本發(fā)明涉及一種信訪數(shù)據(jù)挖掘評(píng)分的方法及系統(tǒng)，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。

背景技術(shù)：

信訪，是指公民、法人或者其它組織采用書信、電子郵件、傳真、電話、走訪等形式，向各級(jí)人民政府、縣級(jí)以上人民政府工作部門反映情況，提出建議、意見或者投訴請(qǐng)求，依法由有關(guān)行政機(jī)關(guān)處理的活動(dòng)。

信訪是除法律以外的又一種解決問題的辦法，是一種比較直接的利益表達(dá)形式。近年來信訪量的激增引發(fā)了信訪數(shù)據(jù)的大量聚集，如何將這些信訪數(shù)據(jù)轉(zhuǎn)化成多層次、多維度的信息和知識(shí)，揭示數(shù)據(jù)背后的邏輯關(guān)聯(lián)，從而為政府從政策層面有效解決信訪突出矛盾，是信訪研究領(lǐng)域所面臨的重要問題。實(shí)現(xiàn)對(duì)信訪數(shù)據(jù)的深層分析，是解決這一難題的必要前提。

目前我們對(duì)于信訪數(shù)據(jù)的使用仍然停留在錄入、查詢、簡(jiǎn)單統(tǒng)計(jì)等表層匯總的層面，無法發(fā)現(xiàn)信訪數(shù)據(jù)中隱藏著的深層次的邏輯關(guān)聯(lián)。而這些數(shù)據(jù)背后的邏輯關(guān)聯(lián)恰是社會(huì)矛盾的癥結(jié)所在，是引導(dǎo)政策制訂的重要依據(jù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)沒有統(tǒng)一的大數(shù)據(jù)庫，對(duì)于信訪數(shù)據(jù)無法根據(jù)需要調(diào)用，并且無法對(duì)信訪數(shù)據(jù)中存在的問題及時(shí)解決的不足，提供一種信訪數(shù)據(jù)挖掘評(píng)分的方法及系統(tǒng)。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：一種信訪數(shù)據(jù)挖掘評(píng)分的方 法，包括以下步驟：

步驟1：從大數(shù)據(jù)庫中抽取符合條件的信訪數(shù)據(jù)進(jìn)行處理，得到適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)存入挖掘數(shù)據(jù)庫中，所述大數(shù)據(jù)庫中保存所有歷史信訪數(shù)據(jù)；

步驟2：對(duì)挖掘數(shù)據(jù)庫中的挖掘數(shù)據(jù)提取至少一個(gè)關(guān)鍵詞，基于每個(gè)關(guān)鍵詞對(duì)挖掘數(shù)據(jù)分進(jìn)行特征提取，得到針對(duì)每個(gè)關(guān)鍵詞的分析表；

步驟3：根據(jù)對(duì)至少一個(gè)分析表中的挖掘數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到針對(duì)每個(gè)關(guān)鍵詞的一個(gè)權(quán)重值，基于不同關(guān)鍵詞各自對(duì)應(yīng)的權(quán)重值建立綜合評(píng)分標(biāo)準(zhǔn)。

本發(fā)明的有益效果是：本發(fā)明整合了分散在各個(gè)系統(tǒng)并且相互之間孤立的所有信訪數(shù)據(jù)，從信訪數(shù)據(jù)中自動(dòng)抽取模式、關(guān)聯(lián)、變化、異常和有意義的結(jié)構(gòu)，從越來越大的信訪數(shù)據(jù)中發(fā)掘有價(jià)值的知識(shí)，從而達(dá)到用數(shù)字反映矛盾規(guī)律，用規(guī)律促進(jìn)科學(xué)決策的目的。本發(fā)明中的信訪事項(xiàng)綜合評(píng)分體系可以預(yù)測(cè)近期可能會(huì)出現(xiàn)的過激信訪事項(xiàng)和過激信訪人，以引起各相關(guān)部門的注意，對(duì)社會(huì)矛盾預(yù)防化解非常有益。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

