配方法的判断清单得分的流程示意图；

图3为一个实施例中一种执法检查清单自动匹配系统的结构框图。

附图标记说明：检查对象标签库获得模块11，检查清单计算模块构建模块12，目标检查对象获得模块13，目标标签集获得模块14，筛选清单获得模块15，清单得分获得模块16，检查事项清单列表获得模块17，检查清单确定模块18。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

如图1所示，本申请提供了一种执法检查清单自动匹配方法，所述方法包括：

基于大数据，获得检查对象信息库，并对所述检查对象信息库进行分析和加工，获得检查对象标签库；

互联网+执法系统是坚持深化“放管服”改革，以互联网发展新思维、新形态、新技术，建立健全标准化、规范化、简化执法流程，为安全生产形势持续稳定好转提供坚强支撑。本申请提供一种执法检查清单自动匹配方法，执法人员在检查方案制定、计划检查、临时检查等模块选择执法对象后，根据所述执法对象的行业特征、企业属性、生产经营范围等属性，从所述检查事项库中自动匹配符合所述执法对象的检查事项，生成所述执法对象的检查事项清单，供执法人员现场检查使用。

大数据是一种IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，多而广的信息、技术，以及数据资料。检查对象信息库是指需要被检查目标的集合，例如检查公司的信息等；分析和加工是指对所述检查对象信息库的信息进行分析对比，例如在一家公司中，将所述公司的生成经营范围、行业特征等进行标记识别并分类，获得所述公司的标签集，将所述公司的标签集进行整合，获得检查对象标签库，其中检查对象标签库是指所述检查对象信息库的标识信息的集合。通过获得检查对象标签库，为后续筛选对应标签做出了铺垫。

基于大数据，采集多个样本检查对象对应的多个样本对象信息；

分别对所述多个样本对象信息进行属性识别，获得多个样本对象标签集合；

基于所述多个样本对象信息和所述多个样本对象标签集合，构建所述检查对象标签库。

样本是观测或调查的一部分个体，总体是研究对象的全部，总体中抽取的所要考查的元素总称，样本中个体的多少叫样本容量；样本检查对象是指在所述检查对象中抽取若干需要检查的对象作为考察元素；样本对象信息是指在所述检查对象信息库中根据所述样本检查对象选出对应的信息，记作样本对象信息；属性识别是指从预定义的属性列表中预测一组属性来描述所述多个样本对象信息的特征，对所述多个样本对象信息进行标签的标记与识别，例如在某一公司中，根据所述公司的生成经营范围、行业特征等特征进行标签标记，获得所述公司的标签集合；基于所述多个样本对象信息和所述多个样本对象标签集合，即根据所述多个样本对象信息和所述多个样本对象的标签集合，构建所述检查对象标签库。根据获取所述检查对象标签库，为后续挑选检查对象的标签以及所述清单的计算作出了铺垫。

构建检查清单计算模块；

检查清单计算模块是指基于QLExpress搭建计算引擎系统，对执法清单计算公式配置和管理的模块，通过构建检查清单计算模块，对后续多个筛选清单进行计算，为下文判断清单与阈值大小提供了技术支持。

获得目标检查人员设置的目标检查对象；

目标检查人员是指执法人员，即进行执法检查的人员；目标检查对象是指所述目标检查人员所需要进行检查的对象，例如公司、订单等；通过获得所述目标检查人员以及所述目标检查人员设置的所述目标检查对象，为后续的清单筛选以及检查提供了支持。

基于所述检查对象标签库查询所述目标检查对象对应的所有标签，获得目标标签集；

目标标签集是指所述目标检查对象在所述检查对象标签库中的所有的标签的集合，例如所述目标检查对象是一家公司，所述公司的标签有经营范围和行业特征，所述检查对象标签库中只有经营范围，则所述公司的对应标签为经营范围，所述经营范围为目标标签集。所述目标标签集同时满足所述目标检查对象和所述检查对象标签库两个要求。通过获取所述目标标签集，为后续的清单筛选做出了支持。

基于所述目标标签集进行清单筛选,获取符合要求的多个筛选清单；

清单筛选是指将满足给定条件的内容过滤出来，即满足所述目标标签集的所述目标检查对象的检查事项的清单，记作筛选清单。通过获取符合要求的多个筛选清单，为后续的清单计算做出铺垫。

基于大数据，获得检查事项匹配记录集；

对所述检查事项匹配记录集进行数据清洗，获得检查事项匹配数据库；

基于所述检查事项匹配数据库，构建检查事项库；

基于所述检查事项库对所述目标标签集进行清单筛选，生成所述多个筛选清单。

检查事项匹配记录集是指通过在大数据记录中，在检查某个企业时需要检查的项目组成的集合，因为是历史数据所以可以根据各种信息查询得到；数据清洗是指对数据进行重新审查和校验的过程中，发现并纠正数据文件中可识别的错误，按照一定规则将错误数据洗掉，本申请中是指对所述检查事项匹配记录集进行主成分分析，获得检查事项匹配数据库，其中主成分分析(PCA)是一种降维方法，通常用于通过将数量很多的变量转换为仍包含集合中大部分信息的较少变量来降低数据集的维数；检查事项库是指所述目标检查对象的所有需要检查的目标的集合；通过所述检查事项库对所述目标标签集进行筛选，选出所述目标标签集中需要进行检查的项目作为多个筛选清单，即从所述检查事项库中自动匹配符合所述目标检查对象的检查事项，生成所述目标检查对象的检查事项清单。通过生成多个筛选清单，提高了后续的检查效率。

