基于知識圖譜的建設用地智能輔助審批流程設計

李 妍，何貞銘，高 森

(1.長江大學，湖北 武漢 430100；2.武漢蟻圖時空科技有限公司)

0 引言

為進一步深化“放管服”改革，打造公開、透明、高效的營商環境，提高建設用地審查效率和精準度，開發建設用地智能審批和管理系統被提上日程。該系統是運用云計算、大數據和人工智能技術，打造以智能審批為主、人工核驗為輔的一體化建設用地智能審批和管理系統。

湖北省自然資源廳目前已形成了一系列信息化成果，實現了大部分信息系統的統籌管理與運營。然而，在自然資源業務申報資料中，存在審批過程復雜、審查要點眾多、審批意見匯總過程信息獲取不完備等狀況，使得人力成本增加。研究并解決基于審批規則知識圖譜的審批意見自動生成算法及模型，可以提高自然資源系統業務審批效率。

1 輔助審批知識圖譜設計

1.1 輔助審批規則知識圖譜

知識圖譜從本質上來說是一種揭示實體之間關系的語義網絡，可以對現實世界的事物及其相互關系進行形式化地描述。它在獲取信息后，可以建立實體之間的聯系，形成“知識”。知識圖譜是由一條條知識組成，每條知識表示為一個SPO 三元組(Subject-Predicate-Object)。三元組的基本形式主要包括實體1、關系、實體2 和概念、屬性、屬性值等，實體是知識圖譜中的最基本元素，是對客觀個體的抽象，不同的實體間存在不同的關系。概念主要指集合、類別、對象類型、事物的種類；屬性主要指對象可能具有的屬性、特征、特性、特點以及參數；屬性值主要指對象指定屬性的值[1]。

構建知識圖譜的主要環節包括：數據獲取、信息抽取、知識融合、建圖譜、知識更新[2-4]。如圖1所示。

圖1 知識圖譜構建流程

知識模型構建方式主要包括自頂向下和自底向上兩種[5]。本研究關于審查規則對應細化到關鍵信息的行業術語、行業數據都相對比較清晰，因此，采用自頂向下的方式來建知識圖譜。也就是先確定知識圖譜的數據模型，然后根據數據模型約定的框架，再補充數據，完成知識圖譜。采用數據模型方式來構建建設用地審批規則知識圖譜，參照自然資源業務審批的相關數據標準，整合標準中對數據的要求，通過自擬合和機器學習，形成一個個相對獨立的數據模型，再根據實際收集的數據情況，來完善數據模型。

1.2 輔助審批規則指標構建

自然資源的行政審批工作業務復雜，涉及大量的審批規則，需要各處室統統參與。為提高審批的工作效率，梳理建設用地業務的審查清單，包括審查項、檢查內容、檢查詳情、檢查級別、檢查結果等信息。通過計算機編程，將審查規則轉換成機器可理解的語言，由此建立審查規則庫，從而實現智能化的機器審查。使審查人員可以直觀、一目了然的獲取當前項目的審查結果情況，輔助用戶快速決策。

1.2.1 建設用地審查

建設用地審查要點梳理工作由空間管制處牽頭，廳內各處室共同參與，當前已經梳理出10 個處室共230條審查要點1000多項審查規則，涵蓋基礎、用途管制、耕地保護、規劃、基本農田、地災管理等各個方面。如表1所示。

表1 建設用地報批審查要點

1.2.2 其他業務審查

經過梳理，審查規則還包括附件存在性及合理性檢查、業務一致性檢查、數據合法性檢查、數據合規性檢查，以及結合自然資源“一張圖”分析數據的綜合一致性審查。如表2所示。

表2 其他業務審查類型

1.3 輔助審批規則知識圖譜構建

在自然資源智能化審批系統中，利用知識圖譜技術，可以很方便的建立關鍵信息、審查規則、崗位審查職責之間的審批規則知識圖譜，進一步豐富審查規則庫，建立對應的審批規則知識圖譜。結合已建立的審批規則庫，按照關鍵信息、審查要點、崗位審查職責之間的審批規則知識關系圖，從原始的業務申報數據到形成審批規則知識圖譜，經歷了知識抽取、知識融合（實體對齊）、數據模型構建、質量評估等步驟，最終形成以審查處室（崗位）為核心的知識圖譜。

根據實際業務審批智能化模擬情況，審批規則知識圖譜模型主要分為兩種，一種是松耦合的公用型審批規則知識圖譜，適用于各業務審批崗位可以公用、組合的審查要點分析，一種是緊耦合的獨立審批規則知識圖譜，適用于特定業務審批崗位，需要有嚴格步驟的審查要點分析。

圖2 是一個已構建好的用途管制崗位審查、空間規劃崗位審查的審批規則知識圖譜，屬于公用型審批規則知識圖譜。

圖2 公用型審批規則知識圖譜

圖3為空間規劃崗位審查中的是否符合規劃審批規則知識圖譜，屬于獨立審批規則知識圖譜。

2 輔助審批意見自動生成

利用審批規則構建的知識圖譜數據，可以很方便的應用于智能化審查中，數據模型既包含的審查要點判定結果，也包含組成模型的各類關鍵信息點本身。

以空間規劃崗位審查為例，審查中的是否符合規劃審批規則知識圖譜，通過基于模型的計算，既可以得到該項目“是否符合規劃”這一審查要點判定結果（符合規劃/不符合規劃），也可以連帶獲取基于是否符合規劃的各類關鍵點信息，如：項目位置信息、項目坐標信息、規劃調整地塊信息、立項批復時間等一系列關鍵信息，這些信息在后續的輔助審查和決策過程中可以起到很多作用，可以利用多個知識圖譜數據，建立輔助審批意見自動生成算法和模型，生成國土空間規劃審查崗位審查意見，并利用機器學習和人工查看相結合的手段，進行不斷的判別、修正、豐富和完善，提高生成意見的準確率。

通過機器學習過程，可以擬合出已審批的建設用地業務各審查崗位意見模板，如用途管制審查、國土空間規劃審查、耕地保護監督審查、生態修復審查、礦產資源保護監督審查、執法監督審查、自然資源調查監測審查、自然資源開發利用審查等關鍵審查崗位，然后以機器能夠理解的語言進行分類。

以國土空間規劃審查崗位為例，輔助審批意見的構成如表3所示。

表3 輔助審批意見構成

輔助意見生成模型如表4所示。

表4 輔助意見模板

在業務審查中，平臺提供智能化審批功能，由計算機根據用戶填報的各類信息、表格數據和相關附件內容進行精細化分析，按照既定的審查規則進行計算機智能化機檢，將不符合要求的報件直接退返給申報人，通過計算機審查但還需人工審核的報件，將需注意的關鍵點以高亮方式進行提醒。還可以通過點選查看詳細的檢查記錄，盡可能的將計算機能夠解決的問題交給計算機進行前置審查，降低人工成本。

3 結束語

本文梳理了建設用地審批要點，利用知識圖譜構建輔助審批模型，基于模型的計算可以方便的得到判定結果，再基于判定結果利用機器學習和人工查看輔助的方式給出審查意見，在智能化審查中具有較為實際的意義。這種機器與人工相結合的方式，能夠對審批意見進行不斷的判別、修正、豐富和完善。該輔助審批模型在一定程度上提高了報件審批的準確率和效率，同時也提高了平臺的智能化水平，提高了自然資源系統業務審批效率。