基于知识图谱的建设用地智能辅助审批流程设计

李 妍，何贞铭，高 森

(1.长江大学，湖北 武汉 430100；2.武汉蚁图时空科技有限公司)

0 引言

为进一步深化“放管服”改革，打造公开、透明、高效的营商环境，提高建设用地审查效率和精准度，开发建设用地智能审批和管理系统被提上日程。该系统是运用云计算、大数据和人工智能技术，打造以智能审批为主、人工核验为辅的一体化建设用地智能审批和管理系统。

湖北省自然资源厅目前已形成了一系列信息化成果，实现了大部分信息系统的统筹管理与运营。然而，在自然资源业务申报资料中，存在审批过程复杂、审查要点众多、审批意见汇总过程信息获取不完备等状况，使得人力成本增加。研究并解决基于审批规则知识图谱的审批意见自动生成算法及模型，可以提高自然资源系统业务审批效率。

1 辅助审批知识图谱设计

1.1 辅助审批规则知识图谱

知识图谱从本质上来说是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述。它在获取信息后，可以建立实体之间的联系，形成“知识”。知识图谱是由一条条知识组成，每条知识表示为一个SPO 三元组(Subject-Predicate-Object)。三元组的基本形式主要包括实体1、关系、实体2 和概念、属性、属性值等，实体是知识图谱中的最基本元素，是对客观个体的抽象，不同的实体间存在不同的关系。概念主要指集合、类别、对象类型、事物的种类；属性主要指对象可能具有的属性、特征、特性、特点以及参数；属性值主要指对象指定属性的值[1]。

构建知识图谱的主要环节包括：数据获取、信息抽取、知识融合、建图谱、知识更新[2-4]。如图1所示。

图1 知识图谱构建流程

知识模型构建方式主要包括自顶向下和自底向上两种[5]。本研究关于审查规则对应细化到关键信息的行业术语、行业数据都相对比较清晰，因此，采用自顶向下的方式来建知识图谱。也就是先确定知识图谱的数据模型，然后根据数据模型约定的框架，再补充数据，完成知识图谱。采用数据模型方式来构建建设用地审批规则知识图谱，参照自然资源业务审批的相关数据标准，整合标准中对数据的要求，通过自拟合和机器学习，形成一个个相对独立的数据模型，再根据实际收集的数据情况，来完善数据模型。

1.2 辅助审批规则指标构建

自然资源的行政审批工作业务复杂，涉及大量的审批规则，需要各处室统统参与。为提高审批的工作效率，梳理建设用地业务的审查清单，包括审查项、检查内容、检查详情、检查级别、检查结果等信息。通过计算机编程，将审查规则转换成机器可理解的语言，由此建立审查规则库，从而实现智能化的机器审查。使审查人员可以直观、一目了然的获取当前项目的审查结果情况，辅助用户快速决策。

1.2.1 建设用地审查

建设用地审查要点梳理工作由空间管制处牵头，厅内各处室共同参与，当前已经梳理出10 个处室共230条审查要点1000多项审查规则，涵盖基础、用途管制、耕地保护、规划、基本农田、地灾管理等各个方面。如表1所示。

表1 建设用地报批审查要点

1.2.2 其他业务审查

经过梳理，审查规则还包括附件存在性及合理性检查、业务一致性检查、数据合法性检查、数据合规性检查，以及结合自然资源“一张图”分析数据的综合一致性审查。如表2所示。

表2 其他业务审查类型

1.3 辅助审批规则知识图谱构建

在自然资源智能化审批系统中，利用知识图谱技术，可以很方便的建立关键信息、审查规则、岗位审查职责之间的审批规则知识图谱，进一步丰富审查规则库，建立对应的审批规则知识图谱。结合已建立的审批规则库，按照关键信息、审查要点、岗位审查职责之间的审批规则知识关系图，从原始的业务申报数据到形成审批规则知识图谱，经历了知识抽取、知识融合（实体对齐）、数据模型构建、质量评估等步骤，最终形成以审查处室（岗位）为核心的知识图谱。

根据实际业务审批智能化模拟情况，审批规则知识图谱模型主要分为两种，一种是松耦合的公用型审批规则知识图谱，适用于各业务审批岗位可以公用、组合的审查要点分析，一种是紧耦合的独立审批规则知识图谱，适用于特定业务审批岗位，需要有严格步骤的审查要点分析。

图2 是一个已构建好的用途管制岗位审查、空间规划岗位审查的审批规则知识图谱，属于公用型审批规则知识图谱。

图2 公用型审批规则知识图谱

图3为空间规划岗位审查中的是否符合规划审批规则知识图谱，属于独立审批规则知识图谱。

2 辅助审批意见自动生成

利用审批规则构建的知识图谱数据，可以很方便的应用于智能化审查中，数据模型既包含的审查要点判定结果，也包含组成模型的各类关键信息点本身。

以空间规划岗位审查为例，审查中的是否符合规划审批规则知识图谱，通过基于模型的计算，既可以得到该项目“是否符合规划”这一审查要点判定结果（符合规划/不符合规划），也可以连带获取基于是否符合规划的各类关键点信息，如：项目位置信息、项目坐标信息、规划调整地块信息、立项批复时间等一系列关键信息，这些信息在后续的辅助审查和决策过程中可以起到很多作用，可以利用多个知识图谱数据，建立辅助审批意见自动生成算法和模型，生成国土空间规划审查岗位审查意见，并利用机器学习和人工查看相结合的手段，进行不断的判别、修正、丰富和完善，提高生成意见的准确率。

通过机器学习过程，可以拟合出已审批的建设用地业务各审查岗位意见模板，如用途管制审查、国土空间规划审查、耕地保护监督审查、生态修复审查、矿产资源保护监督审查、执法监督审查、自然资源调查监测审查、自然资源开发利用审查等关键审查岗位，然后以机器能够理解的语言进行分类。

以国土空间规划审查岗位为例，辅助审批意见的构成如表3所示。

表3 辅助审批意见构成

辅助意见生成模型如表4所示。

表4 辅助意见模板

在业务审查中，平台提供智能化审批功能，由计算机根据用户填报的各类信息、表格数据和相关附件内容进行精细化分析，按照既定的审查规则进行计算机智能化机检，将不符合要求的报件直接退返给申报人，通过计算机审查但还需人工审核的报件，将需注意的关键点以高亮方式进行提醒。还可以通过点选查看详细的检查记录，尽可能的将计算机能够解决的问题交给计算机进行前置审查，降低人工成本。

3 结束语

本文梳理了建设用地审批要点，利用知识图谱构建辅助审批模型，基于模型的计算可以方便的得到判定结果，再基于判定结果利用机器学习和人工查看辅助的方式给出审查意见，在智能化审查中具有较为实际的意义。这种机器与人工相结合的方式，能够对审批意见进行不断的判别、修正、丰富和完善。该辅助审批模型在一定程度上提高了报件审批的准确率和效率，同时也提高了平台的智能化水平，提高了自然资源系统业务审批效率。