【技术实现步骤摘要】
本专利技术涉及采购管理，特别涉及一种基于人工智能学习的政府采购风险监督预测方法及系统。
技术介绍
1、近年来，为了提高政府采购项目在应急处置和社会稳定方面的能力，各地纷纷投入大量资源进行相关项目装备和设备的采购。政府往往通过招标采购方式实施了成百数千个项目，涉及巨额资金，成为全省地市中最大的采购力量，也在全国省级城市中具有较高影响力。然而，在庞大的采购规模中，如何依法依规进行采购，提升内部防范能力，预防采购过程中的不诚信行为，成为所有采购人需要重视的问题，因此本专利技术提出一种基于人工智能学习的政府采购风险监督预测方法及系统。
技术实现思路
1、本专利技术提供一种基于人工智能学习的政府采购风险监督预测方法及系统，建立采购风险预测模型，实现采购项目的全程风险监测，可以及时发现采购不诚实问题，尽可能地预防和降低采购过程中的不诚信行为导致损失，有效提高政府内部的防范能力，在发现风险时，快速提醒风险采购项目相关责任人，方便采取相应的措施避免风险的进一步扩大，并根据风险等级评估结果以及风险采购项目每个环节的职责和权限，生成风险项目处理结果，为风险采购项目的处理提供针对性的指导和规范。
2、本专利技术提供一种基于人工智能学习的政府采购风险监督预测方法，包括：
3、步骤1：基于采购风险预测模型，对有效采购项目进行风险预测，获得项目异常风险值，判断有效采购项目是否为风险采购项目；
4、步骤2：当确定有效采购项目为风险采购项目时，对风险采购项目进行风险等级评估，根
5、步骤3：根据风险等级评估结果以及风险采购项目每个环节的职责和权限，生成风险项目处理结果。
6、优选的，在一种基于人工智能学习的政府采购风险监督预测方法中，步骤1，包括：
7、按照预设时间间隔，获取有效采购项目列表；
8、基于采购风险预测模型，分别对有效采购项目列表中的多个有效采购项目按照预设顺序进行风险预测，获得项目异常风险值；
9、基于项目异常风险值，分别对多个有效采购项目进行风险判断；
10、当项目异常风险值大于预设值时，判定有效采购项目为风险采购项目；
11、否则，判定有效采购项目为非风险采购项目。
12、优选的，在一种基于人工智能学习的政府采购风险监督预测方法中，还包括：
13、采集大量历史风险采购项目对应的全局历史采购数据，并获取各个历史风险采购项目的处理结果；
14、确定历史风险采购项目各个采购子项目对应的负责人，获得责任人名单，将处理结果内的处罚名单与责任人名单进行对比，确定风险采购项目对应的问题子项目；
15、根据问题子项目，对历史采购数据中各个问题子项目对应的采购数据进行风险标记，确定每个采购项目对应的风险数据；
16、对风险数据进行风险特征提取，获得特征数据集，并根据特征数据集，建立训练集和测试集；
17、基于训练集和测试集对深度学习神经网络进行训练测试，获得采购风险预测模型。
18、优选的，在一种基于人工智能学习的政府采购风险监督预测方法中，步骤2，包括：
19、获取风险采购项目对应的风险值，结合预设等级分类，确定风险采购项目对应的风险等级，并根据所述风险等级，生成对应等级的风险预警；
20、同时，获取风险采购项目对应的项目责任人名单，基于项目责任人名单，生成风险预警发送目标人物名单；
21、根据目标人物名单同步发送风险预警，并生成预警记录进行存储。
22、优选的，在一种基于人工智能学习的政府采购风险监督预测方法中，在获取风险采购项目对应的项目责任人名单，基于项目责任人名单，生成风险预警发送目标人物名单的同时，还包括：
23、获取风险采购项目对应的风险值，结合预设等级分类，确定风险采购项目对应的风险等级，并根据所述风险等级，生成对应等级的风险预警。
24、本专利技术提供一种基于人工智能学习的政府采购风险监督预测系统，包括：
25、风险判断模块，用于基于采购风险预测模型，对有效采购项目进行风险预测，获得项目异常风险值，判断有效采购项目是否为风险采购项目；
26、风险预警模块，用于当确定有效采购项目为风险采购项目时，对风险采购项目进行风险等级评估，根据风险等级评估结果，生成风险预警发送至目标人物；
27、处理生成模块，用于根据风险等级评估结果以及风险采购项目每个环节的职责和权限，生成风险项目处理结果。
28、优选的，在一种基于人工智能学习的政府采购风险监督预测系统中，风险判断模块，包括：
