[发明专利]基于机器学习的政务精简方法

说明书

技术领域

本发明涉及电子政务领域，具体涉及基于机器学习的政务精简方法。

背景技术

2013年以来，为落实国务院关于加快转变政府职能、简政放权的工作部署，发展改革委会同有关方面通过修订政府核准的投资项目目录大幅减少核准事项，通过修订核准办法努力提高办事效率，通过探索建立纵横联动协管机制加强事中事后监管，改革成效逐步显现。但是，企业投资项目核准仍然存在前置审批手续繁杂、效率低下，依附于前置审批的中介服务行为不规范、收费不合理等突出问题，根本原因是政府管理理念转变滞后，职能转变不到位，仍然习惯于以事前审批代替事中事后监管。因此，深化改革企业投资项目核准制度势在必行，刻不容缓。

目前办理政务时，个人或企业往往需要填繁复的表格，表格上很多内容在政务审查时用不到，但是办理起来却非常麻烦，这样就提高了政务成本，降低了政务处理效率。

发明内容

本发明所要解决的技术问题是目前政务处理需要填写很多无用的表格选项，从而提高了政务成本，降低了政务处理效率，目的在于提供基于机器学习的政务精简方法，解决上述问题。

本发明通过下述技术方案实现：

基于机器学习的政务精简方法，包括以下步骤：S1：收集各个部门办理政务的表格，并生成数据库；S2：对所有表格数据库中的所有选项进行SVM机器学习；S3：SVM机器学习后对每一个表格选项生成二分器；S4：当一个表格选项的二分器出现“否”的比例大于阈值时，将该表格选项从表格上移除，并更新各个部门办理政务的表格。

现有技术中，办理政务时，个人或企业往往需要填繁复的表格，表格上很多内容在政务审查时用不到，但是办理起来却非常麻烦，这样就提高了政务成本，降低了政务处理效率。本发明应用时，先收集各个部门办理政务的表格，并生成数据库，再对所有表格数据库中的所有选项进行SVM机器学习，然后SVM机器学习后对每一个表格选项生成二分器，再然后当一个表格选项的二分器出现“否”的比例大于阈值时，将该表格选项从表格上移除，并更新各个部门办理政务的表格，从而通过SVM机器学习发现极少使用，甚至不使用的表格上的选项，并将这些选项删除，从而达到精简政务的目的，降低了政务成本，提高了政务处理效率。

进一步的，本发明还包括以下步骤：S5：各个部门更新后的表格使用后，将使用后的表格加入数据库并执行S2。

本发明应用时，实时对数据库进行更新并进行再次学习，使得出现不需要的表格选项时，可以及时的发现，并进行删除，进一步的提高了政务处理速度。

进一步的，所述SVM机器学习采用线性核函数。

进一步的，所述二分器用于判断该表格选项是否在任意政务环节被使用。

进一步的，所述阈值采用0.1％～0.5％。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明基于机器学习的政务精简方法，通过SVM机器学习发现极少使用，甚至不使用的表格上的选项，并将这些选项删除，从而达到精简政务的目的，降低了政务成本，提高了政务处理效率。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明方法步骤示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

如图1所示，本发明基于机器学习的政务精简方法，基于机器学习的政务精简方法，包括以下步骤：S1：收集各个部门办理政务的表格，并生成数据库；S2：对所有表格数据库中的所有选项进行SVM机器学习；S3：SVM机器学习后对每一个表格选项生成二分器；S4：当一个表格选项的二分器出现“否”的比例大于阈值时，将该表格选项从表格上移除，并更新各个部门办理政务的表格。本发明还包括以下步骤：S5：各个部门更新后的表格使用后，将使用后的表格加入数据库并执行S2。所述SVM机器学习采用线性核函数。所述二分器用于判断该表格选项是否在任意政务环节被使用。所述阈值采用0.1％～0.5％。