CN115794798A - 一种市场监管信息化标准管理与动态维护***及方法 - Google Patents
一种市场监管信息化标准管理与动态维护***及方法 Download PDFInfo
- Publication number
- CN115794798A CN115794798A CN202211591824.1A CN202211591824A CN115794798A CN 115794798 A CN115794798 A CN 115794798A CN 202211591824 A CN202211591824 A CN 202211591824A CN 115794798 A CN115794798 A CN 115794798A
- Authority
- CN
- China
- Prior art keywords
- standard
- data
- informationized
- management
- market
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种市场监管信息化标准管理与动态维护***及方法，包括信息录入与采集单元、标准分类单元、标准明细创建单元、编辑管理单元、权限验证单元、AI预测单元、关联分析单元，利用自然语言处理相关的语义信息处理算法对标准文件进行分析，AI预测单元通过训练集和测试集对市场监管信息化标准管理模型进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，使用相似度算法和关联分析BP神经网络进行预测，本发明利用大数据技术对目前已有各行业和部门的信息化标准数据进行挖掘，建立信息化标准管理以及动态维护***，构建市场监管信息化标准体系框架和明细表分析预测模型，建立动态自动化维护机制。
Description
技术领域
本发明涉及市场监管信息化和标准化技术领域，具体是一种市场监管信息化标准管理与动态维护***及方法。
背景技术
目前市场监管信息化建设面临若干突出问题，如：资料格式不统一、数据质量不高、信息共享不畅、***建设不集约等。信息化标准化建设是信息化工作的重要组成部分和基础性工作，建立统一的市场监管信息化标准体系是实现市场监管信息化一体化的基础，是加强市场监管信息化统一规范、提高数据质量、有效开展信息共享和业务协同的保障。由于信息化建设是一项涉及面非常广泛的***工程，涉及大量的标准和规范，因此必须对这些标准和规则按照内在联系进行有序地整理，最终形成一套完整的信息化标准体系。
目前市场监管信息化涉及的标准文件繁多，大量的已制定的标准缺乏***性的管理和维护，标准分类不清，各部分的界线不明，不利于发现标准制定的空白领域和加强需要的方面。且现有的市场监管信息化标准分析处理过程中存在很多的弊端，标准化体系构建主要依靠人工，存在信息获取不全面，分析不精细，标准化分类缺乏合理校验等问题，无法***性、整体性地推进信息化标准的制定和完善。
发明内容
本发明所要解决的技术问题是传统的信息化标准体系框架和明细表的管理无法实现自动化。无法根据各行业和部门的信息化标准体系框架的共同之处和规律性，自动把大量的已制定的无序的标准映射为有序子体系，划清各部分的界线。无法进行针对性的分析、维护和预测。
本发明提供如下技术方案：一种市场监管信息化标准管理与动态维护***，包括：
信息录入与采集单元，用于各行业信息化标准体系框架和明细表的信息录入与采集，信息化相关标准的搜索、录入和更新；
标准分类单元，用于对标准体系框架分层级和类别；
标准明细创建单元，用于创建市场监管信息化标准明细表数据；市场监管信息化标准明细表数据包括标准体系编号、标准号、标准名称、版本、发布日期、实施日期、标准分类号、标准状态等内容；
编辑管理单元，用于编辑、管理信息化标准体系框架和标准明细表数据；
权限验证单元，用于配合验证管理单元操作权限；
AI预测单元，用于基于AI对信息化相关标准文件主要内容进行分析，根据各行业发布的信息化标准体系框架类目和标准文件的对应关系，对市场监管信息化标准明细表进行分类预测和对类目动态调整，完成市场监管信息化标准的管理和动态维护；
关联分析单元，用于基于BP神经网络的市场监管信息化标准管理和分析模型，对各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测；
以及输出单元，用于输出市场监管信息化体系框架类目和标准明细表更新信息；
所述AI预测单元通过采集各行业发布的信息化标准体系框架类目和的对应关系，分析提取标准文件题干和关键词，对市场监管信息化标准明细表进行分类预测和对标准体系框架类目动态调整；
