数据挖掘技术在预防职业腐败风险系统建设中的应用(2)
1.2 预防职业腐败风险数据的挖掘
结合预防腐败风险系统建设,根据数据类型、特点,选取特定的挖掘模型与算法,运用数据挖掘SaaS云服务部件,对清洗、抽取和转换后的数据进行挖掘,对规格化的目标数据集进行知识提炼,分析出腐败风险发生的趋势、规律、特点、关键部位、关键点行业,以量化或图线等形式生成数据结果,形成纪检监察人员关心关注的风险数据集,用于实现不同抽象层次、适应于不同维度的风险数据分析和辅助决策;对系统预警风险或违规问题,按照相应的工作程序进行查处。具体地讲,预防职业腐败风险系统通过数据挖掘算法,一是对各类公共权力基础数据库进行关联分析、聚类分析、分类、预测和偏差分析,及时识别各级公共组织行使公共权力、管理公共事务的行为是否正确、及时、公开、公平、公正,发现依法浪费或权力滥用问题;二是发挥预测分析功能,找出职业腐败风险的重点领域和关键环节并加强监督,帮助公务人员及时规避错误;三是汇总反馈公众对公共管理和服务的新诉求,引导和督促公共管理领域加强严格自律,更加有效地履行公共服务职能,从而构建起预防职务风险的前期预警机制,使反腐倡廉工作从事后监督向风险防控等事前、事中监督转变。在预防职业腐败风险平台建设中,主要应用到以下数据挖掘算法。
(1)关联规则(Association Analysis)。通过简单关联、时序关联、因果关联等方法,找出预防职业腐败风险数据库中不同数据变量之间关联的规律性,即一种腐败行为与另一种腐败行为发生的支持依赖关系,建立腐败风险数据的频繁项集。例如行政审批环节过多、服务质量差与行政审批效率低之间的关联关系;不依法使用规范票据罚款收费与私设“小金库”之间的关联关系;不认真落实民主集中制度与“三重一大”事项管理混乱之间的关联关系等。通过对这些关联关系进行分析,帮助有针对性查找分析影响腐败风险的关键因素。
(2)分类分析(Classification Analysis)。包括决策树方法、神经网络方法等算法。其中,决策树方法适用于对数据分类进行分析和预测的领域,比如若将所有部门工作人员发生的腐败问题作为一个整体来考虑,按照违规问题情节轻重进行分类,可将其分为严重型、较重型、一般型、较轻型、苗头型等多种类型的违规行为。针对不同类型的违规行为,纪检监察机关可采取相应的防范或惩戒措施。神经网络法适用于识别哪些部门属于重点防控部门、哪些权力属于重点防范的权力,例如运用自组织特征映射网络(Self-organizing feature Map,SOM),通过输入某部门的公共权力运行种类、权力数量、行使频度、公开透明数量、电子监察发现的违规问题数量、被投诉举报的信访数量等信息,系统根据事先确定的各个参数重要性的权重(Wi),最终计算并输出该部门发生腐败风险的机率,从而通过该机率和相关标准,判断该部门应当属于严密监察部门或重点监察部门,还是一般监控部门,从而帮助纪检监察机关根据不同情况采取相应措施对其加以防范。
(3)聚类分析(Clustering Analysis)。根据监察监督数据的相似性,从公共权力、行业部门、监察类型等不同维度,对监察监督数据进行归纳,聚合为若干未知类别,帮助纪检监察机关揭示隐含在监察监督数据背后的风险分布模式、发展变化规律及其相互关系,从而发现腐败风险集中的部门、风险集中的环节、风险集中的问题,增强预防腐败的针对性。例如,在行政处罚电子监察系统建设中,通过对工作流程监察事项的聚类分析发现,“调查取证”、“作出处罚决定”阶段办事效率太低是造成办案“时限超期”的重点因素,那么,就应当在这些阶段加强对执法人员的提醒,防止执法人员在这些环节上发生效率低下、吃拿卡要报等风险问题。
(4)“预测”。运用该算法,可以在对已发生的腐败问题历史数据进行分析的基础上,找出腐败行为的变化规律,据此对权力运行及腐败风险突出问题及未来发展态势进行研判,为纪检监察机关从源头上预防腐败蔓延提供决策依据。在预防腐败风险系统建设中,可采用灰色—马尔科夫模型算法,对过去几年或十几年发生的信访举报、网络舆情、电子监察异常等腐败风险数据进行分析,对未来一段时间内某领域、某部门或某项公共权力发生腐败风险的趋势进行预测,使纪检监察机关更有针对性地明确监管重点,防患于未然。
(5)“偏差分析”。就是充分运行计算机高速、高效的特点,通过记录搜索等技术,从大量的公共权力基础数据库中,对照正常运行的规则进行“偏差”监测和分析,找出各项权力存在的异常、异动、违规情况的“偏差点”和“独立点”,为查处腐败风险问题提供案源线索。目前,在已建的行政审批、行政处罚、公共资金、公共资源交易电子监察系统中,多数都采用了这种算法,发现了诸多电子监察预警信息,为促进行政权力规范运行发挥了重要作用。
1.3 预防职业腐败风险模型的评估
为了提高预防腐败风险系统的针对性和实效性,需要对数据挖掘工作进行反复测试,通过实验和训练得到浓缩的知识,对风险预防模式特别是数据挖掘模式进行评估,验证知识模型的有效性,为预防腐败系统平台提供科学准确的模型,形成标准的模型库,作为电子政务“云”资源池中的SaaS服务部件,为各级各纪检监察机关采集监察数据时予以调用或重用。
期刊库(http://www.zgqkk.com),是一个专门从事期刊推广、投稿辅导的网站。
本站提供如何投稿辅导,寻求投稿辅导合作,快速投稿辅导,投稿辅导格式指导等解决方案:省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。
【免责声明】本文仅代表作者本人观点,与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。
投稿辅导服务咨询与期刊合作加盟
陆老师联系QQ:
蒋老师联系QQ:
刘老师联系QQ:
联系电话:18015016272
17327192284
投稿辅导投稿邮箱:zgqkk365@126.com
期刊推荐
- 《课程教育研究》 旬刊 国家级
- 《网络空间安全》(信息安全与技术)月刊 国
- 《价值工程》旬刊 国家级 科技统计源期刊
- 《高教论坛》 月刊 省级
- 《法制与社会》旬刊 省级
- 《中国教育学刊》月刊 14版北大核心
- 《语文建设》 旬刊 14版北大核心
- 《中国绿色画报》 月刊 国家级
- 《社科纵横》季刊 社科类优秀期刊
- 《求索》月刊 14版北大核心期刊
- 《财会月刊》旬刊 14版北大核心
- 《艺术品鉴》 月刊 省级
- 《中华建设》月刊 国家级 建设类优秀期刊
- 《教学与管理》旬刊 北大核心
- 《当代经济》 旬刊 省级
- 《新课程研究》旬刊 省级 教育类优秀学术期
- 《文教资料》 旬刊 省级
- 《学术界》 月刊 双核心
- 《吉林教育》旬刊 省级 教育类学术期刊
- 《中国农业资源与区划》 月刊 14版北大核心
- 《继续教育研究》月刊 北大核心期刊
- 《财经界(学术版)》半月刊 国家级
- 《电影评介》半月刊 14版北大核心
- 《公路交通科技》 月刊 北大核心
- 《新闻传播》月刊 省级 新闻类优秀期刊