一、概述

（一）研究目的意义

随着烟草行政许可和专卖行政处罚案件数量的逐年增加，每年产生的烟草专卖执法案卷呈现递增趋势。而随着烟草专卖法及其相关法律法规逐渐完善，原则上要求每份烟草专卖执法案卷都需要评查。但现行案卷评查因客观因素影响，只能以抽查为主，人工翻阅的方式进行，导致评查效率较低、耗时长。因此，烟草专卖执法案卷智能评查系统的研发已经迫在眉睫。

2021年12月中国国家发改委印发《“十四五”推进国家政务信息化规划》，其中提出了三大任务11项具体工程，到2025年，推进政务信息化工作迈入以数据赋能、协同治理、智慧决策、优质服务为主要特征的“融慧治理”新阶段。本单位积极响应国家政务信息化号召，研发烟草专卖执法案卷智能评查系统，将人工智能融入烟草专卖执法流程，规范行政执法水平，提升烟草专卖执法案卷评查效率，发挥示范效应，推动烟草专卖执法案卷管理信息化转型。

本文创造性地提出了基于BP神经网络的烟草专卖执法案卷智能评查系统，采用BP神经网络算法，通过对神经网络样本数据的合理选择，建立一个烟草专卖执法案卷评查模型，可用于判断执法案卷是否存在违法违规行为，并实现云平台搭建及服务部署，有力支撑烟草专卖治理和服务能力提升，实现烟草专卖执法流程信息化，加强执法衔接、深化协同联动，提升执法效率。

（二）国内外概况

在国内行政执法案卷领域信息化较早开展，并实现了创新性的发展。2009年12月，山东省枣庄市检察院案件管理中心并上线案件管理系统，实现了个案督办、案件分析、警示提醒等功能。2010年，该案管系统先后18次发出预警，未发生一起超期羁押、案件流失和久拖不决情况。2018年5月天津高级人民法院案件评查系统上线，系统实现了审核案件质量、规范办案过程，通过整合天津市法院相关数据，多层次、多角度、全方位地对案件评查进行管理，使得全市法院的评查案件工作达到规范和统一。

行政执法案卷相关系统在各地均有落地应用，系统也存在共性的问题，已运行系统大部分侧重于案件管理流程信息化，缺少对案件案卷数据的整合利用，未开发构建数据分析应用模型，不利于深化基础信息库共享利用和提升行政执法、案件案卷评查的规范性。

此外，行政执法案卷类的系统缺少在烟草专卖执法领域的应用。因烟草专卖领域的特殊性，其行政执法案卷评查有特殊需求，使用新技术开发烟草专卖执法案卷评查系统，提供基于人工智能的案卷评查服务，有利于实现数据赋能、协同治理、智慧决策、优质服务的烟草专卖执法案卷管理新阶段。

（三）市场预测和发展趋势

2017年5月国家烟草专卖局印发烟草行业“互联网＋”行动计划，明确指出应有序推进烟草产业与互联网融合发展，进一步激发行业创新活力、发展潜力和转型动力，实现由一体化数字烟草向烟草产业数字经济新生态迈进。随着计算机技术、互联网应用、云计算、人工智能快速发展，企业数字化转型云平台建设，人工智能应用多点开花，比如自动驾驶平台、云计算与人工智能公司、智能无人设备全场景应用等，可以看出，烟草专卖执法案卷评查智能化是响应国家推进政务信息化的必经之路。

二、研究内容

（一）系统总体结构

基于人工智能的烟草专卖执法案卷评查系统研究新一代信息技术在烟草专卖执法案卷评查应用场景下的建设方案，系统结构如图1所示，结合人工神经网络、智能识别、跨端技术框架、私有云计算平台搭建，创新的解决方案为烟草专卖执法案卷评查信息化、数字化提供典型案例。

图1 系统总体结构

（二）主要研究内容

（1）研究基于图像处理的纸质案卷智能识别技术

烟草专卖执法案卷包括电子案卷和纸质案卷，其中纸质案卷的数据内容提取工作量较大。研究基于图像处理的智能识别技术，实现纸质案卷高准确率数字化，可为烟草专卖执法案卷评查做好铺垫，是利用历史数据实现数字治理能力的必经步骤。

（2）研究BP神经网络在烟草专卖执法案卷评查中的应用

采用BP神经网络算法，通过对神经网络样本数据的合理选择，建立一个烟草专卖执法案卷评查模型，可用于判断执法案卷是否存在违法违规行为。此外，数据工程师需深入烟草专卖执法案卷评查领域调研，研究该领域案卷评查业务流程及指标，对案卷评查指标进行抽象映射，形成较为完备的数据空间。

