基于大数据智能分析的双随机监管方法、系统及终端设备与流程

本发明涉及互联网大数据技术领域，特别是涉及一种基于大数据智能分析的双随机监管方法、系统、终端设备及存储介质。

背景技术：

近年来，随着国家推行“双随机、一公开”的抽查检测制度，随机的生成将影响到众多相关者的利益得失问题。如何生成随机、证明随机的公平公正，变成了所有人所关注的技术焦点。目前传统检测系统的双随机生成方式主要是使用系统的随机函数进行生成，此种方式受制于单机和独立系统的可信性。以往通过中间机构进行担保，但并没有公开的证明方式，不能保证系统是否受到人为的干扰。

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。

技术实现要素：

本发明的目的是：提供一种基于大数据智能分析的双随机监管方法、系统、终端设备及存储介质，能够自动采集检查对象进行智能分析推荐，减少人工干预，实现科学监管，提高监督抽查效能。

为了实现上述目的，本发明提供了一种基于大数据智能分析的双随机监管方法，包括：

随机获取检查品类信息，其中，所述检测品类信息包括若干个检查对象信息；

根据所述检查品类信息，在预设的随机规则库中，选择随机规则，并根据所述随机规则，随机获取监管人员信息；

获取网络当前热点情况及事故或投诉情况；并对所述网络当前热点情况及事故或投诉情况，采用大数据算法对风险较高的所述检查对象提升随机抽检的概率；智能推荐出与当前检查对象相匹配的双随机规则；并输出对应的双随机结果；

根据大数据模型及人工分析，判断本次双随机的结合是否符合要求；若是，则直接输出结果；若否，则调整随机规则重新计算，直到输出的结果符合要求。

进一步地，所述检查对象信息包括名称、地址、类型、经营业务；所述监管人员信息包括个人基本信息、资格信息、专业信息以及检查等级信息。

进一步地，所述获取网络当前热点情况及事故或投诉情况，具体为：通过网络数据采集技术从网络获取当前热点情况及事故或投诉情况。

进一步地，所述智能推荐出与当前检查对象相匹配的双随机规则，具体为：采用相似度分析、大数据分析技术，智能推荐出与当前检查对象相匹配的双随机规则。

本发明还提供一种基于大数据智能分析的双随机监管系统，包括：信息获取单元、智能推荐单元和结果分析单元；

所述信息获取单元，用于随机获取检查品类信息，并根据预设的双随机规则获取监管人员信息；其中，所述检测品类信息包括若干个检查对象信息；

所述信息获取单元，还用于根据所述检查品类信息，在预设的随机规则库中，选择随机规则，并根据所述随机规则，随机获取监管人员信息；

所述智能推荐单元，用于获取网络当前热点情况及事故或投诉情况；并对所述网络当前热点情况及事故或投诉情况，采用大数据算法对风险较高的所述检查对象提升随机抽检的概率；智能推荐出与当前检查对象相匹配的双随机规则；并输出对应的双随机结果；

所述结果分析单元，用于根据大数据模型及人工分析，判断本次双随机的结合是否符合要求；若是，则直接输出结果；若否，则调整随机规则重新计算，直到输出的结果符合要求。

进一步地，所述检查对象信息包括名称、地址、类型、经营业务；所述监管人员信息包括个人基本信息、资格信息、专业信息以及检查等级信息。

进一步地，所述获取网络当前热点情况及事故或投诉情况，具体为：通过网络数据采集技术从网络获取当前热点情况及事故或投诉情况。

进一步地，所述智能推荐出与当前检查对象相匹配的双随机规则，具体为：采用相似度分析、大数据分析技术，智能推荐出与当前检查对象相匹配的双随机规则。

本发明还提供了一种基于大数据智能分析的双随机监管终端设备终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的一种基于大数据智能分析的双随机监管方法。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4任一项所述的一种基于大数据智能分析的双随机监管方法。

本发明实施例一种基于大数据智能分析的双随机监管方法、系统、终端设备及存储介质与现有技术相比，其有益效果在于：

本发明提供了一种基于大数据智能分析的双随机监管方法、装置、终端设备及存储介质，所述方法包括：随机获取检查品类信息，其中，所述检测品类信息包括若干个检查对象信息；根据所述检查品类信息，在预设的随机规则库中，选择随机规则，并根据所述随机规则，随机获取监管人员信息；获取网络当前热点情况及事故或投诉情况；并对所述网络当前热点情况及事故或投诉情况，采用大数据算法对风险较高的所述检查对象提升随机抽检的概率；智能推荐出与当前检查对象相匹配的双随机规则；并输出对应的双随机结果；根据大数据模型及人工分析，判断本次双随机的结合是否符合要求；若是，则直接输出结果；若否，则调整随机规则重新计算，直到输出的结果符合要求。本发明能够自动采集检查对象进行智能分析推荐，减少人工干预，实现科学监管，提高监督抽查效能。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式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发明的一些实施方式，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获得其他的附图。

图1为本发明第一实施例提供的一种基于大数据智能分析的双随机监管方法的流程示意图；

图2为本发明第二实施例提供的一种基于大数据智能分析的双随机监管系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本发明第一实施例：

