一种基于多源履职数据的工作人员处分风险智能预警方法及系统与流程

摘要: 本发明属于大数据风险分析领域,特别是涉及一种基于多源履职数据的工作人员处分风险智能预警方法及系统。背景技术:1、随着政务数字化、办公信息化建设的持续深化,各级政...
一种基于多源履职数据的工作人员处分风险智能预警方法及系统与流程

本发明属于大数据风险分析领域,特别是涉及一种基于多源履职数据的工作人员处分风险智能预警方法及系统。

背景技术:

1、随着政务数字化、办公信息化建设的持续深化,各级政务业务平台、权限管理系统、履职考核体系产生并沉淀了海量的工作人员履职行为数据、业务负荷数据及信用考核数据等多源履职数据,为智能化履职监督、风险研判和违规预警提供了丰富的数据基础。精准识别工作人员履职过程中的潜在违规风险、实现事前预警与事中干预,是规范公职人员履职行为、强化政务监督能力、提升政务运行规范性与安全性的关键环节。

2、当前传统履职风险监管方式多依赖人工抽查、定期考核与固定规则筛查模式,风险判别逻辑单一、监督维度较为片面。现有智能化风险预警方案大多采用固定阈值判别与单一特征比对的研判方式,仅针对局部异常行为进行简单判定,未能结合部门整体履职基线特征、工作人员个人信用状态、动态业务负荷情况开展多维度融合分析,风险判定标准缺乏动态自适应调整能力。

3、现有技术体系下,风险判别阈值多为人工经验预设,主观性强、泛化能力弱,无法适配不同岗位、不同业务压力场景下的差异化履职风险特征,极易出现高风险场景漏判、常规履职波动误预警的问题。同时,传统预警机制仅能实现简单风险识别,缺少对履职异常行为的量化评估、多级风险分级研判及针对性风险阻断管控的完整闭环能力,无法对不同严重程度的履职风险进行差异化精准处置,监督预警的智能化、精细化水平不足。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够融合多源履职数据实现动态风险判定、完成履职异常量化识别与多级风险研判,并可对严重风险实施处置干预的基于多源履职数据的工作人员处分风险智能预警方法及系统。

2、第一方面,本技术提供了一种基于多源履职数据的工作人员处分风险智能预警方法,包括:

3、获取多源部门履职数据;将多源部门履职数据输入长短期记忆网络提取得到履职特征向量,基于履职特征向量计算得到动态参照基线。

4、获取目标工作人员的历史信用记录和当前业务负荷数据,对历史信用记录和当前业务负荷数据进行特征处理得到风险偏好指数。

5、计算动态参照基线与风险偏好指数之间的关联度,基于关联度生成目标工作人员的初始风险判定阈值。

6、当当前业务负荷数据大于负荷阈值时,采用负荷放大系数对初始风险判定阈值执行放大处理,得到第一风险判定阈值。

7、当历史信用记录低于信用阈值时,采用信用收缩系数对第一风险判定阈值执行缩小处理,得到第二风险判定阈值。

8、获取目标工作人员的当前履职行为数据;将当前履职行为数据输入孤立森林算法提取行为特征向量,基于行为特征向量确定得到目标工作人员的履职偏差值。

9、当履职偏差值超出第二风险判定阈值时,生成对目标工作人员的处分风险预警指令。

10、根据处分风险预警指令构建风险评估矩阵,将风险评估矩阵输入决策树算法确定得到目标工作人员的处分风险等级分类结果;当处分风险等级分类结果匹配严重风险等级时,输出对目标工作人员的风险阻断控制信号。

11、在其中一个实施例中,将多源部门履职数据输入长短期记忆网络提取得到履职特征向量,基于履职特征向量计算得到动态参照基线,包括:

12、基于多源部门履职数据,生成履职轨迹序列。

13、履职轨迹序列包括部门处分记录和部门日常考核指标。

14、将履职轨迹序列输入长短期记忆网络,提取得到表征部门履职状态的履职特征向量。

15、基于履职特征向量,计算得到动态参照基线。

16、其中,动态参照基线的计算公式为:

17、

18、式中,为上一时刻的历史动态参照基线;为当前时刻由长短期记忆网络输出的履职特征向量;为向量映射函数;为基线平滑权重系数,。

19、在其中一个实施例中,计算动态参照基线与风险偏好指数之间的关联度,基于关联度生成目标工作人员的初始风险判定阈值,包括:

20、对历史信用记录执行特征提取,得到信用衰减特征;信用衰减特征包括信用积分时序衰减速率、历史失信频次和信用恢复程度。

21、对当前业务负荷数据执行特征提取,得到负荷波动特征;负荷波动特征包括业务量环比增幅、业务事项复杂程度和岗位业务波动系数。

22、将信用衰减特征和负荷波动特征输入随机森林算法,处理得到风险偏好指数。

23、计算动态参照基线同风险偏好指数之间的关联度值。

24、其中,关联度值的计算公式为:

25、

26、式中,为动态参照基线;为风险偏好指数;为动态参照基线的局部均值;为风险偏好指数的局部均值;为动态参照基线的局部标准差;为风险偏好指数的局部标准差。

27、基于动态参照基线和关联度值,生成目标工作人员的初始风险判定阈值。

28、其中,初始风险判定阈值的计算公式为:

29、

30、式中,为动态参照基线;为计算得到的关联度值;为个体修正系数,。

31、在其中一个实施例中,将当前履职行为数据输入孤立森林算法提取行为特征向量,基于行为特征向量确定得到目标工作人员的履职偏差值,包括:

32、获取目标工作人员的当前履职行为数据。

33、其中,当前履职行为数据包括履职轨迹和权限调用记录。

34、对履职轨迹和权限调用记录执行特征提取,得到第一行为特征向量。

35、获取行为基线矩阵;行为基线矩阵由历史正常履职样本数据训练构建得到。

36、其中,行为基线矩阵包括多条基准行为特征向量,单条基准行为特征向量包括历史正常履职对应的轨迹子特征和权限调用子特征。

37、将第一行为特征向量和行为基线矩阵输入孤立森林算法,得到初始异常评分。

38、当初始异常评分大于偏差阈值时,基于初始异常评分,确定得到目标工作人员的履职偏差值。

39、当初始异常评分不大于偏差阈值时,将履职偏差值置为零。

40、在其中一个实施例中,根据处分风险预警指令构建风险评估矩阵,将风险评估矩阵输入决策树算法确定得到目标工作人员的处分风险等级分类结果,包括:

41、基于履职偏差值、处分风险预警指令、第二风险判定阈值和风险偏好指数,构建风险评估矩阵。

42、其中,风险评估矩阵的维度分别对应履职偏差幅值、预警事件类型、个体风险阈值约束、个体风险倾向和岗位固有风险特征。

43、将风险评估矩阵输入决策树算法,处理得到目标工作人员的处分风险等级分类结果和各类别对应的后验概率分布。

44、当后验概率分布中最大类别概率不低于置信度阈值时,确认处分风险等级分类结果为有效分级输出。

45、处分风险等级分类结果包括一般风险等级、较重风险等级和严重风险等级。

46、在其中一个实施例中,当处分风险等级分类结果匹配严重风险等级时,输出对目标工作人员的风险阻断控制信号,包括:

47、当处分风险等级分类结果匹配严重风险等级时,提取目标工作人员的人员标识。

48、基于人员标识查询行为轨迹数据库,获得目标工作人员的实时行为轨迹。

49、行为轨迹数据库存储多条工作人员行为轨迹记录;其中,单条行为轨迹记录包括人员标识、履职操作时序信息和权限调用事件。

50、将实时行为轨迹输入支持向量机算法,解析得到异常操作指令。

51、支持向量机经标注异常操作标签的历史行为轨迹样本训练,用于识别实时行为轨迹当中的违规操作行为。

52、获取阻断策略库,对异常操作指令与阻断策略库内的映射条目执行匹配处理,确定对应的权限状态变更参数。

53、其中,阻断策略库由权限管控规则和历史风险阻断案例构建得到,阻断策略库内部存储多条异常操作指令和权限状态变更参数之间的映射条目。

54、基于权限状态变更参数,生成风险阻断控制信号。

55、第二方面,本技术还提供了一种基于多源履职数据的工作人员处分风险智能预警系统,系统包括:

56、部门基线构建模块,用于获取多源部门履职数据;将多源部门履职数据输入长短期记忆网络提取得到履职特征向量,基于履职特征向量计算得到动态参照基线。

57、个体阈值生成模块,用于获取目标工作人员的历史信用记录和当前业务负荷数据,对历史信用记录和当前业务负荷数据进行特征处理得到风险偏好指数;还用于计算动态参照基线与风险偏好指数之间的关联度,基于关联度生成目标工作人员的初始风险判定阈值;当当前业务负荷数据大于负荷阈值时,采用负荷放大系数对初始风险判定阈值执行放大处理,得到第一风险判定阈值;当历史信用记录低于信用阈值时,采用信用收缩系数对第一风险判定阈值执行缩小处理,得到第二风险判定阈值。

58、履职偏差计算模块,用于获取目标工作人员的当前履职行为数据;将当前履职行为数据输入孤立森林算法提取行为特征向量,基于行为特征向量确定得到目标工作人员的履职偏差值。

59、风险阻断输出模块,用于当履职偏差值超出第二风险判定阈值时,生成对目标工作人员的处分风险预警指令;还用于根据处分风险预警指令构建风险评估矩阵,将风险评估矩阵输入决策树算法确定得到目标工作人员的处分风险等级分类结果;还用于当处分风险等级分类结果匹配严重风险等级时,输出对目标工作人员的风险阻断控制信号。

60、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如前方法。

61、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前方法。

62、上述一种基于多源履职数据的工作人员处分风险智能预警方法、系统、计算机设备及存储介质,首先获取多源部门履职数据,将多源部门履职数据输入长短期记忆网络提取履职特征向量,并基于履职特征向量计算得到动态参照基线;再获取目标工作人员的历史信用记录和当前业务负荷数据,对历史信用记录以及当前业务负荷数据开展特征处理,得到风险偏好指数。计算动态参照基线与风险偏好指数二者之间的关联度,依据该关联度生成目标工作人员的初始风险判定阈值;当当前业务负荷数据大于负荷阈值时,利用负荷放大系数对初始风险判定阈值进行放大处理,输出第一风险判定阈值;当历史信用记录低于信用阈值时,利用信用收缩系数对第一风险判定阈值进行缩小处理,输出第二风险判定阈值。进一步获取目标工作人员的当前履职行为数据,将当前履职行为数据输入孤立森林算法提取行为特征向量,并基于行为特征向量确定目标工作人员的履职偏差值;在履职偏差值超出第二风险判定阈值的条件下,生成针对目标工作人员的处分风险预警指令;依托处分风险预警指令构建风险评估矩阵,将风险评估矩阵输入决策树算法,输出目标工作人员的处分风险等级分类结果;当处分风险等级分类结果匹配严重风险等级时,输出针对目标工作人员的风险阻断控制信号。

63、本发明根据多源部门履职数据构建部门层面的动态参照基线,结合工作人员历史信用记录与当前业务负荷数据生成风险偏好指数,通过关联度计算完成初始风险判定阈值的生成,并结合业务负荷、历史信用两个维度对阈值做缩放修正得到第二风险判定阈值,实现风险判定标准随部门整体履职状态、个体信用水平与业务压力自适应调整,规避固定阈值带来的误预警与漏判问题;通过孤立森林算法对当前履职行为数据进行解析得到履职偏差值,在偏差超限后触发预警指令,再通过风险评估矩阵输入决策树算法完成风险等级量化分级,针对严重风险等级输出风险阻断控制信号,提升工作人员履职风险识别的客观性与分级处置的针对性,能够为政务履职监督提供可落地的智能化技术支撑。