[发明专利]一种基于全景画像关联分析的弱势家庭监测方法、系统在审
申请号: | 201710933766.9 | 申请日: | 2017-10-09 |
公开(公告)号: | CN107977669A | 公开(公告)日: | 2018-05-01 |
发明(设计)人: | 童号;孙亭;李毅;叶云;丁杰;沈自然;沈昌力 | 申请(专利权)人: | 中国电子科技集团公司第二十八研究所 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/30;G06Q50/26 |
代理公司: | 北京中知法苑知识产权代理事务所(普通合伙)11226 | 代理人: | 常玉明 |
地址: | 210007 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 全景 画像 关联 分析 弱势 家庭 监测 方法 系统 | ||
技术领域
本发明涉及弱势家庭监测领域,特别是一种基于全景画像关联分析的弱势家庭监测方法、系统。
背景技术
在日常民生服务中,如何快速、高效的定位城市弱势家庭,对城市弱势家庭成因、分布、数量和现状进行全面掌控一直是困扰政府部门的一道难题。通常,政府扶贫办决策人员在筛选城市弱势家庭时,判断依据比较单一,按房屋居住信息、家庭收入情况、受教育程度、家庭成员人数等相关信息来鉴别该家庭或个人是否属于弱势家庭。然而,单纯通过这些表象特征,并依靠决策者的主观判断和经验来鉴别弱势家庭,这在很大程度上会筛选到伪弱势家庭,不能真正帮扶到那些需要帮扶的弱势家庭。
传统弱势家庭鉴别方式是决策者根据家庭收入情况,家庭房屋居住情况,家庭成员受教育情况等鉴别弱势家庭。这种方式在一定程度上能鉴别出弱势家庭,但是,依靠人力经验的方式,筛选时容易漏掉更需帮扶的弱势家庭,同时,扶贫办的决策者经验也不禁相同,判断的标准不一,导致筛选的贫富差异程度的弱势家庭也不禁相同。
但是,传统的采用社区居委会等层层上报的方式,提报弱势家庭,该方法筛选出的弱势人群标准不一,也容易漏掉那些更加需要帮扶的弱势家庭,筛选方式不够精准。同时传统的方式筛选弱势人群的速度缓慢,需要派出大量人力调查取证,耗费财力物力和人力等。
发明内容
本发明公开一种基于全景画像关联分析的弱势家庭监测方法,以解决弱势家庭人工筛选的问题,包括:
提取社会信息数据,建立弱势家庭分类监测模型,计算弱势家庭分类监测指数;
根据设定的所述弱势家庭分类监测模型的权重指数,生成弱势家庭画像模型,计算所述弱势家庭的综合弱势指数;
根据弱势家庭的综合弱势指数排名,筛选需要帮扶的弱势家庭。
进一步的,所述弱势家庭分类监测模型包括:弱势家庭孤寡指数模型、弱势家庭患病指数模型、弱势家庭残疾指数模型、弱势家庭老年指数模型、弱势家庭财富贫弱指数模型。
进一步的,所述建立弱势家庭孤寡指数模型包括:从民政局、公安局提取家庭人口组成信息,根据家庭人口年龄及成员结构关系,建立所述弱势家庭孤寡指数模型:
其中,W1表示弱势家庭孤寡指数,集合所有家庭成员的孤寡因子之和,Ai表示单个家庭成员的孤寡因子,n表示单个家庭户中的家庭成员人数,a1表示年龄小于15岁时孤儿约定的孤因子,a2表示离异或丧偶的家庭成员的寡因子。
进一步的,所述建立弱势家庭患病指数模型包括:从卫计委提取弱势家庭家庭成员患病情况,根据国家卫生部发布的重大疾病划分范畴,建立弱势家庭患病指数模型:
其中,W2表示弱势家庭患病指数,是所有家庭成员的患病指数之和,n表示单个家庭户中的家庭成员人数,Bi表示单个家庭成员的患病指数,b1表示在国家卫生部公布的特大疾病范畴M1(i)下的患病指数,b2表示在国家卫生部公布的重大疾病范畴M2(i)下的患病指数,b3表示在国家卫生部公布的慢性疾病范畴M3(i)下的患病指数。
进一步的,所述建立弱势家庭残疾指数模型包括:提取由残联鉴定的家庭成员残疾等级证明,依据家庭成员的残疾等级情况,建立所述弱势家庭残疾指数模型:
其中,W3表示弱势家庭残疾指数,是所有家庭成员的残疾指数之和,Ci表示单个家庭成员的残疾指数,n表示单个家庭户中的家庭成员人数,c1表示在国家残联划定的一级N1(i)残废指数,c2表示在国家残联划定的二级N2(i)残废指数,c3表示在国家残联划定的三级N3(i)残废指数。
进一步的,所述建立弱势家庭老年指数计算模型包括:从公安局和社保局提取家庭成员老年人口比例及老年化程度数据,建立所述弱势家庭老年指数模型:
其中,W4表示弱势家庭老年指数,是所有家庭成员的老年指数之和,n表示单个家庭户中的家庭成员人数,Di表示单个家庭成员的老年指数,x表示家庭成员年龄。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子科技集团公司第二十八研究所,未经中国电子科技集团公司第二十八研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710933766.9/2.html,转载请声明来源钻瓜专利网。