29、自主获取单元，用于按照预设时间间隔，获取有效采购项目列表；
30、智能预测单元，用于基于采购风险预测模型，分别对有效采购项目列表中的多个有效采购项目按照预设顺序进行风险预测，获得项目异常风险值；
31、智能判断单元，用于基于项目异常风险值，分别对多个有效采购项目进行风险判断；
32、当项目异常风险值大于预设值时，判定有效采购项目为风险采购项目；
33、否则，判定有效采购项目为非风险采购项目。
34、优选的，在一种基于人工智能学习的政府采购风险监督预测系统中，还包括：
35、预测准备模，用于采集大量历史风险采购项目对应的全局历史采购数据，并获取各个历史风险采购项目的处理结果；
36、确定历史风险采购项目各个采购子项目对应的负责人，获得责任人名单，将处理结果内的处罚名单与责任人名单进行对比，确定风险采购项目对应的问题子项目；
37、根据问题子项目，对历史采购数据中各个问题子项目对应的采购数据进行风险标记，确定每个采购项目对应的风险数据；
38、对风险数据进行风险特征提取，获得特征数据集，并根据特征数据集，建立训练集和测试集；
39、基于训练集和测试集对深度学习神经网络进行训练测试，获得采购风险预测模型。
40、优选的，在一种基于人工智能学习的政府采购风险监督预测系统中，风险预警模块，包括：
41、预警人物确定单元，用于获取风险采购项目对应的项目责任人名单，基于项目责任人名单，生成风险预警发送目标人物名单；
42、预警发送记录单元，用于根据目标人物名单同步发送风险预警，并生成预警记录进行存储。
43、优选的，在一种基于人工智能学习的政府采购风险监督预测系统中，风险预警模块，还包括：
44、等级信号生成单元，用于获取风险采购项目对应的风险值，结合预设等级分类，确定风险采购项目对应的风险等级，并根据所述风险等级，生成对应等级的风险预警。
45、与现有技术相比，本专利技术至少存在以下有益效果：
46、本专利技术建立采购风险预测模型，对有效采购项目进行风险预测，获得项目异常风险值，判断有效采购项目是否为风险采购项目，实本文档来自技高网...
【技术保护点】
1.一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，步骤1，包括：
3.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，还包括：
4.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，步骤2，包括：
5.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，在获取风险采购项目对应的项目责任人名单，基于项目责任人名单，生成风险预警发送目标人物名单的同时，还包括：
6.一种基于人工智能学习的政府采购风险监督预测系统，其特征在于，包括：
7.根据权利要求6所述的一种基于人工智能学习的政府采购风险监督预测系统，其特征在于，风险判断模块，包括：
8.根据权利要求6所述的一种基于人工智能学习的政府采购风险监督预测系统，其特征在于，还包括：
9.根据权利要求6所述的一种基于人工智能学习的政府采购风险监督预测系统
10.根据权利要求9所述的一种基于人工智能学习的政府采购风险监督预测系统，其特征在于，风险预警模块，还包括：
...【技术特征摘要】
1.一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，步骤1，包括：
3.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，还包括：
4.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，步骤2，包括：
5.根据权利要求1所述的一种基于人工智能学习的政府采购风险监督预测方法，其特征在于，在获取风险采购项目对应的项目责任人名单，基于项目责任人名单，生成风险预警发送目...
【专利技术属性】
技术研发人员：史善春，陆满标，李欣潼，
申请(专利权)人：广东铭太信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。