技术摘要：
本申请涉及一种行政复议影响因素分析方法及装置，行政复议影响因素分析方法包括获取案件基本信息，根据基本信息对案件进行分类；对分类后案件标记标签；提取案件关键特征和案件对应标签生成数据集；构建影响因素分析模型，通过数据集对所述影响因素分析模型进行训练和  全部
背景技术：
行政复议是指公民、法人或者其他组织认为行政主体的具体行政行为违法或不当 侵犯其合法权益，依法向主管行政机关提出复查该具体行政行为的申请，因此，行政复议可 以衡量行政主体行政行为的合法性。由于现在行政主体实施行政行为时没有其他参考，不 清楚导致行政复议的影响因素，以使很多情况下实施的行政行为在被初步判决后存在行政 复议的情况，不仅影响行政行为的执法效率，也不利于法治社会建设。
技术实现要素：
为至少在一定程度上克服现在行政主体实施行政行为时没有其他参考，不清楚导 致行政复议的影响因素，以使很多情况下实施的行政行为在被初步判决后存在行政复议的 情况，不仅影响行政行为的执法效率，也不利于法治社会建设的问题，本申请提供一种行政 复议影响因素分析方法及装置。 第一方面，本申请提供一种行政复议影响因素分析方法，包括： 获取案件基本信息，根据所述基本信息对案件进行分类； 对分类后案件标记标签，所述标签包括已复议案件和未复议； 提取所述案件关键特征和案件对应标签生成数据集； 构建影响因素分析模型，通过所述数据集对所述影响因素分析模型进行训练和测 试； 根据训练好的影响因素分析模型输出行政复议影响因素。 进一步的，所述案件关键特征包括： 行政区划、案件来源、领域行业、当事人身份、行政机关对案件作出的行政行为、时 间中的一种或多种。 进一步的，所述方法还包括： 分析所述关键特征是否缺失； 若缺失，根据历史数据对缺失的关键特征进行填充。 进一步的，所述根据所述训练好的影响因素分析模型输出行政复议影响因素后， 还包括： 对所述影响因素进行重要度排序； 确定导致行政复议的重要影响因素； 根据所述重要影响因素确定目标人群。 进一步的，所述构建影响因素分析模型，包括： 使用随机森林、支持向量机和人工神经网络算法分别对行政复议的影响因素进行 4 CN 111553816 A 说　明　书 2/6 页 回归分析； 对分析结果进行算法交叉验证，得到各个算法标准化均方误差； 根据所述标准化均方误差确定最优模型。 进一步的，所述获取案件基本信息，包括： 通过接入第三方的数据接口获得原始数据，或者，直接从行政机关获得原始数据； 使用智能数据采集技术定期采集所述原始数据采集。 进一步的，所述方法还包括： 对所述原始数据进行抽取、清洗和整合，去掉干扰项和无用数据，过滤出符合时间 期限的案件基本信息； 构建数据仓库，将所述案件基本信息存入所述数据仓库。 进一步的，所述提取所述案件关键特征，包括： 对所述案件基本信息进行数据过滤、合并数据源、数值转化和特征提取得到所述 案件关键特征； 对所述案件关键特征进行结构化处理。 进一步的，所述数据集包括： 训练集和测试集； 通过所述训练集对所述影响因素分析模型进行训练； 通过所述测试集对所述影响因素分析模型进行测试。 第二方面，本申请提供一种行政复议影响因素分析装置，包括： 获取模块，用于获取案件基本信息，根据所述基本信息对案件进行分类； 标记模块，用于对分类后案件标记标签，所述标签包括已复议案件和未复议； 提取模块，用于提取所述案件关键特征和案件对应标签生成数据集； 构建模块，用于构建影响因素分析模型，通过所述数据集对所述影响因素分析模 型进行训练和测试； 输出模块，用于根据训练好的影响因素分析模型输出行政复议影响因素。 本申请的实施例提供的技术方案可以包括以下有益效果： 本发明实施例提供的行政复议影响因素分析方法及装置，通过获取案件基本信 息，根据基本信息对案件进行分类，对分类后案件标记标签，提取案件关键特征和案件对应 标签生成数据集，通过数据集对影响因素分析模型进行训练和测试，根据训练好的影响因 素分析模型输出行政复议影响因素，为行政主体做出行政行为提供参考建议，减少行政复 议，提高行政人员执法效率。 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本申请。 附图说明 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施 例，并与说明书一起用于解释本申请的原理。 图1为本申请一个实施例提供的一种行政复议影响因素分析方法的流程图。 图2为本申请另一个实施例提供的一种行政复议影响因素分析方法的流程图。 5 CN 111553816 A 说　明　书 3/6 页 图3为本申请一个实施例提供的行政复议影响因素分析装置的功能结构图。