一种基于大数据的政务信息智能融合系统及方法与流程

1.本发明涉及政务信息融合技术领域，具体涉及一种基于大数据的政务信息智能融合系统及方法。


背景技术：

2.现有政务信息系统存在以下问题：一方面，政务信息资源整合和管理不够系统、统一；另一方面，政务信息大数据分析能力较弱，导致政务决策支持不够全面。本发明通过整合公共信息资源，实现政务信息的大数据分析、决策支持和决策执行的自动化，从而改善政务决策的效率和质量。它能够解决政务信息资源整合和管理、政务信息大数据分析以及政务决策支持的技术问题。例如，在社会保障领域，政府可以利用大数据政务信息智能融合系统，整合各种政府信息资源，分析社会保障信息，及时发现异常或不规范情况，提升社会保障服务效率和质量。


技术实现要素：

3.为此，本发明提供一种基于大数据的政务信息智能融合系统及方法，以解决现有政务信息系统存在的政务信息资源整合和管理不够系统、统一，政务信息大数据分析能力较弱，导致政务决策支持不够全面的问题。
4.为了实现上述目的，本发明提供如下技术方案：
5.根据本发明实施例的第一方面，提出一种基于大数据的政务信息智能融合系统，所述系统包括应用层、服务层、治理层、汇聚层以及基础层；
6.所述应用层用于支持包括领导驾驶舱、多角色工作台、分类业务台账、在线数据报告和可信信息公告的多种应用场景，实现多终端访问和操作管理；
7.所述服务层用于提供包括数据智能检索服务、数据智能推荐服务、数据可视化服务、可信数据流通服务、智能信息处理服务、智能数据分析服务、互联网数据抓取服务和即时通讯服务；
8.所述治理层用于融合业务中台和数据中台能力，所述业务中台包括：信息模型管理、业务逻辑管理和功能逻辑管理；所述数据中台包括：数据服务治理、资源目录管理和数据质量规则；
9.所述汇聚层用于通过数据集成平台、数据共享平台、数据可信平台，实现各类数据源底层的互联互通，各类数据的共享以及上链可信数据验证与供给；
10.所述基础层用于通过对互联网、物联网和智联网底层硬件设施的集成，对外实现人工智能服务、可信区块链服务和大数据计算服务与应用创新中心。
11.进一步地，人工智能服务架构具体包括：
12.智能应用层，用于通过多种形式与渠道，实现智能应用场景，包括语义搜索、智能推荐、专家建议；
13.智能服务层，用于以机器学习/深度学习为基础训练各类模型，通过api网关，基于
ai通用服务、ai开发服务和ai定制服务为上层应用提供基础的人工智能服务组件和功能；
14.基础处理层，用于采用主流技术平台的分布式基础框架，建立从基础数据中抽取的结构化信息与所创建的机器学习、知识图谱中的实体、属性、实体间相互关系的映射关系，为上层智能服务组件和功能提供共用的基础环境；
15.数据采集层，用于面向不同来源、不同结构的基础数据，中提取出实体、属性以及实体间的相互关系实现统一采集，统一清洗、转换和加载，为上层环境提供高质量的数据源，所述基础数据包括结构化数据或非结构化数据。
16.进一步地，可信区块链服务架构具体包括：
17.业务应用层，用于区块链服务应用于各大行业的多种场景中，让各组织业务应用对接区块链平台，保证业务数据可信、安全；
18.区块链平台层，用于提供区块链技术服务平台，包括服务管理、通道管理、成员管理模块，帮助快速创建、方便管理、高效运维区块链网络，为上层应用提供企业级区块链系统；
19.基础设施层，用于创建区块链网络需要使用的底层资源，包括节点计算资源、存储资源，用于网络中数据计算及存储；
20.安全管理层，用于由安全保障体系支撑，通过创新的加密算法组成，为区块链节点、账本、智能合约以及上层应用提供全方位的安全保障。
21.进一步地，所述区块链平台层采用成熟的技术架构，为应用创新中心人员提供了包括cli终端、事件模块、sdk、链码api的接口，为上层应用提供了包括身份管理、账本管理、交易管理、智能合约管理、成员关系服务、共识服务、链码服务、安全与密码服务的区块链服务。
22.进一步地，大数据计算服务架构具体包括：
23.应用展示层，用于提供基于预设的数据模型，使用数据分析，用户通过选择数据仓库，进行交互式查询引擎，具体形式包括：大数据智能检索、智能数据分析、智能报表、电子政务网智能评估等能力；
24.服务支撑层，用于提供通用的数据服务、数据治理与数据标签的服务提供能力，对应用展示层进行有效的服务支撑；
25.数据集市层，用于提供各类数据接入到大数据计算服务的采集、汇聚、计算、开发、分析和模型建立的能力；
26.数据源层，指各类系统的关系型、非关系型数据库，日志，消息队列等原始数据；
27.运营管理层，用于提供统一的数据运维、运营管理，包括集群部署，弹性伸缩，作业管理，资源标签管理的能力。
28.进一步地，数据体系架构包括：
29.数据主题体系：通过数据汇聚，按照数据仓库面向主题建模方法，围绕人员、公文、会议、应急、绩效、流程等核心业务主题，经过包括数据清洗、标准化、打散、重组、归类的手段形成的基础主题库和共性专题库，是所有数据应用和专题库的基础数据来源；
30.数据标准体系：在电子政务数据标准体系基础上，基于本地业务情况，扩展省级数据标准体系，形成本地数据标准体系，将数据标准体系服务化，各应用能够快速获取数据标准体系进行对标；
31.数据服务体系：封装和开发各平台的能力以及数据形成共性、统一的服务体系，并建成统一服务目录，包括数据接口服务、索引服务、数据鉴权服务、标签服务、模型服务、算法服务、元数据服务等；