AI预测单元是采用基于BP神经网络的分类预测模型进行预测分析，BP神经网络有输入层、隐含层和输出层；隐含层采用tansig函数；输出层采用purelin函数；
输入层有明细表数据特征、标准文件数据特征；
输出层有标准体系框架类目；
构建市场监管信息化标准的关键特征模型，关键特征模型如公式(1)所示，并依据关键特征模型生成训练集和测试集；
X(t)＝[X1(t),X2(t),X3(t),X4(t),X5(t),X6(t),X7(t),X8(t)] (1)
式中：X(t)为t时刻标准明细信息集；X1(t)为t时刻标准文件数据特征；X2(t)为t时刻网络安全和管理标准数据特征；X3(t)为t时刻数据资源标准数据特征，X4(t)为t时刻技术支撑标准数据特征；X5(t)为t时刻应用标准数据特征以及X6(t)为t时刻基础设施标准特征；X7(t)为t时刻分类特征以及X8(t)为t时刻标准体系框架特征；基于BP神经网络的分类预测模型如公式(2)所示；
式中：F7()为训练后的标准分类预测模型，F8()为训练后的标准体系框架预测模型，X7(t+Δt)为Δt时间后的分类特征，X8(t+Δt)为Δt时间后的标准体系框架特征；
关联分析单元，用于基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行预测；
其中，AI预测单元通过训练集和测试集对市场监管信息化标准管理数据特征进行训练，获得基于BP神经网络的市场监管信息化标准管理和分析模型，使用相似度算法和关联分析，对各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测。
优选的，所述AI预测单元包括标准文件数据预处理模块、标准分类处理模块和市场监管信息化标准管理模块；
所述数据预处理模块用于信息化标准数据进行语义分析、关键词提取、数据筛选，去除冗余信息；
所述标准分类处理模块用于总体通用标准、基础设施标准、数据标准、应用支撑标准、业务应用标准、安全标准和管理标准等相关标准进行分类，且所述标准分类处理模块还包括设计标准体系框架和一级类目、二级类目，以构建市场监管信息化标准明细表；
所述市场监管信息化标准管理模块用于管理市场监管信息化标准体系框架和明细表，根据数据预处理模块提取的市场监管信息化相关标准关键词，搜索符合要求的最新发布和更新的标准，使用AI预测单元分析标准所属分类，对标准体系框架进行动态调整，更新明细表，建立常态化维护机制。
优选的，所述AI预测单元还包括对比分析模块，所述对比分析模块用于基于相似度算法的BP神经网络进行预测；具体地，基于自然语言处理相关的语义信息处理算法对分类文件进行分析，得到相应分类文件中标准的题干、关键词后形成分词，使用相似度算法的BP神经网络进行预测；
所述对比分析模块将获取的训练集与测试集文件通过余弦相似度模型进行计算相似度Sj，通过公式(3)计算，如下：
其中，Ai为训练集中第i个分词向量的集合值；Bi为测试集中第i个分词向量的集合值；cos(θ)为训练集和测试集文件中对应分词向量的余弦值。
优选的，所述信息录入与采集单元通过AI自动分析和筛选标准文件进行信息录入和采集。
优选的，所述关联分析单元具体地为采用Apriori算法寻找频繁项集，通过BP神经网络进行预测。
优选的，所述标准分类处理模块具体地对数据元、信息分类与代码二级类目进行了补充，并增加了数据质量二级类目；即通过标准分类处理模块获取预设的数据标准，包括通用标准、基础设施标准、数据标准、应用支撑标准、业务应用标准、安全标准和管理标准；分别根据所述通用标准、基础设施标准、数据标准、应用支撑标准、业务应用标准、安全标准和管理标准构建本体模型；根据本体模型构建相应的知识图谱。
一种市场监管信息化标准管理与动态维护方法，包括如下步骤：
步骤一：采集各行业信息化标准体系框架和明细表信息，训练AI预测单元获得市场监管信息化标准管理和分析模型；
步骤二：对信息化标准文件数据进行语义分析、关键词提取、数据筛选，去除冗余信息后形成关键特征模型，特征化标准文件对象的信息数据，获得标准文件对象关键特征；
步骤三：依据AI预测单元和标准文件对象关键特征，分析获得标准文件对象的分类特征；
步骤四：依据标准文件对象的分类特征，通过训练集和测试集对市场监管信息化标准管理模型进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测，对市场监管信息化标准体系框架和明细表进行更新。
优选的，通过训练集和测试集对市场监管信息化标准管理模型进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行预测，具体如下：
