本發(fā)明涉及電子政務領域，具體涉及采用svm技術的政務處理系統(tǒng)。
背景技術：
2013年以來，為落實國務院關于加快轉(zhuǎn)變政府職能、簡政放權的工作部署，發(fā)展改革委會同有關方面通過修訂政府核準的投資項目目錄大幅減少核準事項，通過修訂核準辦法努力提高辦事效率，通過探索建立縱橫聯(lián)動協(xié)管機制加強事中事后監(jiān)管，改革成效逐步顯現(xiàn)。但是，企業(yè)投資項目核準仍然存在前置審批手續(xù)繁雜、效率低下，依附于前置審批的中介服務行為不規(guī)范、收費不合理等突出問題，根本原因是政府管理理念轉(zhuǎn)變滯后，職能轉(zhuǎn)變不到位，仍然習慣于以事前審批代替事中事后監(jiān)管。因此，深化改革企業(yè)投資項目核準制度勢在必行，刻不容緩。
目前辦理政務時，個人或企業(yè)往往需要填繁復的表格，表格上很多內(nèi)容在政務審查時用不到，但是辦理起來卻非常麻煩，這樣就提高了政務成本，降低了政務處理效率。
技術實現(xiàn)要素：
本發(fā)明所要解決的技術問題是目前政務處理需要填寫很多無用的表格選項，從而提高了政務成本，降低了政務處理效率，目的在于提供采用svm技術的政務處理系統(tǒng)，解決上述問題。
本發(fā)明通過下述技術方案實現(xiàn)：
采用svm技術的政務處理系統(tǒng)，包括：用于輸入各個部門辦理政務的表格的輸入模塊；用于將各個部門辦理政務的表格生成數(shù)據(jù)庫并儲存的數(shù)據(jù)庫模塊；用于對數(shù)據(jù)庫中的所有選項進行svm機器學習的svm模塊；用于儲存svm機器學習后生成的二分器的儲存模塊；用于根據(jù)二分器對表格選項進行判斷的分析模塊；所述分析模塊還用于當一個表格選項的二分器出現(xiàn)“否”的比例大于閾值時，發(fā)送移除信號；用于在收到移除信號時，將該表格選項從表格上移除，并更新各個部門辦理政務的表格的輸出模塊。
現(xiàn)有技術中，辦理政務時，個人或企業(yè)往往需要填繁復的表格，表格上很多內(nèi)容在政務審查時用不到，但是辦理起來卻非常麻煩，這樣就提高了政務成本，降低了政務處理效率。本發(fā)明應用時，輸入模塊輸入各個部門辦理政務的表格，數(shù)據(jù)庫模塊將各個部門辦理政務的表格生成數(shù)據(jù)庫并儲存，svm模塊對數(shù)據(jù)庫中的所有選項進行svm機器學習，儲存模塊儲存svm機器學習后生成的二分器，分析模塊根據(jù)二分器對表格選項進行判斷，分析模塊還用于當一個表格選項的二分器出現(xiàn)“否”的比例大于閾值時，即認為該表格選項使用率非常低，隨即發(fā)送移除信號，輸出模塊在收到移除信號時，將該表格選項從表格上移除，并更新各個部門辦理政務的表格，從而達到精簡政務的目的，降低了政務成本，提高了政務處理效率。
進一步的，所述輸出模塊還用于各個部門更新后的表格使用后，將使用后的表格加入數(shù)據(jù)庫。
進一步的，所述svm機器學習采用線性核函數(shù)。
進一步的，所述二分器用于判斷該表格選項是否在任意政務環(huán)節(jié)被使用。
進一步的，所述閾值采用0.1％～0.5％。
本發(fā)明與現(xiàn)有技術相比，具有如下的優(yōu)點和有益效果：
本發(fā)明采用svm技術的政務處理系統(tǒng)，通過svm機器學習發(fā)現(xiàn)極少使用，甚至不使用的表格上的選項，并將這些選項刪除，從而達到精簡政務的目的，降低了政務成本，提高了政務處理效率。
附圖說明
此處所說明的附圖用來提供對本發(fā)明實施例的進一步理解，構成
本技術：
的一部分，并不構成對本發(fā)明實施例的限定。在附圖中：
圖1為本發(fā)明系統(tǒng)結構示意圖。
具體實施方式
為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，下面結合實施例和附圖，對本發(fā)明作進一步的詳細說明，本發(fā)明的示意性實施方式及其說明僅用于解釋本發(fā)明，并不作為對本發(fā)明的限定。
實施例
如圖1所示，本發(fā)明采用svm技術的政務處理系統(tǒng)，包括：用于輸入各個部門辦理政務的表格的輸入模塊；用于將各個部門辦理政務的表格生成數(shù)據(jù)庫并儲存的數(shù)據(jù)庫模塊；用于對數(shù)據(jù)庫中的所有選項進行svm機器學習的svm模塊；用于儲存svm機器學習后生成的二分器的儲存模塊；用于根據(jù)二分器對表格選項進行判斷的分析模塊；所述分析模塊還用于當一個表格選項的二分器出現(xiàn)“否”的比例大于閾值時，發(fā)送移除信號；用于在收到移除信號時，將該表格選項從表格上移除，并更新各個部門辦理政務的表格的輸出模塊。所述輸出模塊還用于各個部門更新后的表格使用后，將使用后的表格加入數(shù)據(jù)庫。所述svm機器學習采用線性核函數(shù)。所述二分器用于判斷該表格選項是否在任意政務環(huán)節(jié)被使用。所述閾值采用0.1％～0.5％。
本實施例實施時，輸入模塊輸入各個部門辦理政務的表格，數(shù)據(jù)庫模塊將各個部門辦理政務的表格生成數(shù)據(jù)庫并儲存，svm模塊對數(shù)據(jù)庫中的所有選項進行svm機器學習，儲存模塊儲存svm機器學習后生成的二分器，分析模塊根據(jù)二分器對表格選項進行判斷，分析模塊還用于當一個表格選項的二分器出現(xiàn)“否”的比例大于閾值時，即認為該表格選項使用率非常低，隨即發(fā)送移除信號，輸出模塊在收到移除信號時，將該表格選項從表格上移除，并更新各個部門辦理政務的表格，從而達到精簡政務的目的，降低了政務成本，提高了政務處理效率。
以上所述的具體實施方式，對本發(fā)明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發(fā)明的具體實施方式而已，并不用于限定本發(fā)明的保護范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。