32.数据标签体系：针对核心主数据通过统计、规则处理、机器学习等手段进行标签化处理；
33.数据指标体系：由若干个反映业务总体总体数量特征的相对独立又相互联系的统计指标所组成的有机整体；
34.数据模型体系：通用的、共性的关系分析模型、关联分析模型、机器学习模型等，并形成体系化的模型目录和市场，固化业务经验。
35.根据本发明实施例的第二方面，提出一种基于大数据的政务信息智能融合方法，所述方法基于如上任一项所述的基于大数据的政务信息智能融合系统实现，所述方法包括：
36.通过多源数据融合的数据接口获取多源政务信息资源数据，对采集的政务信息资源数据进行整合和多源融合处理并建立政务信息资源库；
37.提供基于区块链的可信政务数据能力，实现电子证照在多部门间依职能共享，数据存储在分布式的区块链上，通过智能合约和共识机制保证数据的安全性，通过分布式账本技术可以实现多方数据可追溯性，通过应用加密技术保护数据隐私；
38.采用包括机器学习、深度学习、自然语言处理的人工智能技术对政务信息进行智能关联分析获取政务信息的关联性分析结果，所述关联性分析结果用于提供政务决策的参考依据，利用智能决策支持系统支持政务决策，并通过预设规则和算法执行决策。
39.进一步地，对采集的政务信息资源数据进行整合和多源融合处理，具体包括：
40.将不同数据源的数据进行抽取、匹配以及融合并进行语义分析，形成新的数据存储格式，利用ai技术、大数据技术对融合后的数据再进行挖掘，以满足业务需求。
41.进一步地，采用包括机器学习、深度学习、自然语言处理的人工智能技术对政务信息进行智能关联分析，具体包括：
42.利用文本分类算法，根据政务信息的关键词将政务信息进行系统化的分类和分析，从而获取政务信息之间的关联性分析结果；
43.利用聚类算法，通过政务信息的文本特征来聚类，以形成政务信息的簇集，从而获取相关的政务信息之间的关联性分析结果。
44.根据本发明实施例的第三方面，提出一种电子设备，所述电子设备包括：
45.一个或多个处理器；
46.存储器；
47.一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如上任一项所述的方法。
48.本发明具有如下优点：
49.本发明提出的一种基于大数据的政务信息智能融合系统及方法，通过整合公共信息资源，实现政务信息的大数据分析、决策支持和决策执行的自动化，从而改善政务决策的效率和质量。它能够解决政务信息资源整合和管理、政务信息大数据分析以及政务决策支持的技术问题。
附图说明
50.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
51.图1为本发明实施例1提供的一种基于大数据的政务信息智能融合系统的架构图；
52.图2为本发明实施例1提供的一种基于大数据的政务信息智能融合系统中人工智能服务总体架构；
53.图3为本发明实施例1提供的一种基于大数据的政务信息智能融合系统中区块链平台层架构图；
54.图4为本发明实施例1提供的一种基于大数据的政务信息智能融合系统中区块链平台层运行状态图；
55.图5为本发明实施例1提供的一种基于大数据的政务信息智能融合系统中数据体系架构图；
56.图6为本发明实施例1提供的一种基于大数据的政务信息智能融合系统中领导管理驾驶舱架构图；
57.图7为本发明实施例1提供的一种基于大数据的政务信息智能融合方法的流程图；
58.图8为本发明实施例3提供的电子设备的结构示意图。
具体实施方式
59.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
60.实施例1
61.为了加快数据开放共享，推动资源整合，提升政务信息化水平，加强科学分析决策能力，基于云计算、大数据、人工智能和区块链等新兴技术，构建
″
先进、实用、开放、高效
″
的可信政务信息化平台，协助全面政务信息化落地，数据资产沉淀和知识资产积累，打造精细化信息化现代化的政务管理新模式。
62.平台能力：
63.(1)构建统一信息平台，融合多源数据
64.在
″
互联网+
″
时代背景下，政务数据不仅包含各级各部门已有的数据和信息，同时还需要涵盖来自互联网的文本、图片、音视频等公开数据，可信政务信息化平台具备灵活汇聚和处理多源、多种类数据的能力。
65.(2)规范政务信息管理机制，实现数据全生命周期管控
66.实现
″
数据模型标准化、数据关系脉络化、数据加工可视化、数据质量度量化
″
，将多源、多种类的各部门数据加工成标准、清洁的数据资产支撑日常工作运转和科学决策支持。
67.(3)建立政务信息协同共享机制，提升信息服务能力
68.提供基于区块链的可信政务数据能力，实现电子证照在多部门间依职能共享，数据及时同步，隐私保护，防篡改，用证追溯审计等，支撑政务服务多渠道协同，多场景使用。
69.(4)加强信息处理能力，提升政务处理智能化水平
70.引入人工智能处理技术赋能各领域的政务信息化应用系统，构建传统技术方式难以实现的智能关联分析能力，通过社会数据、政务数据等信息资源整合，提升政府整体数据分析能力，为有效处理复杂管理问题提供新的手段。
71.平台特点：
72.可信政务信息化平台在安全性、稳定性、性能、扩展性、移植性方面都有严格要求，如何确保系统符合组织技术标准，解除运行过程中的后顾之忧。