進(jìn)一步，所述大數(shù)據(jù)庫中預(yù)存的信訪數(shù)據(jù)包括通過數(shù)據(jù)采集獲得的信件、電子郵件、語音、視頻及來訪等數(shù)據(jù)。

進(jìn)一步，所述步驟1中從大數(shù)據(jù)庫中抽取信訪數(shù)據(jù)的過程包括：

在大數(shù)據(jù)庫中當(dāng)有數(shù)據(jù)發(fā)生變化時(shí)，通過時(shí)間戳條件或者更新日志的方式從大數(shù)據(jù)庫中提取發(fā)生變化的數(shù)據(jù)，得到的數(shù)據(jù)為符合條件的信訪數(shù)據(jù)。

進(jìn)一步，所述步驟1對(duì)信訪數(shù)據(jù)的處理包括數(shù)據(jù)清理和數(shù)據(jù)變換；

所述數(shù)據(jù)清理將抽取的信訪數(shù)據(jù)清理獲得無重復(fù)的標(biāo)準(zhǔn)信訪數(shù)據(jù)；

所述數(shù)據(jù)變換將標(biāo)準(zhǔn)信訪數(shù)據(jù)從事務(wù)性數(shù)據(jù)轉(zhuǎn)換成適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)。

進(jìn)一步，所述數(shù)據(jù)清理包括去重、標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)和去噪操作，所述去重將信訪數(shù)據(jù)中重復(fù)錄入的數(shù)據(jù)去除；所述標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)將不同形式錄入的信訪數(shù)據(jù)按照統(tǒng)一標(biāo)準(zhǔn)排序記錄，使處理后的數(shù)據(jù)更易統(tǒng)計(jì)；所述去噪將信訪數(shù)據(jù)中的噪聲數(shù)據(jù)去除。

進(jìn)一步，所述數(shù)據(jù)變換的過程包括平滑聚集、數(shù)據(jù)概化、規(guī)范化、概念分層和離散化等操作。

進(jìn)一步，所述步驟2中的關(guān)鍵詞包括過激次數(shù)、信訪人數(shù)、信訪次數(shù)、信訪途徑數(shù)和信訪耗時(shí)等。

進(jìn)一步，所述步驟3中不同關(guān)鍵詞根據(jù)各自對(duì)應(yīng)的權(quán)重值獲得與整體評(píng)分的百分比，將所有關(guān)鍵詞對(duì)應(yīng)的百分比按從大到小排序后建立綜合評(píng)分標(biāo)準(zhǔn)；其中所述權(quán)重值越大所占百分比越大。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：一種信訪數(shù)據(jù)挖掘評(píng)分的系統(tǒng)，包括：

抽取模塊，從大數(shù)據(jù)庫中抽取符合條件的信訪數(shù)據(jù)進(jìn)行處理，得到適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)存入挖掘數(shù)據(jù)庫中，所述大數(shù)據(jù)庫中保存所有歷史信訪數(shù)據(jù)；

挖掘模塊，對(duì)挖掘數(shù)據(jù)庫中的挖掘數(shù)據(jù)提取至少一個(gè)關(guān)鍵詞，基于每個(gè)關(guān)鍵詞對(duì)挖掘數(shù)據(jù)分進(jìn)行特征提取，得到針對(duì)每個(gè)關(guān)鍵詞的分析表；

標(biāo)準(zhǔn)建立模塊，根據(jù)對(duì)至少一個(gè)分析表中的挖掘數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到針對(duì)每個(gè)關(guān)鍵詞的一個(gè)權(quán)重值，基于不同關(guān)鍵詞各自對(duì)應(yīng)的權(quán)重值建立綜合評(píng)分標(biāo)準(zhǔn)。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

進(jìn)一步，所述大數(shù)據(jù)庫中預(yù)存的信訪數(shù)據(jù)包括通過數(shù)據(jù)采集獲得的信件、電子郵件、語音、視頻及來訪等數(shù)據(jù)。

