浅谈数据挖掘技术在信访工作中应用.docVIP

浅谈数据挖掘技术在信访工作中应用 　　【摘 要】当前，我国信访形势总体平稳向好，但信访总量仍在高位运行。如何在海量的信访数据中提炼有用信息，为领导决策服务，是一个值得研究探讨的重要课题。而近年来取得长足进展的数据挖掘技术，则对上述问题的解决提供了较好的方案。 　　【关键词】数据挖掘；信访；应用 　　信访工作是党和政府体察民情、了解社情民意的重要渠道，是保持党和政府与人民群众血肉联系的桥梁和纽带，也是人民群众对政府工作满意程度的“晴雨表”。如何通过信访工作这张“晴雨表”，进行分析、监控、预测，提炼有用信息，积极发挥预警功能，为领导决策起到参谋助手作用，是做好当前新时期信访工作的一个重要课题。对此，笔者根据近年来的工作实践，就有效应用数据挖掘，分析研判信访形势，积极发挥信访工作参谋助手作用，谈几点粗浅的看法。 　　一、数据挖掘在信访工作中的必要性和可行性 　　当前，随着我国进入社会转型期，社会生活各方面的矛盾和问题通过信访形式日益显现，信访量还在高位运行，信访对象趋于多元化，信访内容趋于复杂化，信访形式趋于多样化。我们有必要对这些信访问题的形成原因进行深入思考、把握其规律，研究其对策，科学的分析、监控、预测信访的主要矛盾类型、矛盾发展的趋势、矛盾有效化解的方法途径等，对做好信访工作，创新社会治理，维护社会稳定，构建和谐社会，实现中国“梦”，具有重大而深远的意义。信访工作中数据量很大，一个县、市、区一年上万件甚至几万件，一个地级市有十几万件甚至几十万件的群众信访量，光靠人的脑力，已很难对这么海量的数据进行汇总、分析和预测。因此，亟需一种新型的技术手段来实现对信访数据的分析、管理。当前，信访工作已基本实现了办公自动化、信息化和网络化，各级都建立了信访信息系统，为数据挖掘技术在信访工作中的有效应用提供了可行性基础。同时，当前信访工作中对数据的分析、研判、预测等，还是一个相对薄弱环节，普遍存在着“数据丰富、信息贫乏”的情况，还跟不上形势发展的要求。因而，数据挖掘在信访工作中正是用武之地，有着广阔的应用空间。 　　二、数据挖掘在信访工作的作用和功能 　　数据挖掘，就是从存放在数据库或其他信息库中的大量、不完全、有噪声、模糊、随机的数据中，抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。通俗的说，就是从大量的数据中挖掘出有用的信息，供人们的特定需求使用。通过对信访历史数据的学习，建立排摸预测模型，针对信访人员主要指标的发现、提炼、分析，实现对信访人员特别是越级访和非访人员下一步行为和人数的预测，进行预排摸，为事件提前处置提供决策意见和建议。 　　数据挖掘功能用于指定数据挖掘任务要找的模式类型。一般而言，数据挖掘任务可以分为两类：描述和预测。描述性挖掘任务描述数据库中数据的一般性质。预测性挖掘任务对当前的数据进行推断，以做出预测。数据挖掘功能以及他们可以发现的模式类型主要有：（1）概念/类描述（定性与对比）：通常是对一个包含大量数据的数据集合总体情况的概述。如从信访数据中挖掘出信访基本情况的概念描述。所涉及的属性包括：信访总量，来访、来信、来电、网上信访量，越级访量，与上一年同期对比情况，反映问题的类别，按时交办情况，办结情况，是否满意等。（2）关联分析：就是从给定的数据集中发现频繁出现的关联规则。如对越级访和拆迁户数据进行关联，可以发现赴京访绝大部分都是拆迁户。（3）分类和预测：分类就是找出一组能够描述数据集合典型特征的模型，以便能够分类识别未知数据的归属或类别，即将未知事例映射到某种离散类。如责任单位对处理信访问题的态度分为积极、一般和消极，再利用分类挖掘对信访问题的类别进行挖掘，如建议类的、工作未到位类的、需投入资金类的、举报违纪类的等，就可以预测责任单位对处理具体问题的态度、办结率和群众满意率等，从而可以有针对性的加强对此类问题的督查督办。（4）聚类分析：将一组物理的或抽象的对象，根据它们之间的相似程度，分为若干组，其中相似的对象构成一组，这一过程就称为聚类过程。如对“五八城迁”、民办教师、企退人员、电影放映员、征地拆迁人员等的居住地进行聚类，可以得出哪几个镇街是该类信访问题的主要聚集地，以便有针对性的加强这些镇街的工作力度。（5）异类分析：一个数据库中的数据一般不可能都符合分类预测或聚类分析所获得的模型。那些不符合大多数数据对象所构成的规律（模型）的数据对象就被称为异类。之前许多数据挖掘方法都在正式进行数据挖掘之前就将这些异类作为噪声或意外而将其排除在数据挖掘的分析处理范围之内。但在一些应用场合，如各种异常访行为的自动检测，小概率发生的事件往往比经常发生的事件更有挖掘价值。如：可以根据信访人信访途径、上访地点、信访频率、过激言行等情况，来发现异常访行为（异类数据）。（6）演化分析：就是对随时间变化的数据对象的变化规律和趋势进行