73.(1)国产化、自主可控
74.信息化技术的自主可控已经上升到国家战略，在方案设计及实际的项目开发中，采用拥有自主知识产权的系统平台，可以提供技术系统的源代码。
75.(2)先进性、成熟性
76.在方案设计及实际的项目开发中，采用业界先进的并且己经在实际应用中得到验证的技术，包括数据库技术、中间件技术、组件技术、分布式计算技术等，在系统建设和开发过程中的每个环节，遵循相关国际、国家主流技术标准。
77.(3)扩展性、维护性
78.具备良好的开放性，在设计时考虑现有以及今后业务的可能扩展和系统的扩容，设置充分的扩展接口。系统维护方便，易于管理，提供可视化的管理界面，允许部分用户进行设置。
79.(4)稳定性、可靠性
80.能够全天24小时不间断的稳定运行，单个故障不影响其他模块的操作使用，且能保障故障模块能够及时修复。同时系统的建设依据用户的实际需求，精心定制，在总体技术框架和应用逻辑结构上具有良好的成熟性与可验证性，保障系统的稳定性。
81.(5)安全性、保密性
82.在充分利用已有安全条件的基础上，在设计、开发上确保系统安全，整个系统将具备良好的安全管理功能。
83.本发明实施例提出了一种基于大数据的政务信息智能融合系统，其系统架构如图1所示。
84.平台架构
85.1、总体架构
86.可信政务信息化平台按照标准统一、技术开放、信息共享、应用协同、服务集成的设计思路，采用
″
五层次二体系
″
模式进行整体架构设计。
″
五层次
″
包括应用层、服务层、治理层、汇聚层和基础层，
″
二体系
″
包括安全保障体系和标准规范体系。总体架构如图1所示。
87.(1)应用层
88.通过领导驾驶舱、多角色工作台、分类业务台账、在线数据报告和可信信息公告等应用场景。采用
″
一网、多端
″
应用架构，支持统一数据、统一配置、统一权限管理，实现多终端访问和操作管理。
89.(2)服务层
90.提供数据智能检索服务、数据智能推荐服务、数据可视化服务、可信数据流通服务、智能信息处理服务、智能数据分析服务、互联网数据抓取服务和即时通讯服务。
91.(3)治理层
92.融合业务中台和数据中台能力，共同支撑可信政务信息化工作提质增效与创新能力。业务中台包括：信息模型管理、业务逻辑管理和功能逻辑管理；数据中台包括：数据服务治理、资源目录管理和数据质量规则。还包含模型库、基础库、主题库、专题库和应用库等各类数据资源。
93.(4)汇聚层
94.通过数据集成平台、数据共享平台、数据可信平台，实现各类数据源底层的互联互通，各类数据的共享以及上链可信数据验证与供给。
95.(5)基础层
96.通过对互联网、物联网和智联网底层硬件设施的集成，对外实现人工智能服务、可信区块链服务和大数据计算服务与应用创新中心。
97.2、人工智能服务
98.政务数据存在着来源多、内容丰富、格式不统一、非结构化数据占比较大的特点，人工智能服务依托知识图谱、自然语言处理等智能处理技术，充分挖掘政务数据资源，为各类管理工作提供信息提取、精准分析、综合搜索、智能推荐、趋势研判、逻辑推理等技术服务。
99.(1)人工智能应用场景
100.人工智能的发展过程本质上是人类脑力不断解放的过程，越来越多的知识工作将逐步被机器所代替，伴随而来的是形成各种人工智能应用场景使机器生产力的进一步解放。人工智能在应用方面是广泛和多样的，体现在各类场景的精准分析、智能推荐、趋势研判、逻辑推理等方面。
101.①
精准分析：
102.政务系统已经积累了规模可观的数据，但是这些数据并未发挥出应有的价值，很多大数据还需要消耗大量的人工处理成本。这一现象的根本原因在于，建设过程中重汇聚轻分析的模式普遍存在，技术处理方面缺乏机器学习、知识图谱、自然语言处理等技术手段，应用场景与实际工作结合不紧密，分析手段缺乏专业方法论指导，信息资源缺乏知识库提炼等，限制了大数据的精准与精细分析，从而大大降低了大数据的潜在价值。
103.②
综合搜索：
104.综合搜索体现在搜索意图的精准理解和信息关联性处理方面，导致在缺乏场景上下文的场景中，无法快速进准全面获取需要的信息。搜索的对象越来越复杂多元化，以前搜索的对象以文本为主，现在搜索内容包含图片、声音，甚至还包括代码，视频，设计素材等。搜索的粒度也越来越多元化。现在的搜索不仅能做篇章级的搜索，还能做到段落级、语句级、词汇级的搜索，实现跨媒体的综合和关联搜索。
105.③
智能推荐：
106.智能推荐表现在很多方面，比如：基于场景化推荐，建立场景图谱，实现基于场景图谱的精准推荐。以数据+算法+系统为核心，结合领域专家整理的知识和开放语义知识库积累，为用户提供实时内容个性化智能推荐服务。
107.④
智能解释：
108.智能系统的可解释性体现在很多具体任务中，包括解释过程、解释结果、解释关系、解释事实。可以实现政策趋势预测分析，趋势研判等应用场景。
109.⑤
深层关系推理：
110.深层关系推理目的是发现和挖掘深层、潜藏关系。可以实现知事识人，自动分解等应用场景。
111.(2)人工智能服务架构
112.人工智能服务依托知识图谱、认知智能等前沿技术，分为知识服务体系层、领域知识图谱层和领域知识获取层。总体架构如下图2所示：
113.①
智能应用层：
114.通过多种形式与渠道，实现智能应用场景。比如，语义搜索、智能推荐、专家建议等。
115.②
智能服务层：