進(jìn)一步，所述抽取模塊中從大數(shù)據(jù)庫中抽取信訪數(shù)據(jù)的過程包括：

在大數(shù)據(jù)庫中當(dāng)有數(shù)據(jù)發(fā)生變化時(shí)，通過時(shí)間戳條件或者更新日志的方式從大數(shù)據(jù)庫中提取發(fā)生變化的數(shù)據(jù)，得到的數(shù)據(jù)為符合條件的信訪數(shù)據(jù)。

進(jìn)一步，所述抽取模塊對(duì)信訪數(shù)據(jù)的處理包括數(shù)據(jù)清理和數(shù)據(jù)變換；

所述數(shù)據(jù)清理將抽取的信訪數(shù)據(jù)清理獲得無重復(fù)的標(biāo)準(zhǔn)信訪數(shù)據(jù)；

所述數(shù)據(jù)變換將標(biāo)準(zhǔn)信訪數(shù)據(jù)從事務(wù)性數(shù)據(jù)轉(zhuǎn)換成適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)。

進(jìn)一步，所述數(shù)據(jù)清理包括去重、標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)和去噪操作，所述去重將信訪數(shù)據(jù)中重復(fù)錄入的數(shù)據(jù)去除；所述標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)將不同形式錄入的信訪數(shù)據(jù)按照統(tǒng)一標(biāo)準(zhǔn)排序記錄，使處理后的數(shù)據(jù)更易統(tǒng)計(jì)；所述去噪將信訪數(shù)據(jù)中的噪聲數(shù)據(jù)去除。

進(jìn)一步，所述數(shù)據(jù)變換的過程包括平滑聚集、數(shù)據(jù)概化、規(guī)范化、概念分層和離散化等操作。

進(jìn)一步，所述挖掘模塊中的關(guān)鍵詞包括過激次數(shù)、信訪人數(shù)、信訪次數(shù)、信訪途徑數(shù)和信訪耗時(shí)等。

進(jìn)一步，所述標(biāo)準(zhǔn)建立模塊中不同關(guān)鍵詞根據(jù)各自對(duì)應(yīng)的權(quán)重值獲得與整體評(píng)分的百分比，將所有關(guān)鍵詞對(duì)應(yīng)的百分比按從大到小排序后建立綜合評(píng)分標(biāo)準(zhǔn)；其中所述權(quán)重值越大所占百分比越大。

附圖說明

圖1為本發(fā)明實(shí)施例1所述的一種信訪數(shù)據(jù)挖掘評(píng)分的方法流程圖；

圖2為本發(fā)明實(shí)施例2所述的一種信訪數(shù)據(jù)挖掘評(píng)分的系統(tǒng)結(jié)構(gòu)示意圖。

附圖中，各標(biāo)號(hào)所代表的部件列表如下：

1、抽取模塊，2、挖掘模塊，3、標(biāo)準(zhǔn)建立模塊。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

如圖1所示，為本發(fā)明實(shí)施例1所述的一種信訪數(shù)據(jù)挖掘評(píng)分的方法，包括以下步驟：

步驟1：從大數(shù)據(jù)庫中抽取符合條件的信訪數(shù)據(jù)進(jìn)行處理，得到適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)存入挖掘數(shù)據(jù)庫中，所述大數(shù)據(jù)庫中保存所有歷史信訪數(shù)據(jù)；

步驟2：對(duì)挖掘數(shù)據(jù)庫中的挖掘數(shù)據(jù)提取至少一個(gè)關(guān)鍵詞，基于每個(gè)關(guān)鍵詞對(duì)挖掘數(shù)據(jù)分進(jìn)行特征提取，得到針對(duì)每個(gè)關(guān)鍵詞的分析表；

步驟3：根據(jù)對(duì)至少一個(gè)分析表中的挖掘數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到針對(duì)每個(gè)關(guān)鍵詞的一個(gè)權(quán)重值，基于不同關(guān)鍵詞各自對(duì)應(yīng)的權(quán)重值建立綜合評(píng)分標(biāo)準(zhǔn)。