如图1所示，本发明实施例的一种基于大数据智能分析的双随机监管方法，包括：

s101、随机获取检查品类信息，其中，所述检测品类信息包括若干个检查对象信息；

s102、根据所述检查品类信息，在预设的随机规则库中，选择随机规则，并根据所述随机规则，随机获取监管人员信息；

s103、获取网络当前热点情况及事故或投诉情况；并对所述网络当前热点情况及事故或投诉情况，采用大数据算法对风险较高的所述检查对象提升随机抽检的概率；智能推荐出与当前检查对象相匹配的双随机规则；并输出对应的双随机结果；

s104、根据大数据模型及人工分析，判断本次双随机的结合是否符合要求；若是，则直接输出结果；若否，则调整随机规则重新计算，直到输出的结果符合要求。

在本发明的某一个实施例中，对于步骤s101，所述检查对象信息包括名称、地址、类型、经营业务；

在本发明的某一个实施例中，对于步骤s102，所述监管人员信息包括个人基本信息、资格信息、专业信息以及检查等级信息。

在本发明的某一个实施例中，对于步骤s103，所述获取网络当前热点情况及事故或投诉情况，具体为：通过网络数据采集技术从网络获取当前热点情况及事故或投诉情况。

在本发明的某一个实施例中，对于步骤s103，所述智能推荐出与当前检查对象相匹配的双随机规则，具体为：采用相似度分析、大数据分析技术，智能推荐出与当前检查对象相匹配的双随机规则。

需要说明的是，所述大数据算法包括云计算、mapreduce(并行编程架构模型)、大数据分析和挖掘的算法；

需要说明的是，所述相似度分析包括：余弦相似度、皮尔逊相关系数和修正余弦相似度；所述余弦相似度，又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度。0度角的余弦值是1，而其他任何角度的余弦值都不大于1；并且其最小值是－1。从而两个向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时，余弦相似度的值为1；两个向量夹角为90°时，余弦相似度的值为0；两个向量指向完全相反的方向时，余弦相似度的值为－1。这结果是与向量的长度无关的，仅仅与向量的指向方向相关。余弦相似度通常用于正空间，因此给出的值为－1到1之间。

所述皮尔逊相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母r表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。

相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。

需要说明的是，皮尔逊相关系数并不是唯一的相关系数，但是最常见的相关系数，以下解释都是针对皮尔逊相关系数。

依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数(相关系数的平方称为判定系数)；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。

本发明实施例提供了一种基于大数据智能分析的双随机监管方法，所述方法包括：随机获取检查品类信息，其中，所述检测品类信息包括若干个检查对象信息；根据所述检查品类信息，在预设的随机规则库中，选择随机规则，并根据所述随机规则，随机获取监管人员信息；获取网络当前热点情况及事故或投诉情况；并对所述网络当前热点情况及事故或投诉情况，采用大数据算法对风险较高的所述检查对象提升随机抽检的概率；智能推荐出与当前检查对象相匹配的双随机规则；并输出对应的双随机结果；根据大数据模型及人工分析，判断本次双随机的结合是否符合要求；若是，则直接输出结果；若否，则调整随机规则重新计算，直到输出的结果符合要求。本发明能够自动采集检查对象进行智能分析推荐，减少人工干预，实现科学监管，提高监督抽查效能。

本发明第二实施例：

如图2所示，本发明实施例的一种基于大数据智能分析的双随机监管系统200，包括：信息获取单元201、智能推荐单元202和结果分析单元203；

所述信息获取单元201，用于随机获取检查品类信息，并根据预设的双随机规则获取监管人员信息；其中，所述检测品类信息包括若干个检查对象信息；

所述信息获取单元201，还用于根据所述检查品类信息，在预设的随机规则库中，选择随机规则，并根据所述随机规则，随机获取监管人员信息；

所述智能推荐单元202，用于获取网络当前热点情况及事故或投诉情况；并对所述网络当前热点情况及事故或投诉情况，采用大数据算法对风险较高的所述检查对象提升随机抽检的概率；智能推荐出与当前检查对象相匹配的双随机规则；并输出对应的双随机结果；

所述结果分析单元203，用于根据大数据模型及人工分析，判断本次双随机的结合是否符合要求；若是，则直接输出结果；若否，则调整随机规则重新计算，直到输出的结果符合要求。

在本发明的某一个实施例中，所述检查对象信息包括名称、地址、类型、经营业务；所述监管人员信息包括个人基本信息、资格信息、专业信息以及检查等级信息。

在本发明的某一个实施例中，所述获取网络当前热点情况及事故或投诉情况，具体为：通过网络数据采集技术从网络获取当前热点情况及事故或投诉情况。

在本发明的某一个实施例中，所述智能推荐出与当前检查对象相匹配的双随机规则，具体为：采用相似度分析、大数据分析技术，智能推荐出与当前检查对象相匹配的双随机规则。

本发明实施例提供了一种基于大数据智能分析的双随机监管系统200，包括：信息获取单元201、智能推荐单元202和结果分析单元203；所述信息获取单元201，用于随机获取检查品类信息，并根据预设的双随机规则获取监管人员信息；其中，所述检测品类信息包括若干个检查对象信息；所述信息获取单元201，还用于根据所述检查品类信息，在预设的随机规则库中，选择随机规则，并根据所述随机规则，随机获取监管人员信息；所述智能推荐单元202，用于获取网络当前热点情况及事故或投诉情况；并对所述网络当前热点情况及事故或投诉情况，采用大数据算法对风险较高的所述检查对象提升随机抽检的概率；智能推荐出与当前检查对象相匹配的双随机规则；并输出对应的双随机结果；所述结果分析单元203，用于根据大数据模型及人工分析，判断本次双随机的结合是否符合要求；若是，则直接输出结果；若否，则调整随机规则重新计算，直到输出的结果符合要求。本系统能够自动采集检查对象进行智能分析推荐，减少人工干预，实现科学监管，提高监督抽查效能。

本发明第三实施例：

本发明实施例的一种基于大数据智能分析的双随机监管终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的一种基于大数据智能分析的双随机监管方法。

本发明第四实施例：

本发明实施例的一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4任一项所述的一种基于大数据智能分析的双随机监管方法。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。