(1)、采用Apriori算法对不同标准分类处理结果总数据的频繁项集进行挖掘，构建涵盖不同标准分类处理结果子数据的频繁项集；
(2)、分别为规则和大小为1、2的频繁项集和候选项集的单元数组预分配内存；
(3)、查找大小为1的频繁项集，即含有min Sup的所有项目的列表，查找大小大于等于2的频繁项集，并从中找出带有min Conf的规则，基于先验原理通过支持度对候选项集进行剪枝；
(4)、根据置信度或支持度按降序对规则进行排序，将规则保存在文本文件中，得到市场监管信息化标准信息因素的关联性；
其中，支持度公式为Support(A，B)＝P(A，B)，置信度公式为Confidence(A,B)＝P(B|A)；引入二进制值sort Flag，指示规则是否应按支持度或置信度排序，当sort Flag＝1，表示规则按支持度大小排序，当sort Flag＝2表示规则按置信度大小排序。
优选的，还包括根据预设的最小支持度阈值和标准分类处理结果子数据的频繁项集，获取标准分类处理结果总数据的频繁项集，如下：
根据最小支持度阈值和事务数据集中事务的数量，得到最小支持度计数阈值；事务数据集为总数据中包含的事务构成的集合；
利用映射归约算法计算各子数据的频繁项集在标准分类处理结果总数据中的支持度计数；
将在标准分类处理结果总数据中的支持度计数不小于预设的最小支持度计数阈值的子数据的频繁项集，作为标准分类处理结果总数据的频繁项集。
与现有技术相比，本发明具有以下几个方面的有益效果：
本发明创造性地提出了一种市场监管信息化标准管理与动态维护***，本发明利用大数据技术对目前已有的各行业和部门的信息化标准进行挖掘，建立标准化管理以及动态维护***，本发明利用多项AI技术，构建各行业和部门的信息化标准体系框架，同时基于神经网络进行监管对象的前景以及风险预测。
本发明***可为市场监管信息化标准管理与维护工作提供统一的信息搜集、检索服务。针对数据元与代码集标准具备稳定结构的特殊性，实现了对已发布市场监管信息化标准管理数据元与代码集的管理，通过建立市场监管信息化标准管理数据元与代码集数据库，提供数据元与代码集的多项功能，满足市场监管信息化标准管理领域不断增长和变化的数据标准需要，为市场监管信息化标准管理信息的共享与协同提供支撑，有利于各级机构监管数据信息的共享交互和应用***的协调联动，发挥各级机构信息化建设的合力，大大提升监管效能和服务效率。
附图说明
图1为市场监管信息化标准管理与动态维护***框图；
图2为市场监管信息化标准管理与动态维护方法流程图；
图3为市场监管信息化标准管理与动态维护***中AI预测单元的模块化结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1、2和3，为本发明的一个实施例，该实施例提供了一种市场监管信息化标准管理与动态维护***及方法，***包括：
信息录入与采集单元，用于各行业信息化标准体系框架和明细表的信息录入与采集，信息化相关标准的搜索、录入和更新；
标准分类单元，用于对标准体系框架分层级和类别；
标准明细创建单元，用于创建市场监管信息化标准明细表数据；市场监管信息化标准明细表数据包括标准体系编号、标准号、标准名称、版本、发布日期、实施日期、标准分类号、标准状态等内容；
编辑管理单元，用于编辑、管理信息化标准体系框架和标准明细表数据；
权限验证单元，用于配合验证管理单元操作权限；
AI预测单元，用于基于AI对信息化相关标准文件主要内容进行分析，根据各行业发布的信息化标准体系框架类目和标准文件的对应关系，对市场监管信息化标准明细表进行分类预测和对类目动态调整，完成市场监管信息化标准的管理和动态维护；
关联分析单元，用于基于BP神经网络的市场监管信息化标准管理和分析模型，对各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测；
以及输出单元，用于输出市场监管信息化体系框架类目和标准明细表更新信息；
AI预测单元是采用基于BP神经网络的分类预测模型进行预测分析，BP神经网络有输入层、隐含层和输出层；隐含层采用tansig函数；输出层采用purelin函数；
输入层有明细表数据特征、标准文件数据特征；
输出层有标准体系框架类目；
构建市场监管信息化标准的关键特征模型，关键特征模型如公式(1)所示，并依据关键特征模型生成训练集和测试集；
X(t)＝[X1(t),X2(t),X3(t),X4(t),X5(t),X6(t),X7(t),X8(t)] (1)
式中：X(t)为t时刻标准明细信息集；X1(t)为t时刻标准文件数据特征；X2(t)为t时刻网络安全和管理标准数据特征；X3(t)为t时刻数据资源标准数据特征，X4(t)为t时刻技术支撑标准数据特征；X5(t)为t时刻应用标准数据特征以及X6(t)为t时刻基础设施标准特征；X7(t)为t时刻分类特征以及X8(t)为t时刻标准体系框架特征；基于BP神经网络的分类预测模型如公式(2)所示；