根据所述检查事项匹配记录集，获得第一特征检查事项数据集；

对所述第一特征检查事项数据集进行去中心化处理，获得第二特征检查事项数据集；

根据所述第二特征检查事项数据集，获得第一检查事项协方差矩阵；

根据所述第一检查事项协方差矩阵，获得第一检查事项特征值和第一检查事项特征向量；

根据所述第一检查事项特征值和所述第一检查事项特征向量，获得所述检查事项匹配数据库。

对于提取到的特征检查事项数据进行数值化处理，并构建特征检查事项数据集矩阵，获得所述第一特征检查事项数据集；对所述第一特征检查事项数据集中的各特征数据进行去中心化处理，首先求解所述第一特征检查事项数据集中各特征的平均值，对于所有样本，每一个特征都减去自身的均值，继而获得新的特征检查事项值，由新的特征检查事项数据集构成第二特征检查事项数据集，所述第二特征检查事项数据集为一数据矩阵。通过协方差公式对所述第二特征检查事项数据集进行运算，获得所述第二特征检查事项数据集的第一检查事项协方差矩阵，继而通过矩阵运算，求出所述第一检查事项协方差矩阵的特征值及特征向量，且每一特征值对应一个特征向量。在求出的所述第一特征向量中，选取最大的前K个特征值及其对应的特征向量，并将所述第一特征检查事项数据集中的原始特征投影到所选取的特征向量之上,得到降维之后的所述第一特征检查事项数据集。通过主成分分析法对所述检查事项匹配记录集中的特征数据进行降维处理，在保证信息量的前提下，剔除冗余数据，使得数据库中特征数据的样本量减小，且降维后信息量损失最小。通过获得所述检查事项匹配数据库，为后续获得检查事项库做出了铺垫。

根据所述检查事项匹配数据库，获得多个样本标签和多个样本检查事项；

以样本标签为输入特征，以样本检查事项为输出特征，根据所述检查事项匹配数据库，获得多个输入特征信息和多个输出特征信息；

根据所述多个输入特征信息和所述多个输出特征信息，生成所述检查事项库。

样本标签是指所述目标检查对象经过归类后的标签标识情况，样本检查事项是指所述目标检查对象需要检查的项目；以样本标签为输入特征，以样本检查事项为输出特征，根据所述检查事项匹配数据库，获得多个输入特征信息和多个输出特征信息，根据所述目标检查对象的标签情况在所述检查事项匹配数据库中得到多个输入特征信息和多个输出特征信息；根据所述多个输入特征信息和所述多个输出特征信息，生成所述检查事项库，通过获取所述检查事项库，对所述目标标签集进行清单筛选，达到了生成所述多个筛选清单的效果。

基于所述检查清单计算模块，分别对所述多个筛选清单计算，获得多个清单得分；

根据所述检查清单计算模块计算所述多个筛选清单，其中所述检查清单计算模块的计算方式由工作人员根据专家意见设定，例如本申请中，设置一个计算模块，对所述目标检查对象设置一个总量如100分，所述目标检查对象的所述检查事项根据所述标签的重要程度设置权重占比，重要程度是根据专家意见设置的，计算所述检查事项的重要程度，作为清单得分标注在所述筛选清单上。通过获取清单得分，判断所述筛选清单是否存在检查的必要性，提高了检查工作的效率。

基于所述多个清单得分对所述多个筛选清单进行清洗，获得检查事项清单列表；

根据所述多个清单得分对所述多个筛选清单进行判断筛选，获得多个需要检查事项，将所属多个需要检查事项组成集合，获得检查事项清单列表。通过获得检查事项清单列表，确定所需要检查的项目。

如图2所示，分别判断所述多个清单得分是否大于得分阈值；

若清单得分大于所述得分阈值，将对应的筛选清单添加至所述检查事项清单列表；

若清单得分小于/等于所述得分阈值，删除对应的筛选清单。

得分阈值是指由工作人员设定的一个数字，当所述清单得分大于所述得分阈值时，证明所述筛选清单是需要进行检查的项目，将所述筛选清单添加至检查事项清单列表，当所述清单得分小于/等于所述得分阈值时，证明所述筛选清单是可以检查也可以不检查的项目，则删除对应的筛选清单。通过判断所述清单得分获得所述检查事项清单列表，为后续提高检查效率做出了铺垫。