116.以机器学习/深度学习为基础训练各类模型，通过api网关，基于ai通用服务、ai开发服务和ai定制服务为上层应用提供基础的人工智能服务组件和功能。
117.③
基础处理层：
118.采用主流技术平台的分布式基础框架，建立从基础数据中抽取的结构化信息与所创建的机器学习、知识图谱中的实体、属性、实体间相互关系的映射关系。为上层智能服务组件和功能提供共用的基础环境。
119.④
数据采集层：
120.面向不同来源、不同结构的基础数据(包括结构化数据或非结构化数据)中提取出实体、属性以及实体间的相互关系实现统一采集，统一清洗、转换和加载，为上层环境提供高质量的数据源。
121.2、可信区块链服务
122.(1)区块链的概念和特征
123.区块链(blockchain)是一系列现有成熟技术的有机组合，它对类似台账的关键信息进行分布式的有效记录，并且提供完善的脚本以支持不同的业务逻辑。在典型的区块链系统中，数据以区块为单位产生和存储，并按照时间顺序连成链式数据结构。所有节点共同参与区块链系统的数据验证、存储和维护。新区块的创建通常需得到全网多数节点的确认，并向各节点广播实现全网同步，之后不能更改或删除。从外部来看，区块链系统应具备如下特征：
124.①
多方写入，共同维护：
125.区块链的记账参与方由多个利益不完全一致的实体组成，并且在不同的记账周期内，由不同的参与方主导发起记账，而其他的参与方将对主导方发起的记账信息进行共同验证。
126.②
公开台账：
127.区块链系统记录的账本处于所有参与者被允许访问的状态，为了验证区块链记录的信息的有效性，记账参与者必须有能力访问信息内容和账本历史。但是公开账本指的是可访问性的公开，并不代表信息本身的公开。因此设计了隐私保护方面的能力，如零知识证
明、同态加密、门限加密等，应用到区块链领域，以解决通过密文操作就能验证信息有效性的问题。
128.③
去中心化：
129.区块链应当是不依赖于单一信任中心的系统，在处理仅涉及链内封闭系统中的数据时，区块链本身能够创造参与者之间的信任。但是在某些情况下，如身份管理等场景，不可避免的会引入外部数据，并且这些数据需要可信第三方的信任背书，此时对于不同类型的数据，其信任应来源于不同的可信第三方，而不是依赖于单一的信任中心。在这种情况下，区块链本身不创造信任，而是作为信任的载体。
130.④
不可篡改：
131.作为区块链最为显著的特征，不可篡改性是区块链系统的必要条件，而不是充分条件，有很多基于硬件的技术同样可以实现数据一次写入，多次读取且无法篡改，典型的例子如一次性刻录光盘。区块链的不可篡改基于密码学的散列算法，以及多方共同维护的特性，但同时由于这个特性。
132.(2)可信区块链服务架构
133.可信区块链服务通过业务应用层、区块链平台层、基础设施层和安全管理能力。提供简单易用的区块链服务。
134.①
业务应用层：
135.区块链服务可应用于各大行业的多种场景中，例如电子档案、知识产权、目录区块链，让各组织业务应用对接区块链平台，保证业务数据可信、安全。
136.②
区块链平台层：
137.提供的区块链技术服务平台，包括服务管理、通道管理、成员管理等模块，帮助您快速创建、方便管理、高效运维区块链网络，为上层应用提供企业级区块链系统。
138.③
基础设施层：
139.创建区块链网络需要使用的底层资源，包括节点计算资源、存储资源等，用于网络中数据计算及存储。
140.④
安全管理能力：
141.由安全保障体系支撑，通过创新的加密算法组成，为区块链节点、账本、智能合约以及上层应用提供全方位的安全保障。
142.(3)区块链平台层技术架构
143.区块链平台层采用成熟的技术架构，为应用创新中心人员提供了cli终端、事件模块、sdk、链码api等接口，为上层应用提供了身份管理、账本管理、交易管理、智能合约管理等区块链服务，如图3所示，具体如下：
144.①
身份管理：
145.获取用户注册证书及其私钥，用于身份验证、消息签名与验签等。
146.②
账本管理：
147.提供多种方式查询与保存账本数据，如查询指定区块号的区块数据。
148.③
交易管理：
149.构造并发送签名提案消息请求背书，检查合法后请求交易排序，并打包成区块，验证交易后提交账本。
150.④
智能合约管理：
151.基于链码api编写智能合约程序，安装链码并实例化后，通过调用链码请求执行更改状态的操作。
152.从底层视角看，区块链技术平台提供了成员关系服务、共识服务、链码服务、安全与密码服务等服务，具体如下。
153.①
成员关系服务：
154.ca节点提供成员登录注册服务，接收申请并授权新用户证书与私钥等，对身份证书生命周期进行管理。基于身份证书实现对成员等资源实体进行认证等权限管理操作，同一个对象内的成员拥有共同信任的根证书。
155.②
共识服务：
156.通过endorser背书节点模拟执行提案消息，请求对模拟执行结果等签名进行背书，再提交到orderer节点共识组件对交易进行排序并打包出块，然后交由committer记账节点验证交易并提交账本。基于gossip消息协议提供p2p网络通信机制，实现高效数据分发与状态同步，确保节点账本的一致性。
157.③
链码服务：
158.基于容器提供隔离运行环境执行链码，支持多种语言开发的链码程序(智能合约)，具有良好的可扩展性，提供完善的镜像文件仓库管理机制，支持快速环境部署与测试。
159.④
安全与密码服务：