所述大數(shù)據(jù)庫中預(yù)存的信訪數(shù)據(jù)包括通過數(shù)據(jù)采集獲得的信件、電子郵件、語音、視頻及來訪等數(shù)據(jù)。

所述步驟1中從大數(shù)據(jù)庫中抽取信訪數(shù)據(jù)的過程包括：

在大數(shù)據(jù)庫中當(dāng)有數(shù)據(jù)發(fā)生變化時(shí)，通過時(shí)間戳條件或者更新日志的方式從大數(shù)據(jù)庫中提取發(fā)生變化的數(shù)據(jù)，得到的數(shù)據(jù)為符合條件的信訪數(shù)據(jù)。

所述步驟1對(duì)信訪數(shù)據(jù)的處理包括數(shù)據(jù)清理和數(shù)據(jù)變換；

所述數(shù)據(jù)清理將抽取的信訪數(shù)據(jù)清理獲得無重復(fù)的標(biāo)準(zhǔn)信訪數(shù)據(jù)；

所述數(shù)據(jù)變換將標(biāo)準(zhǔn)信訪數(shù)據(jù)從事務(wù)性數(shù)據(jù)轉(zhuǎn)換成適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)。

所述數(shù)據(jù)清理包括去重、標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)和去噪操作，所述去重將信訪數(shù)據(jù)中重復(fù)錄入的數(shù)據(jù)去除；所述標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)將不同形式錄入的信訪數(shù)據(jù)按照統(tǒng)一標(biāo)準(zhǔn)排序記錄，使處理后的數(shù)據(jù)更易統(tǒng)計(jì)；所述去噪將信訪數(shù)據(jù)中的 噪聲數(shù)據(jù)去除。

所述數(shù)據(jù)變換的過程包括平滑聚集、數(shù)據(jù)概化、規(guī)范化、概念分層和離散化等操作。

所述步驟2中的關(guān)鍵詞包括過激次數(shù)、信訪人數(shù)、信訪次數(shù)、信訪途徑數(shù)和信訪耗時(shí)等。

所述步驟3中不同關(guān)鍵詞根據(jù)各自對(duì)應(yīng)的權(quán)重值獲得與整體評(píng)分的百分比，將所有關(guān)鍵詞對(duì)應(yīng)的百分比按從大到小排序后建立綜合評(píng)分標(biāo)準(zhǔn)；其中所述權(quán)重值越大所占百分比越大。

如圖2所示，為本發(fā)明實(shí)施例2所述的一種信訪數(shù)據(jù)挖掘評(píng)分的系統(tǒng)，包括：

抽取模塊1，從大數(shù)據(jù)庫中抽取符合條件的信訪數(shù)據(jù)進(jìn)行處理，得到適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)存入挖掘數(shù)據(jù)庫中，所述大數(shù)據(jù)庫中保存所有歷史信訪數(shù)據(jù)；

挖掘模塊2，對(duì)挖掘數(shù)據(jù)庫中的挖掘數(shù)據(jù)提取至少一個(gè)關(guān)鍵詞，基于每個(gè)關(guān)鍵詞對(duì)挖掘數(shù)據(jù)分進(jìn)行特征提取，得到針對(duì)每個(gè)關(guān)鍵詞的分析表；

標(biāo)準(zhǔn)建立模塊3，根據(jù)對(duì)至少一個(gè)分析表中的挖掘數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到針對(duì)每個(gè)關(guān)鍵詞的一個(gè)權(quán)重值，基于不同關(guān)鍵詞各自對(duì)應(yīng)的權(quán)重值建立綜合評(píng)分標(biāo)準(zhǔn)。

所述大數(shù)據(jù)庫中預(yù)存的信訪數(shù)據(jù)包括通過數(shù)據(jù)采集獲得的信件、電子郵件、語音、視頻及來訪等數(shù)據(jù)。

