[发明专利]用于对行政审批事项的办结时限进行压缩预测的计算模型及其应用

权利要求书

1.对行政审批事项的办结时限进行压缩预测的方法，其特征在于，其包括如下步骤：

根据行政审批事项的历史审批记录，生成训练数据集；

构建预测模块，基于所述训练数据集进行模型训练，确定压缩力度预测模型；

根据确定的压缩力度预测模型计算行政审批事项的办结时限的压缩力度；根据行政审批事项的历史审批记录，生成训练数据集包括

配置特征参数；

根据特征参数对历史审批记录进行数据处理，生成特征参数集；

为特征参数集中的各特征参数设置压缩力度预测值，生成训练数据集；

在生成训练数据集之后，还包括

对训练数据集进行拆分，形成第一特征数据集和第二特征数据集；

其中，所述基于所述训练数据集进行模型训练，确定压缩力度预测模型包括

通过第一特征数据集对预测模型进行模型训练，得到训练后的预测模型；

通过所述第二特征数据集对训练后的预测模型进行验证，根据验证结果确定压缩力度预测模型；构建的预测模型为神经网络模型，其中，所述特征参数设置成所述预测模型的输入参数，所述压缩力度设定为所述预测模型的输出参数。

2.根据权利要求1所述的方法，其特征在于，所述特征参数包括十四个特征项。

3.根据权利要求1至2任一项所述的方法，其特征在于，在计算出压缩力度后还包括：

根据审批事项的法定时限和压缩力度计算输出预测承诺办结时限。

4.用于对行政审批事项的办结时限进行压缩预测的计算模型，其特征在于，所述计算模型通过以下方法训练生成：

获取行政审批事项的历史审批记录；

根据行政审批事项的历史审批记录，生成训练数据集；

构建预测模型，基于所述训练数据集进行模型训练，生成压缩力度预测模型；

其中，所述压缩力度预测模型即为用于对行政审批事项的办结时限进行压缩预测的计算模型；

所述根据行政审批事项的历史审批记录，生成训练数据集包括

配置特征参数；

根据特征参数对历史审批记录进行数据处理，生成特征参数集；

对特征参数集中的各特征参数设置压缩力度预测值，形成训练数据集；

在训练生成压缩力度预测模型时，还包括：

根据行政审批事项的历史审批记录，生成测试数据集；

根据测试数据集对确定的压缩力度预测模型进行验证。

5.应用权利要求4所述的计算模型对行政审批事项的承诺办结时限进行压缩的方法。