160.将安全与密码服务封装为bccsp组件，提供生成密钥、消息签名与验签、加密与解密、获取哈希函数等服务功能，具有可插拔组件特性，能够扩展定制的密码安全服务算法(如国密等)。
161.如图4所示，区块链平台层运行状态，包括client客户端节点、ca节点、endorser背书节点、committer记账节点、leader主节点、orderer排序节点等。
162.(4)区块链与新技术融合
163.区块链技术在传统信息化领域可用作数据安全、数据可信服务(数据一致性)的底层支撑，为下层大数据分析和云计算应用提供独立、可信的数据服务和软件服务。区块链还可以通过与物联网、人工智能等新一代信息技术相结合，延伸到能源管理、智能制造、供应链管理、数字资产交易等业务应用中，促进其在能源业务的优化与创新。
164.①
区块链与大数据：
165.由于区块链技术采用一种递增的数据存储方法，因此随着时间的推移区块链中数据也会随之增加，从而区块具备大数据的相关特点。
166.区块数据的分布式存储特性，体现在大规模对等节点的数据存储中，通过定期的数据共识过程，不仅实现了对等节点的数据一致性，而且实现了数据的抗攻击能力，可用来增强核心数据的安全性。
167.具体应用过程中，可在数据进链、上链和出链三个阶段使用区块链技术加强数据的安全性，提升数据的可信度。
168.②
区块链与云计算：
169.目前主流技术平台将区块链技术用作云平台中的一种新型数据服务技术，即
″
区块链即服务
″
，统一向外提供数据服务和智能合约服务。区块链技术可与云计算的各层结
合，利用云计算提供共享的资源与服务平台，极大提升区块链的服务质量并同时提升云环境的安全性与服务可靠性。
170.在基础资源层，区块链技术与资源池技术相结合，一方面可提高区块链服务的数据存储能力和共识运算效率，另一方面可实现对云环境中接入资源的可信认证，实现可信、可追溯的资源管控。
171.在平台服务层，区块链技术作为一种有效的服务认证手段，可实现对paas平台中不同服务进行可信认证，并保证各自服务调用过程中的一致性，提升服务调用过程的安全性。
172.在软件服务层，区块链智能合约技术作为一种有效的授权手段，可实现有权限的软件授权使用功能，增强软件调用过程链的服务功能，提高自动化执行能力，提升运行效率。
173.③
区块链与物联网：
174.区块链的去中心化特性为物联网自我治理提供了方法，可帮助物联网设备理解不同设备间关系，实现对分布式物联网的去中心化控制。
175.区块链技术可提升物联网环境中的设备安全性。通过利用区块链技术的不可篡改和可追溯特性，实现对接入设备的可信认证，从而提升物联网环境中的设备安全性。
176.区块链技术可增强物联网中设备的通信安全性。通过利用区块链中非对称加密算法与共识机制，实现对通信信道的切片化管理，提升数据传输的效率与安全性。
177.通过在设备层、网络层、服务层和应用层使用区块链技术，提高物联网设备通信过程中的通道切片管理能力和数据传输安全能力。
178.④
区块链与人工智能：
179.人工智能技术随着当今硬件计算能力的增强与数据存储手段的发展，已成为一种通用的核心技术，可被大量应用在不同领域。区块链技术所支持的数据可追溯与不可篡改特w性，是人工智能技术中数据分析与数据挖掘的基础，也是人工智能技术目前最需要的核心保证。因为只有基于可信数据的分析与学习算法，才具备数据分析意义，因此区块链将通过底层数据支撑的方式与上层人工智能技术紧密结合。
180.区块链技术中的智能性体现在智能合约领域和时序数据分析两方面。安全、高效、准确的执行智能合约是智能技术的核心，需要结合人工智能的场景分析能力、智能判断能力提升合约执行效率。在时序数据分析领域，通过区块数据的时序性与不可篡改性，提升数据分析的可信程度，加速数据挖掘过程的学习。
181.3、大数据计算服务
182.大数据的管理和应用是互联网时代面临的重要挑战：各领域各环节产生的数据量越来越大，数据种类越来越多，数据产生的速度越来越快。传统的数据处理技术，比如说单机存储，关系数据库已经无法解决这些新的大数据问题。
183.大数据计算服务采用成熟、稳定的分布式计算技术，充分利用集群的计算和存储能力，完成海量数据的处理。支持分布式计算、分布式数据存储、分布式内存计算和分布式流数据计算，具备在后续根据业务需要进行快速定制开发的能力，帮助政府快速构建海量数据信息处理系统，并通过对海量信息数据实时与非实时的分析挖掘。
184.(1)大数据计算服务架构
185.大数据计算服务采用
″
四层和运营管理
″
模式进行整体架构设计。
″
四层
″
包括应用展示、服务支撑、数据集市和数据源，
″
运营管理
″
提供大数据计算服务的集中的数据运维、运营管理。
186.①
应用展示层：
187.提供基于预设的数据模型，使用数据分析，用户可以选择数据仓库，进行交互式查询引擎，具体形式包括：大数据智能检索、智能数据分析、智能报表、电子政务网智能评估等能力。
188.②
服务支撑层：
189.提供了通用的数据服务、数据治理与数据标签的服务提供能力，对应用展示层进行有效的服务支撑。
190.③
数据集市层：
191.提供各类数据接入到大数据计算服务的采集、汇聚、计算、开发、分析和模型建立的能力。
192.④
数据源层：
193.主要是指各类系统的关系型、非关系型数据库，日志，消息队列等原始数据。
194.⑤
运营管理：