所述抽取模塊1中從大數(shù)據(jù)庫中抽取信訪數(shù)據(jù)的過程包括：

在大數(shù)據(jù)庫中當(dāng)有數(shù)據(jù)發(fā)生變化時(shí)，通過時(shí)間戳條件或者更新日志的方式從大數(shù)據(jù)庫中提取發(fā)生變化的數(shù)據(jù)，得到的數(shù)據(jù)為符合條件的信訪數(shù)據(jù)。

所述抽取模塊1對(duì)信訪數(shù)據(jù)的處理包括數(shù)據(jù)清理和數(shù)據(jù)變換；

所述數(shù)據(jù)清理將抽取的信訪數(shù)據(jù)清理獲得無重復(fù)的標(biāo)準(zhǔn)信訪數(shù)據(jù)；

所述數(shù)據(jù)變換將標(biāo)準(zhǔn)信訪數(shù)據(jù)從事務(wù)性數(shù)據(jù)轉(zhuǎn)換成適合數(shù)據(jù)挖掘的挖掘數(shù)據(jù)。

所述數(shù)據(jù)清理包括去重、標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)和去噪操作，所述去重將信訪數(shù)據(jù)中重復(fù)錄入的數(shù)據(jù)去除；所述標(biāo)準(zhǔn)化數(shù)據(jù)項(xiàng)將不同形式錄入的信訪數(shù)據(jù)按照統(tǒng)一標(biāo)準(zhǔn)排序記錄，使處理后的數(shù)據(jù)更易統(tǒng)計(jì)；所述去噪將信訪數(shù)據(jù)中的噪聲數(shù)據(jù)去除。

所述數(shù)據(jù)變換的過程包括平滑聚集、數(shù)據(jù)概化、規(guī)范化、概念分層和離散化等操作。

所述挖掘模塊2中的關(guān)鍵詞包括過激次數(shù)、信訪人數(shù)、信訪次數(shù)、信訪途徑數(shù)和信訪耗時(shí)等。

所述標(biāo)準(zhǔn)建立模塊3中不同關(guān)鍵詞根據(jù)各自對(duì)應(yīng)的權(quán)重值獲得與整體評(píng)分的百分比，將所有關(guān)鍵詞對(duì)應(yīng)的百分比按從大到小排序后建立綜合評(píng)分標(biāo)準(zhǔn)；其中所述權(quán)重值越大所占百分比越大。

本發(fā)明通過提出的一種信訪數(shù)據(jù)挖掘評(píng)分的系統(tǒng)整合了分散在各個(gè)系統(tǒng)并且各個(gè)業(yè)務(wù)之間也是相互孤立的所有信訪數(shù)據(jù)到大數(shù)據(jù)庫中，包括：北京市信訪綜合辦公系統(tǒng)的來信、到市訪、非正常訪、國家局訪以及市長(zhǎng)信箱的電子郵件；通過數(shù)據(jù)采集平臺(tái)從北京市信訪綜合辦公系統(tǒng)、市長(zhǎng)信箱系統(tǒng)提取來信、到市訪、非正常訪、國家局訪及市長(zhǎng)信箱的信訪件數(shù)據(jù)，數(shù)據(jù)采集平臺(tái)具備抽取信訪數(shù)據(jù)、清洗信訪數(shù)據(jù)、載入信訪數(shù)據(jù)到數(shù)據(jù)挖掘庫的功能。

通過對(duì)所有信訪數(shù)據(jù)的整合過程，從中抽取出了一系列新的信訪概念，包括：信訪事項(xiàng)和信訪人、過激信訪事項(xiàng)、過激信訪人、初次過激行為、重復(fù)過激行為等。

通過數(shù)據(jù)挖掘以及智能分析將所有信訪數(shù)據(jù)之間建立起關(guān)聯(lián)關(guān)系，并從這些紛亂復(fù)雜的多業(yè)務(wù)系統(tǒng)數(shù)據(jù)中提取相同信訪事項(xiàng)、相同信訪人；識(shí)別同 一信訪人的關(guān)鍵特征是姓名、地址、身份證號(hào)(可能無)，識(shí)別同一信訪事項(xiàng)的關(guān)鍵特征是信訪件判重標(biāo)識(shí)、信訪件引用標(biāo)識(shí)、信訪人及內(nèi)容摘要信息。