式中：F7()为训练后的标准分类预测模型，F8()为训练后的标准体系框架预测模型，X7(t+Δt)为Δt时间后的分类特征，X8(t+Δt)为Δt时间后的标准体系框架特征；
关联分析单元，用于基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行预测；
其中，AI预测单元通过训练集和测试集对市场监管信息化标准管理数据特征进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，使用相似度算法和关联分析，对各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测。
AI预测单元包括标准文件数据预处理模块、标准分类处理模块和市场监管信息化标准管理模块；
数据预处理模块用于信息化标准数据进行语义分析、关键词提取、数据筛选，去除冗余信息；
标准分类处理模块用于总体通用标准、基础设施标准、数据标准、应用支撑标准、业务应用标准、安全标准和管理标准等相关标准进行分类，且标准分类处理模块还包括设计标准体系框架和一级类目、二级类目，以构建市场监管信息化标准明细表；
市场监管信息化标准管理模块用于管理市场监管信息化标准体系框架和明细表，根据数据预处理模块提取的市场监管信息化相关标准关键词，搜索符合要求的最新发布和更新的标准，使用AI预测单元分析标准所属分类，对标准体系框架进行动态调整，更新明细表，建立常态化维护机制。
AI预测单元还包括对比分析模块，对比分析模块用于基于相似度算法的BP神经网络进行预测；具体地，基于自然语言处理相关的语义信息处理算法对分类文件进行分析，得到相应分类文件中标准的题干、关键词后形成分词，使用相似度算法的BP神经网络进行预测；
对比分析模块将将获取训练集与测试集文件通过余弦相似度模型进行计算相似度Sj，通过公式(3)计算，如下：
其中，Ai为训练集中第i个分词向量的集合值；Bi为测试集中第i个分词向量的集合值；cos(θ)为训练集和测试集文件中对应分词向量的余弦值。
信息录入与采集单元通过AI自动分析和筛选标准文件进行信息录入和采集。
关联分析单元具体地为采用Apriori算法寻找频繁项集，通过BP神经网络进行预测。
标准分类处理模块具体地对数据元、信息分类与代码二级类目进行了补充，并增加了数据质量二级类目；即通过标准分类处理模块获取预设的数据标准，数据标准包括普通标准、术语标准、分类代码标准、元数据标准和接口标准；分别根据普通标准、术语标准、分类代码标准、元数据标准和接口标准构建本体模型；根据本体模型构建相应的知识图谱。
请参阅图2，本实施例结合上述***，还提出一种市场监管信息化标准管理与动态维护方法，包括如下步骤：
步骤一：采集各行业信息化标准体系框架和明细表信息，训练AI预测单元获得市场监管信息化标准管理和分析模型；
步骤二：对信息化标准文件数据进行语义分析、关键词提取、数据筛选，去除冗余信息后形成关键特征模型，特征化标准文件对象的信息数据，获得标准文件对象关键特征；
步骤三：依据AI预测单元和标准文件对象关键特征，分析获得标准文件对象的分类特征；
步骤四：依据标准文件对象的分类特征，通过训练集和测试集对市场监管信息化标准管理模型进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测，对市场监管信息化标准体系框架和明细表进行更新。
步骤四中通过训练集和测试集对市场监管信息化标准管理模型进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行预测，具体如下：
(1)、采用Apriori算法对不同标准分类处理结果总数据的频繁项集进行挖掘，构建涵盖不同标准分类处理结果子数据的频繁项集；
(2)、分别为规则和大小为1、2的频繁项集和候选项集的单元数组预分配内存；
(3)、查找大小为1的频繁项集，即含有minSup的所有项目的列表，查找大小大于等于2的频繁项集，并从中找出带有min Conf的规则，基于先验原理通过支持度对候选项集进行剪枝；
(4)、根据置信度或支持度按降序对规则进行排序，将规则保存在文本文件中，得到市场监管信息化标准信息因素的关联性；
其中，支持度公式为Support(A，B)＝P(A，B)，置信度公式为Confidence(A,B)＝P(B|A)；引入二进制值sort Flag，指示规则是否应按支持度或置信度排序，当sort Flag＝1，表示规则按支持度大小排序，当sort Flag＝2表示规则按置信度大小排序。