195.运营管理提供了统一的数据运维、运营管理，包括集群部署，弹性伸缩，作业管理，资源标签管理的能力。
196.(2)数据体系架构
197.数据体系主要是指围绕数据应用需求和业务场景，对全量数据资源通过归类、组织、汇总、计算等手段，形成体系化的、共性的、通用的数据结构，为数据应用的提供核心生产资料。如图5所示，主要包括以下内容：
198.①
数据主题体系：
199.通过数据汇聚，按照数据仓库面向主题建模方法，围绕人员、公文、会议、应急、绩效、流程等等核心业务主题，经过数据清洗、标准化、打散、重组、归类等手段形成的基础主题库和共性专题库，是所有数据应用和专题库的基础数据来源。
200.②
数据标准体系：
201.在电子政务数据标准体系基础上，基于本地业务情况，扩展省级数据标准体系，形成本地数据标准体系，将数据标准体系服务化，各应用能够快速获取数据标准体系进行对标。
202.③
数据服务体系：
203.封装和开发各平台的能力以及数据形成共性、统一的服务体系，并建成统一服务目录，包括数据接口服务、索引服务、数据鉴权服务、标签服务、模型服务、算法服务、元数据服务等。
204.④
数据标签体系：
205.针对核心主数据(人、公文等)通过统计、规则处理、机器学习等手段进行标签化处理；
206.⑤
数据指标体系：
207.由若干个反映业务总体总体数量特征的相对独立又相互联系的统计指标所组成
的有机整体。
208.⑥
数据模型体系：
209.通用的、共性的关系分析模型、关联分析模型、机器学习模型等，并形成体系化的模型目录和市场，固化业务经验。
210.(3)数据可视化
211.数据可视化搭建为人工智能服务提供从数据、算法、训练、模型、服务全流程可视化能力，可以实现快速搭建可视化数据呈现页面。
212.数据可视化搭建：
213.丰富多样的可视化组件：提供丰富的可视化组件，包括常用的数据图表、图形、控件等。
214.专业级地理信息可视化：支持绘制地理轨迹、地理飞线、热力分布、地域区块、3d地球等效果，支持地理数据多层叠加。
215.图形化编辑界面：拖拽即可完成组件自由配置与布局、所见即所得，无需编程就能轻松搭建可视化大屏，并且依据投放设备分辨率，自由定制大屏尺寸。
216.多种数据源支持：无缝集成数据仓库服务、数据湖探索、关系型数据库、对象存储服务等，支持本地csv、在线api及企业内部私有云数据。
217.领导管理驾驶舱所具有直观性、全面性、方便性、多维性和可配置性，能极大地辅助政府管理者了解相关决策信息，抓住主要问题和问题的主要方面，对潜在问题提早预警，从而使政府更好地实现对外服务和管理目标。
218.设计驾驶舱系统需要关注关键业务指标体系，内部流程结构、外部模块结构三个方面的内容，具体描述如下，如图6所示。
219.①
直观性
220.进入驾驶舱页面就像进入汽车驾驶舱一样，展现在面前的将是各种各样的图形界面，例如压力表盘等，与汽车驾驶舱不同的是这些图形所反映出来的是政务业务运营过程中各种关键指标的具体数据，这样管理者就能够以动态的方式，更直观、全面地了解到了政务中关键指标的具体情况，从而方便快速地做出下一步决策。
221.②
可配置性
222.领导驾驶舱通过数据可视化搭建平台实现可以灵活配置，根据用户习惯，选择合适的图形来显示想要了解的具体指标，一个图形可以反映多种指标，一种指标可以由多个图形显示的交叉实现模式，配置更加灵活。
223.③
方便性
224.领导驾驶舱配置完成后，可以把这些配置进行保存，要想查看这种配置下的各种指标显示情况，只需进行一步操作就可以实现，真正实现了让用户的操作更加方便的设计思想。
225.④
全面性
226.领导驾驶舱充分考虑到了人们对图形的最佳接受数目，在第一层可配置六个图形，并且在每一个图形的基础上都可以形成相同指标，不同条件，不同图形的的第二层显示，确保了用户能够更全面地对处室及部门中的各个指标进行掌握。
227.⑤
多维性
228.领导驾驶舱真正实现了多用户、不同权限的不同操作，每个有权限的用户都能够配置适合自己的图形，从而能够让各个管理层都能够查看到自己所关心的业务运营指标，从技术和实现上达到了多用户、多权限、多图形、多指标的多维操作的目的。
229.实施例2
230.与上述实施例1相对应的，本实施例提出了一种基于大数据的政务信息智能融合方法，所述方法基于如上实施例1所述的基于大数据的政务信息智能融合系统实现，如图7所示，所述方法包括：
231.s100、通过多源数据融合的数据接口获取多源政务信息资源数据，对采集的政务信息资源数据进行整合和多源融合处理并建立政务信息资源库。
232.通过多源数据融合的接口，实现对不同政务数据来源的数据和信息进行深度和全面的融合处理。将不同数据源的数据抽取、匹配、融合到一起，进行语义分析，形成新的数据存储格式，并利用ai技术、大数据技术对融合后的数据再进行挖掘，以满足业务需求。例如，将互联网文本数据与已有的政务数据进行融合，以提取准确的政务信息，并根据政务信息构建出更丰富、更清晰的政务智能应用场景。
233.多源数据融合是指将不同数据源的数据集成到一个联合数据集中，以提供更加准确、完整的信息。它需要从多源数据中提取有价值的信息，并将其合并到一个完整的数据库中，从而提供更多准确的信息。
234.多源数据融合的数据接口包括：网络数据接口、数据库数据接口、文件数据接口、结构化数据接口等。
235.多源数据融合的处理过程包括：数据清洗、数据格式转换、数据抽取、数据转换、数据聚合等。