針對(duì)信訪事項(xiàng)提取關(guān)鍵特征：信訪次數(shù)、信訪平均人數(shù)、信訪時(shí)間、過激行為發(fā)生時(shí)間、是否存在過激行為、內(nèi)容分類、信訪目的、所屬地區(qū)、平均年齡等，針對(duì)信訪人及信訪事項(xiàng)的關(guān)鍵特征先進(jìn)行數(shù)據(jù)特征分析，數(shù)據(jù)特征分析主要按照內(nèi)容分類、熱點(diǎn)問題、所屬地區(qū)、平均年齡、收入階層、是否發(fā)生過激行為、是否群體信訪、群體信訪等級(jí)(按信訪人數(shù)分級(jí))、重復(fù)信訪等級(jí)(按照信訪次數(shù)分級(jí))等維度進(jìn)行組合分析，分析指標(biāo)主要有信訪量、及時(shí)受理率、及時(shí)辦結(jié)率、及時(shí)答復(fù)率，組合多個(gè)維度一起分析發(fā)現(xiàn)數(shù)據(jù)特征，數(shù)據(jù)挖掘還針對(duì)重點(diǎn)關(guān)注的群體信訪和過激行為信訪事件進(jìn)行了深入的數(shù)據(jù)特征分析，特征分析使得我們掌握了信訪數(shù)據(jù)的基本特征及相關(guān)深層次的數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果。

在對(duì)信訪數(shù)據(jù)的數(shù)據(jù)特征有了基本的了解后，我們有針對(duì)性的對(duì)信訪總量、群體信訪量、重復(fù)信訪量、過激行為信訪量這幾類重點(diǎn)關(guān)注數(shù)據(jù)的數(shù)據(jù)特征做了相關(guān)性分析，掌握了這幾類數(shù)據(jù)量與及時(shí)受理率、及時(shí)答復(fù)率、辦結(jié)率、平均年齡、收入階層(年收入)之間的相關(guān)關(guān)系。

經(jīng)過對(duì)這些信訪數(shù)據(jù)的多次比對(duì)、抽樣、實(shí)驗(yàn)，建立起了信訪事項(xiàng)綜合評(píng)分標(biāo)準(zhǔn)體系，實(shí)現(xiàn)對(duì)信訪事項(xiàng)和信訪人的一個(gè)綜合評(píng)分，按照信訪事項(xiàng)的嚴(yán)重程度、緊急程度等特點(diǎn)提取出重點(diǎn)需關(guān)注的信訪事項(xiàng)、信訪人。

根據(jù)前面的數(shù)據(jù)挖據(jù)及智能分析過程及信訪核心業(yè)務(wù)需求，我們掌握了信訪事項(xiàng)及信訪人的數(shù)據(jù)特征及相關(guān)統(tǒng)計(jì)分析情況，并根據(jù)相關(guān)性分析了解到信訪事項(xiàng)的是否過激行為、群體信訪級(jí)別、重復(fù)信訪次數(shù)級(jí)別、熱點(diǎn)問題與哪些特征是正相關(guān)或者負(fù)相關(guān)的，從而挖掘出構(gòu)成信訪事項(xiàng)嚴(yán)重程度、緊急程度高度相關(guān)的核心特征，并依據(jù)這些特征的相關(guān)度分析得出綜合計(jì)算各自權(quán)重，最后得出一個(gè)計(jì)算信訪事項(xiàng)綜合評(píng)分體系標(biāo)準(zhǔn)。

如表1所示，以具體示例顯示得到的綜合評(píng)分標(biāo)準(zhǔn)，其中每個(gè)信訪事項(xiàng)的綜合評(píng)分滿分為100分，采用加分算法，基礎(chǔ)分是0分，具體加分項(xiàng)。

以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。