本实施例还包括根据预设的最小支持度阈值和标准分类处理结果子数据的频繁项集，获取标准分类处理结果总数据的频繁项集，如下：
根据最小支持度阈值和事务数据集中事务的数量，得到最小支持度计数阈值；事务数据集为标准分类处理结果总数据中包含的事务构成的集合；
利用映射归约算法计算各子数据的频繁项集在标准分类处理结果总数据中的支持度计数；
将在总数据中的支持度计数不小于预设的最小支持度计数阈值的子数据的频繁项集，
作为标准分类处理结果总数据的频繁项集。
综上所述，本发明创造性地提出了一种市场监管信息化标准管理与动态维护***，本发明利用大数据技术对目前已有的大量市场监管信息化数据进行挖掘，建立标准化管理以及动态维护***，本发明利用多项AI技术，建立信息化标准管理以及动态维护***，构建市场监管信息化标准体系框架和明细表分析预测模型，建立动态自动化维护机制。
本发明***可为市场监管信息化标准管理与维护工作提供统一的信息搜集、检索服务。针对数据元与代码集标准具备稳定结构的特殊性，实现了对已发布市场监管信息化标准管理数据元与代码集的管理，通过建立市场监管信息化标准管理数据元与代码集数据库，提供数据元与代码集的多项功能，满足市场监管信息化标准管理领域不断增长和变化的数据标准需要，为市场监管信息化标准管理信息的共享与协同提供支撑，有利于各级机构监管数据信息的共享交互和应用***的协调联动，发挥各级机构信息化建设的合力，大大提升监管效能和服务效率。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种市场监管信息化标准管理与动态维护***，包括：
信息录入与采集单元，用于各行业信息化标准体系框架和明细表的信息录入与采集，信息化相关标准的搜索、录入和更新；
标准分类单元，用于对标准体系框架分层级和类别；
标准明细创建单元，用于创建市场监管信息化标准明细表数据；市场监管信息化标准明细表数据包括标准体系编号、标准号、标准名称、版本、发布日期、实施日期、标准分类号、标准状态等内容；
编辑管理单元，用于编辑、管理信息化标准体系框架和标准明细表数据；
权限验证单元，用于配合验证管理单元操作权限；
AI预测单元，用于基于AI对信息化相关标准文件主要内容进行分析，根据各行业发布的信息化标准体系框架类目和标准文件的对应关系，对市场监管信息化标准明细表进行分类预测和对类目动态调整，完成市场监管信息化标准的管理和动态维护；
关联分析单元，用于基于BP神经网络的市场监管信息化标准管理和分析模型，对各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测；
以及输出单元，用于输出市场监管信息化体系框架类目和标准明细表更新信息；
所述AI预测单元通过采集各行业发布的信息化标准体系框架类目和的对应关系，分析提取标准文件题干和关键词，对市场监管信息化标准明细表进行分类预测和对标准体系框架类目动态调整；
AI预测单元是采用基于BP神经网络的分类预测模型进行预测分析，BP神经网络有输入层、隐含层和输出层；隐含层采用tansig函数；输出层采用purelin函数；
输入层有明细表数据特征、标准文件数据特征；
输出层有标准体系框架类目；
构建市场监管信息化标准的关键特征模型，关键特征模型如公式(1)所示，并依据关键特征模型生成训练集和测试集；
X(t)＝[X1(t),X2(t),X3(t),X4(t),X5(t),X6(t),X7(t),X8(t)] (1)
式中：X(t)为t时刻标准明细信息集；X1(t)为t时刻标准文件数据特征；X2(t)为t时刻网络安全和管理标准数据特征；X3(t)为t时刻数据资源标准数据特征，X4(t)为t时刻技术支撑标准数据特征；X5(t)为t时刻应用标准数据特征以及X6(t)为t时刻基础设施标准特征；X7(t)为t时刻分类特征以及X8(t)为t时刻标准体系框架特征；基于BP神经网络的分类预测模型如公式(2)所示；
式中：F7()为训练后的标准分类预测模型，F8()为训练后的标准体系框架预测模型，X7(t+Δt)为Δt时间后的分类特征，X8(t+Δt)为Δt时间后的标准体系框架特征；
其中，AI预测单元通过训练集和测试集对市场监管信息化标准管理数据特征进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，使用相似度算法和关联分析，对各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测。
2.根据权利要求1所述市场监管信息化标准管理与动态维护***，其特征在于，所述AI预测单元包括数据预处理模块、标准分类处理模块和市场监管信息化标准管理模块；