236.多源数据融合处理的结果是一个统一的、可查询的数据库，它可以为用户提供更精准的信息，从而提升工作效率。举例来说，政府可以通过多源数据融合的方式，将各个部门的数据集成到一个联合数据库中，以更准确的方式了解全面的政务信息，实现更高效的管理。
237.s200、提供基于区块链的可信政务数据能力，实现电子证照在多部门间依职能共享，数据存储在分布式的区块链上，通过智能合约和共识机制保证数据的安全性，通过分布式账本技术可以实现多方数据可追溯性，通过应用加密技术保护数据隐私。
238.区块链组件的数据处理是通过使用区块链技术来实现的。它的功能是用于构建一个可信的大数据政务信息智能融合系统，以保护公民的数据安全和隐私。
239.区块链组件的作用是：
240.1、通过将数据存储在分布式的区块链上，保护数据的完整性、不可篡改性和可追溯性，有效地防止数据泄露、篡改和伪造。
241.2、通过智能合约和共识机制保证数据的安全性，可以有效地防止数据被非法篡改、泄露或盗用。
242.3、通过分布式账本技术可以实现多方数据可追溯性，从而确保数据的可靠性。
243.4、通过应用加密技术，可以更有效地保护数据的隐私。
244.5、通过提供强大的数据分析功能，可以更有效地分析和获取信息，从而改善政务效率。
245.根据政务信息的需求来进行技术选择，如以太坊，hyperledgerfabric，ripple，corda。
246.s300、采用包括机器学习、深度学习、自然语言处理的人工智能技术对政务信息进行智能关联分析获取政务信息的关联性分析结果，所述关联性分析结果用于提供政务决策的参考依据，利用智能决策支持系统支持政务决策，并通过预设规则和算法执行决策。
247.政务信息的智能关联分析可以采用机器学习、深度学习和自然语言处理结合的人工智能技术来实现。比如，使用文本分类算法，根据政务信息的关键词，将政务信息进行系统化的分类和分析，从而获取政务信息之间的关联性分析。另外，政务信息的智能关联分析使用聚类算法，通过政务信息的文本特征来聚类，以便于形成一个政务信息的簇集，从而获取相关的政务信息之间的关联性分析。关联分析的结果是能够发现政务信息之间的关联性，并有助于形成政策决策的参考依据。
248.本发明实施例提供的一种基于大数据的政务信息智能融合方法中各步骤所执行的具体功能均已在上述实施例1中做了详细介绍，因此这里不做过多赘述。
249.实施例3
250.本发明实施例提出一种电子设备，图8是本发明提供的电子设备的实体结构示意图，该电子设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和通信总线1050，其中，处理器1010、存储器1020、输入/输出接口1030、通信接口1040通过通信总线1050完成相互间的通信。一个或多个程序被存储在存储器1020并被配置为由所述一个或多个处理器1010执行，所述一个或多个程序配置用于执行上述实施例所述的nlp识别与知识库构建方法。
251.实施例4
252.与上述实施例相对应的，本实施例提出了一种计算机存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被一种基于大数据的政务信息智能融合执行如实施例1的方法。
253.虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

技术特征：
1.一种基于大数据的政务信息智能融合系统，其特征在于，所述系统包括应用层、服务层、治理层、汇聚层以及基础层；所述应用层用于支持包括领导驾驶舱、多角色工作台、分类业务台账、在线数据报告和可信信息公告的多种应用场景，实现多终端访问和操作管理；所述服务层用于提供包括数据智能检索服务、数据智能推荐服务、数据可视化服务、可信数据流通服务、智能信息处理服务、智能数据分析服务、互联网数据抓取服务和即时通讯服务；所述治理层用于融合业务中台和数据中台能力，所述业务中台包括：信息模型管理、业务逻辑管理和功能逻辑管理；所述数据中台包括：数据服务治理、资源目录管理和数据质量规则；所述汇聚层用于通过数据集成平台、数据共享平台、数据可信平台，实现各类数据源底层的互联互通，各类数据的共享以及上链可信数据验证与供给；所述基础层用于通过对互联网、物联网和智联网底层硬件设施的集成，对外实现人工智能服务、可信区块链服务和大数据计算服务与应用创新中心。2.根据权利要求1所述的一种基于大数据的政务信息智能融合系统，其特征在于，人工智能服务架构具体包括：智能应用层，用于通过多种形式与渠道，实现智能应用场景，包括语义搜索、智能推荐、专家建议；智能服务层，用于以机器学习/深度学习为基础训练各类模型，通过api网关，基于ai通用服务、ai开发服务和ai定制服务为上层应用提供基础的人工智能服务组件和功能；基础处理层，用于采用主流技术平台的分布式基础框架，建立从基础数据中抽取的结构化信息与所创建的机器学习、知识图谱中的实体、属性、实体间相互关系的映射关系，为上层智能服务组件和功能提供共用的基础环境；数据采集层，用于面向不同来源、不同结构的基础数据，中提取出实体、属性以及实体间的相互关系实现统一采集，统一清洗、转换和加载，为上层环境提供高质量的数据源，所述基础数据包括结构化数据或非结构化数据。3.