将所述检查事项清单列表发送至所述目标检查人员，由所述目标检查人员对所述检查事项清单列表进行校验，确定检查清单。

进行校验是指由所述目标检查人员对所述检查事项清单列表进行检查校对，例如在所述目标检查对象的检查事项中，有某一项目占比较大，但所述项目可以用电脑机器进行检查，则所述目标检查人员可以将所述检查事项清单列表中的所述项目进行人工删除；例如在所述目标检查对象的检查事项中，有另一项目占比较小，但所述项目的重要程度无法用数据表达，则由所述目标检查人员将所述项目添加至所述检查事项清单列表；通过所述目标检查人员对自动生成检查事项清单进行删除，或添加自定义检查事项，灵活确定检查清单。本申请解决了现有技术中存在手动筛选时专业要求较高，筛选条件不能精准匹配，自动化程度低的技术问题，达到了自动生成待检查事项清单，提高执法检查效率的技术效果。

如图3所示，本申请提供了一种执法检查清单自动匹配系统，所述系统包括：

检查对象标签库获得模块11，所述检查对象标签库获得模块11用于基于大数据，获得检查对象信息库，并对所述检查对象信息库进行分析和加工，获得检查对象标签库；

检查清单计算模块构建模块12，所述检查清单计算模块构建模块12用于构建检查清单计算模块；

目标检查对象获得模块13，所述目标检查对象获得模块13用于获得目标检查人员设置的目标检查对象；

目标标签集获得模块14，所述目标标签集获得模块14用于基于所述检查对象标签库查询所述目标检查对象对应的所有标签，获得目标标签集；

筛选清单获得模块15，所述筛选清单获得模块15用于基于所述目标标签集进行清单筛选,获取符合要求的多个筛选清单；

清单得分获得模块16，所述清单得分获得模块16用于基于所述检查清单计算模块，分别对所述多个筛选清单计算，获得多个清单得分；

检查事项清单列表获得模块17，所述检查事项清单列表获得模块17用于基于所述多个清单得分对所述多个筛选清单进行清洗，获得检查事项清单列表；

检查清单确定模块18，所述检查清单确定模块18用于将所述检查事项清单列表发送至所述目标检查人员，由所述目标检查人员对所述检查事项清单列表进行校验，确定检查清单。

进一步地，本申请实施例还包括：

样本对象信息采集模块，所述样本对象信息采集模块用于基于大数据，采集多个样本检查对象对应的多个样本对象信息；

对象信息属性识别模块，所述对象信息属性识别模块用于分别对所述多个样本对象信息进行属性识别，获得多个样本对象标签集合；

检查对象标签库构建模块，所述检查对象标签库构建模块用于基于所述多个样本对象信息和所述多个样本对象标签集合，构建所述检查对象标签库。

进一步地，本申请实施例还包括：

检查事项匹配记录集获得模块，所述检查事项匹配记录集获得模块用于基于大数据，获得检查事项匹配记录集；

检查事项匹配数据库获得模块，所述检查事项匹配数据库获得模块用于对所述检查事项匹配记录集进行数据清洗，获得检查事项匹配数据库；

检查事项库构建模块，所述检查事项库构建模块用于基于所述检查事项匹配数据库，构建检查事项库；

筛选清单生成模块，所述筛选清单生成模块用于基于所述检查事项库对所述目标标签集进行清单筛选，生成所述多个筛选清单。

进一步地，本申请实施例还包括：

检查事项数据集获得模块，所述检查事项数据集获得模块用于根据所述检查事项匹配记录集，获得第一特征检查事项数据集；

检查事项数据集去中心化处理模块，所述检查事项数据集去中心化处理模块用于对所述第一特征检查事项数据集进行去中心化处理，获得第二特征检查事项数据集；

检查事项协方差矩阵获得模块，所述检查事项协方差矩阵获得模块用于根据所述第二特征检查事项数据集，获得第一检查事项协方差矩阵；

检查事项特征值和特征向量获得模块，所述检查事项特征值和特征向量获得模块用于根据所述第一检查事项协方差矩阵，获得第一检查事项特征值和第一检查事项特征向量；

检查事项数据库获得模块，所述检查事项数据库获得模块用于根据所述第一检查事项特征值和所述第一检查事项特征向量，获得所述检查事项匹配数据库。

进一步地，本申请实施例还包括：

样本检查事项获得模块，所述样本检查事项获得模块用于根据所述检查事项匹配数据库，获得多个样本标签和多个样本检查事项；

输入输出特征信息获得模块，所述输入输出特征信息获得模块用于以样本标签为输入特征，以样本检查事项为输出特征，根据所述检查事项匹配数据库，获得多个输入特征信息和多个输出特征信息；

检查事项库生成模块，所述检查事项库生成模块用于根据所述多个输入特征信息和所述多个输出特征信息，生成所述检查事项库。

进一步地，本申请实施例还包括：

清单得分判断模块，所述清单得分判断模块用于分别判断所述多个清单得分是否大于得分阈值；

对应清单添加模块，所述对应清单添加模块用于若清单得分大于所述得分阈值，将对应的筛选清单添加至所述检查事项清单列表；

对应清单删除模块，所述对应清单删除模块用于若清单得分小于/等于所述得分阈值，删除对应的筛选清单。

关于一种执法检查清单自动匹配系统的具体实施例可以参见上文中对于一种执法检查清单自动匹配方法的实施例，在此不再赘述。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

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。

以上所述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发明专利范围的限制。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，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。