所述数据预处理模块用于信息化标准数据进行语义分析、关键词提取、数据筛选，去除冗余信息；
所述标准分类处理模块用于总体通用标准、基础设施标准、数据标准、应用支撑标准、业务应用标准、安全标准和管理标准等相关标准进行分类，且所述标准分类处理模块还包括设计标准体系框架和一级类目、二级类目，以构建市场监管信息化标准明细表；
所述市场监管信息化标准管理模块用于管理市场监管信息化标准体系框架和明细表，根据数据预处理模块提取的市场监管信息化相关标准关键词，搜索符合要求的最新发布和更新的标准，使用AI预测单元分析标准所属分类，对标准体系框架进行动态调整，更新明细表，建立常态化维护机制。
3.根据权利要求1所述市场监管信息化标准管理与动态维护***，其特征在于，所述AI预测单元还包括对比分析模块，所述对比分析模块用于基于相似度算法的BP神经网络进行预测；具体地，基于自然语言处理相关的语义信息处理算法对分类文件进行分析，得到相应分类文件中标准的题干、关键词后形成分词，使用相似度算法的BP神经网络进行预测；
所述对比分析模块将获取的训练集与测试集文件通过余弦相似度模型进行计算相似度Sj，通过公式(3)计算，如下：
其中，Ai为训练集中第i个分词向量的集合值；Bi为测试集中第i个分词向量的集合值；cos(θ)为训练集和测试集文件中对应分词向量的余弦值。
4.根据权利要求1所述市场监管信息化标准管理与动态维护***，其特征在于，所述信息录入与采集单元通过AI自动分析和筛选标准文件进行信息录入和采集。
5.根据权利要求1所述市场监管信息化标准管理与动态维护***，其特征在于，所述关联分析单元具体地为采用Apriori算法寻找频繁项集，通过BP神经网络进行预测。
6.根据权利要求2所述市场监管信息化标准管理与动态维护***，其特征在于，所述标准分类处理模块具体地对数据元、信息分类与代码二级类目进行了补充，并增加了数据质量二级类目；即通过标准分类处理模块获取预设的数据标准，标准包括通用标准、基础设施标准、数据标准、应用支撑标准、业务应用标准、安全标准和管理标准；
标准分类处理模块分别根据所述通用标准、基础设施标准、数据标准、应用支撑标准、业务应用标准、安全标准和管理标准构建本体模型；
根据本体模型构建相应的知识图谱。
7.一种市场监管信息化标准管理与动态维护方法，应用于如权利要求1所述的一种市场监管信息化标准管理与动态维护***，其特征在于，包括如下步骤：
步骤一：采集市场监管对象的信息数据，采集各行业信息化标准体系框架和明细表信息，训练AI预测单元获得市场监管信息化标准管理和分析模型；
步骤二：对信息化标准文件数据进行处理，对信息化标准文件数据进行语义分析、关键词提取、数据筛选，去除冗余信息后形成关键特征模型，特征化标准文件对象的信息数据，获得标准文件对象关键特征；
步骤三：依据AI预测单元和标准文件对象关键特征，分析获得标准文件对象的分类特征；
步骤四：依据标准文件对象的分类特征，通过训练集和测试集对市场监管信息化标准管理模型进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行各行业的信息化标准进行分析，对市场监管信息化标准进行统一管理和预测，对市场监管信息化标准体系框架和明细表进行更新。
8.根据权利要求7所述一种市场监管信息化标准管理与动态维护方法，其特征在于，通过训练集和测试集对市场监管信息化标准管理模型进行训练获得基于BP神经网络的市场监管信息化标准管理和分析模型，关联分析BP神经网络进行预测，具体如下：
(1)、采用Apriori算法对不同标准分类处理结果总数据的频繁项集进行挖掘，构建涵盖不同标准分类处理结果子数据的频繁项集；
(2)、分别为规则和大小为1、2的频繁项集和候选项集的单元数组预分配内存；
(3)、查找大小为1的频繁项集，即含有min Sup的所有项目的列表，查找大小大于等于2的频繁项集，并从中找出带有min Conf的规则，基于先验原理通过支持度对候选项集进行剪枝；
(4)、根据置信度或支持度按降序对规则进行排序，将规则保存在文本文件中，得到市场监管信息化标准信息因素的关联性；
其中，支持度公式为Support(A，B)＝P(A，B)，置信度公式为Confidence(A,B)＝P(B|A)；引入二进制值sort Flag，指示规则是否应按支持度或置信度排序，当sort Flag＝1，表示规则按支持度大小排序，当sort Flag＝2表示规则按置信度大小排序。
9.根据权利要求8所述一种市场监管信息化标准管理与动态维护方法，其特征在于，还包括根据预设的最小支持度阈值和标准分类处理结果子数据的频繁项集，获取标准分类处理结果总数据的频繁项集，如下：
根据最小支持度阈值和事务数据集中事务的数量，得到最小支持度计数阈值；事务数据集为标准分类处理结果总数据中包含的事务构成的集合；