根据权利要求1所述的一种基于大数据的政务信息智能融合系统，其特征在于，可信区块链服务架构具体包括：业务应用层，用于区块链服务应用于各大行业的多种场景中，让各组织业务应用对接区块链平台，保证业务数据可信、安全；区块链平台层，用于提供区块链技术服务平台，包括服务管理、通道管理、成员管理模块，帮助快速创建、方便管理、高效运维区块链网络，为上层应用提供企业级区块链系统；基础设施层，用于创建区块链网络需要使用的底层资源，包括节点计算资源、存储资源，用于网络中数据计算及存储；安全管理层，用于由安全保障体系支撑，通过创新的加密算法组成，为区块链节点、账本、智能合约以及上层应用提供全方位的安全保障。4.根据权利要求3所述的一种基于大数据的政务信息智能融合系统，其特征在于，所述区块链平台层采用成熟的技术架构，为应用创新中心人员提供了包括cli终端、事件模块、sdk、链码apl的接口，为上层应用提供了包括身份管理、账本管理、交易管理、智能合约管
理、成员关系服务、共识服务、链码服务、安全与密码服务的区块链服务。5.根据权利要求1所述的一种基于大数据的政务信息智能融合系统，其特征在于，大数据计算服务架构具体包括：应用展示层，用于提供基于预设的数据模型，使用数据分析，用户通过选择数据仓库，进行交互式查询引擎，具体形式包括：大数据智能检索、智能数据分析、智能报表、电子政务网智能评估等能力；服务支撑层，用于提供通用的数据服务、数据治理与数据标签的服务提供能力，对应用展示层进行有效的服务支撑；数据集市层，用于提供各类数据接入到大数据计算服务的采集、汇聚、计算、开发、分析和模型建立的能力；数据源层，指各类系统的关系型、非关系型数据库，日志，消息队列等原始数据；运营管理层，用于提供统一的数据运维、运营管理，包括集群部署，弹性伸缩，作业管理，资源标签管理的能力。6.根据权利要求1所述的一种基于大数据的政务信息智能融合系统，其特征在于，数据体系架构包括：数据主题体系：通过数据汇聚，按照数据仓库面向主题建模方法，围绕人员、公文、会议、应急、绩效、流程等核心业务主题，经过包括数据清洗、标准化、打散、重组、归类的手段形成的基础主题库和共性专题库，是所有数据应用和专题库的基础数据来源；数据标准体系：在电子政务数据标准体系基础上，基于本地业务情况，扩展省级数据标准体系，形成本地数据标准体系，将数据标准体系服务化，各应用能够快速获取数据标准体系进行对标；数据服务体系：封装和开发各平台的能力以及数据形成共性、统一的服务体系，并建成统一服务目录，包括数据接口服务、索引服务、数据鉴权服务、标签服务、模型服务、算法服务、元数据服务等；数据标签体系：针对核心主数据通过统计、规则处理、机器学习等手段进行标签化处理；数据指标体系：由若干个反映业务总体总体数量特征的相对独立又相互联系的统计指标所组成的有机整体；数据模型体系：通用的、共性的关系分析模型、关联分析模型、机器学习模型等，并形成体系化的模型目录和市场，固化业务经验。7.一种基于大数据的政务信息智能融合方法，所述方法基于如权利要求1-6中任一项所述的基于大数据的政务信息智能融合系统实现，其特征在于，所述方法包括：通过多源数据融合的数据接口获取多源政务信息资源数据，对采集的政务信息资源数据进行整合和多源融合处理并建立政务信息资源库；提供基于区块链的可信政务数据能力，实现电子证照在多部门间依职能共享，数据存储在分布式的区块链上，通过智能合约和共识机制保证数据的安全性，通过分布式账本技术可以实现多方数据可追溯性，通过应用加密技术保护数据隐私；采用包括机器学习、深度学习、自然语言处理的人工智能技术对政务信息进行智能关联分析获取政务信息的关联性分析结果，所述关联性分析结果用于提供政务决策的参考依
据，利用智能决策支持系统支持政务决策，并通过预设规则和算法执行决策。8.根据权利要求7所述的政务信息智能融合方法，其特征在于，对采集的政务信息资源数据进行整合和多源融合处理，具体包括：将不同数据源的数据进行抽取、匹配以及融合并进行语义分析，形成新的数据存储格式，利用ai技术、大数据技术对融合后的数据再进行挖掘，以满足业务需求。9.根据权利要求7所述的政务信息智能融合方法，其特征在于，采用包括机器学习、深度学习、自然语言处理的人工智能技术对政务信息进行智能关联分析，具体包括：利用文本分类算法，根据政务信息的关键词将政务信息进行系统化的分类和分析，从而获取政务信息之间的关联性分析结果；利用聚类算法，通过政务信息的文本特征来聚类，以形成政务信息的簇集，从而获取相关的政务信息之间的关联性分析结果。10.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；存储器；一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行权利要求7-9中任一项所述的方法。

技术总结
本发明公开了一种基于大数据的政务信息智能融合系统及方法，通过整合公共信息资源，实现政务信息的大数据分析、决策支持和决策执行的自动化，从而改善政务决策的效率和质量。它能够解决政务信息资源整合和管理、政务信息大数据分析以及政务决策支持的技术问题。大数据分析以及政务决策支持的技术问题。大数据分析以及政务决策支持的技术问题。


技术研发人员：杨超 田野 刘庆斌 高文飞 张天皓 张荣 刘洋
受保护的技术使用者：北京无代码科技有限公司
技术研发日：2023.03.17
技术公布日：2023/7/12