利用映射归约算法计算各子数据的频繁项集在总数据中的支持度计数；
将在标准分类处理结果总数据中的支持度计数不小于预设的最小支持度计数阈值的子数据的频繁项集，作为标准分类处理结果总数据的频繁项集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211591824.1A CN115794798B (zh) | 2022-12-12 | 2022-12-12 | 一种市场监管信息化标准管理与动态维护***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211591824.1A CN115794798B (zh) | 2022-12-12 | 2022-12-12 | 一种市场监管信息化标准管理与动态维护***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115794798A true CN115794798A (zh) | 2023-03-14 |
| CN115794798B CN115794798B (zh) | 2023-09-15 |
Family
ID=85419342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211591824.1A Active CN115794798B (zh) | 2022-12-12 | 2022-12-12 | 一种市场监管信息化标准管理与动态维护***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115794798B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574318A (zh) * | 2023-12-12 | 2024-02-20 | 江苏省工商行政管理局信息中心 | 一种基于多源数据的市场监管信息融合平台及其方法 |
| CN118013955A (zh) * | 2024-04-08 | 2024-05-10 | 中国标准化研究院 | 一种基于关联算法的标准信息更新方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101365481B1 (ko) * | 2013-04-25 | 2014-02-25 | 한양대학교 산학협력단 | 도심재생사업의 수행을 지원하기 위한 사업별 포털 생성 관리 시스템 |
| CN109657947A (zh) * | 2018-12-06 | 2019-04-19 | 西安交通大学 | 一种面向企业行业分类的异常检测方法 |
| CN111324602A (zh) * | 2020-02-21 | 2020-06-23 | 上海软中信息技术有限公司 | 一种实现面向金融大数据分析可视化方法 |
| CN111428307A (zh) * | 2020-04-21 | 2020-07-17 | 广州高新工程顾问有限公司 | 一种基于bim的室内优化设计方法及*** |
| CN112395854A (zh) * | 2020-12-02 | 2021-02-23 | 中国标准化研究院 | 一种标准要素的一致性检验方法 |
| CN114783540A (zh) * | 2022-03-17 | 2022-07-22 | 中国科学院金属研究所 | 一种基于粒子群优化bp神经网络的多元合金性能预测方法 |
-
2022
- 2022-12-12 CN CN202211591824.1A patent/CN115794798B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101365481B1 (ko) * | 2013-04-25 | 2014-02-25 | 한양대학교 산학협력단 | 도심재생사업의 수행을 지원하기 위한 사업별 포털 생성 관리 시스템 |
| CN109657947A (zh) * | 2018-12-06 | 2019-04-19 | 西安交通大学 | 一种面向企业行业分类的异常检测方法 |
| CN111324602A (zh) * | 2020-02-21 | 2020-06-23 | 上海软中信息技术有限公司 | 一种实现面向金融大数据分析可视化方法 |
| CN111428307A (zh) * | 2020-04-21 | 2020-07-17 | 广州高新工程顾问有限公司 | 一种基于bim的室内优化设计方法及*** |
| CN112395854A (zh) * | 2020-12-02 | 2021-02-23 | 中国标准化研究院 | 一种标准要素的一致性检验方法 |
| CN114783540A (zh) * | 2022-03-17 | 2022-07-22 | 中国科学院金属研究所 | 一种基于粒子群优化bp神经网络的多元合金性能预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 武小军;孟苏芳;: "基于客户细分和AdaBoost的电子商务客户流失预测研究", 工业工程, no. 02, pages 103 - 111 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574318A (zh) * | 2023-12-12 | 2024-02-20 | 江苏省工商行政管理局信息中心 | 一种基于多源数据的市场监管信息融合平台及其方法 |
| CN118013955A (zh) * | 2024-04-08 | 2024-05-10 | 中国标准化研究院 | 一种基于关联算法的标准信息更新方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115794798B (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112612902A (zh) | 一种电网主设备的知识图谱构建方法及设备 | |
| CN115794798B (zh) | 一种市场监管信息化标准管理与动态维护***及方法 | |
| US20210365486A1 (en) | Esg-based company evaluation device and an operation method thereof | |
| CN111967761A (zh) | 一种基于知识图谱的监控预警方法、装置及电子设备 | |
| CN109408574B (zh) | 基于文本挖掘技术的投诉责任认定*** | |
| CN112182246A (zh) | 通过大数据分析建立企业画像的方法、***、介质及应用 | |
| CN111581193A (zh) | 数据处理方法、设备、计算机***及存储介质 | |
| CN117473431A (zh) | 一种基于知识图谱的机场数据分类分级方法及*** | |
| CN115544272A (zh) | 基于注意力机制的化工事故原因知识图谱构建方法 | |
| CN111046059B (zh) | 基于分布式数据库集群的低效sql语句分析方法及*** | |
| CN114491034B (zh) | 一种文本分类方法及智能设备 | |
| CN115794803A (zh) | 一种基于大数据ai技术的工程审计问题监测方法与*** | |
| CN113920366A (zh) | 一种基于机器学习的综合加权主数据识别方法 | |
| CN113742396A (zh) | 一种对象学习行为模式的挖掘方法及装置 | |
| CN115953041A (zh) | 一种营商政策***的构建方案及*** | |
| CN111026940A (zh) | 一种面向电网电磁环境的网络舆情及风险信息监测***、电子设备 | |
| Zhai et al. | TRIZ technical contradiction extraction method based on patent semantic space mapping | |
| CN115759253A (zh) | 电网运维知识图谱构建方法及*** | |
| CN112506930B (zh) | 一种基于机器学习技术的数据洞察*** | |
| CN112967759B (zh) | 基于内存堆栈技术的dna物证鉴定str分型比对方法 | |
| CN113159363B (zh) | 一种基于历史新闻报道的事件趋势预测方法 | |
| CN115544112A (zh) | 一种基于大数据人工智能的双创成果高价值专利筛选方法 | |
| CN115034762A (zh) | 一种岗位推荐方法、装置、存储介质、电子设备及产品 | |
| CN112988972A (zh) | 一种基于数据模型的行政处罚案卷评查方法及*** | |
| CN113742495A (zh) | 基于预测模型的评级特征权重确定方法及装置、电子设备 |
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 |