（3）私有云平台搭建及服务部署

搭建私有云平台满足国家对于政务系统安全管理规范的要求，使平台具备大数据存储、聚合能力，结合数据挖掘技术对数据进行多维度、精细化的统计分析，形成烟草专卖执法案卷评查机制，动态更新高质量执法案卷库，供执法人员交流学习，提高烟草专卖执法规范性和统一性。

三、 解决的技术关键问题

（1）纸质案卷智能识别数字化技术

实现基于智能识别的纸质案卷数字化技术有助于该阶段任务高效化处理，有助于新烟草专卖执法案卷入库，对评查系统质量提升工程至关重要。

（2）基于BP神经网络的烟草专卖执法案卷评查算法

建立基于BP神经网络模型，实现烟草专卖执法案卷评查和高质量执法案例评选，烟草专卖执法案卷评查模型依据指标输出评查结果供参考人员最终审核，调整属性案卷存入数据仓库，用于更新算法模型参数，以实现精准的执法案卷评查。

（3）前后端分离架构技术及跨端技术实现的软件架构

研究烟草专卖执法案卷评查业务工作流解决方案，根据前后端分离架构理念对应用管理系统进行拆分，实现去中心化，规避复杂度积累问题，提供服务平台高容错率。基于跨平台技术框架(Flutter/Ionic)设计移动端应用，具备多平台(Android/IOS)适用特性。设计移动端交互流程，实现发布评查、评查任务管理、信息统计等功能。

（4）基于云平台的服务部署解决方案

因政务应用系统对服务可靠性、稳定性、安全性有严格的要求，此外，系统包含人工智能算法模型，需要定期训练模型更新参数以提高模型对执法案卷评查的精准性和高质量烟草专卖执法案例库的优质性，需要基于私有云搭建服务部署平台，获取更高的控制力和更高的隐私级别。

四、采用的方法、技术路线以及工艺流程

1.研究方法

（1）BP神经网络概述

BP网络是采用误差反向传播算法的一种神经网络，由输入层、隐层、输出层和层间的激励函数构成，相邻层的节点间均为全链接，非相邻的节点不存在链接，同层节点间无链接，如下图3-1所示：

                         图2 三层BP网络结构

BP网络算法的思想是：给定训练样本的输入和期望的输出，然后逐层向前进行计算，得出实际输出值，比较网络输出与期望输出是否有偏差，若有偏差则从输出层开始逐层向前修改连接权值和阈值，从而获得期望的可信的网络。

（2）BP神经网络算法

本文采用三层BP神经网络，各层之间全链接。BP神经网络经过四步训练可解决无法用明确数学关系解决的问题。这四步学习过程如下：

① 输入信号正向传播

首先，设定所有权值和阈值的初始值，然后从输入层开始，输入向量为，，输出层输出为，，期望输出向量为，，、分别为输入层到中间层、中间层到输出层的连接权值，和分别为中间层和输出层各节点阈值,逐层向前计算，得中间层的输出向量为：

                                               （1）

计算得输出层的输出为：

                                               （2）

常采用Sigmoid函数。

② 误差信号反向传播

当输出误差存在时：

                                                   （3）

计算输出层的校正误差：

                     （4）

计算中间层的校正误差：

                   （5）

③ 连接权值与阈值的修改

根据误差不断调节权值，调节权值的目的就是使误差不断的减少，通常采用误差梯度下降算法对权值进行调整：

                                            （6）

上式中，为t次训练中误差函数梯度变化的反方向。

调整权重的计算公式为：

                                             （7）

上式中,为学习率，。

对输出层的阈值调整：

                                               （8）

调整权值的计算公式为

                     （9）

对中间层的阈值调整： 

                                               （10）

上式中，为输出层节点k的误差，定义为：

                                              （11）

④ 学习收敛

返回重新从正向传播开始计算，直到误差在允许的范围内或达到预先设定的训练步数为止。

（3）应用BP算法实现烟草专卖执法案卷评查的步骤

①原始数据采集作为输入数据样本,并对样本进行规范化处理，随机产生输入样本和检验样本。

②针对实际情况构建网络，确定网络层数和各层神经元个数。

③对定义好的网络结构，设计训练算法用输入样本进行训练。

④对比检验样本和网络训练输出，根据误差验证网络的学习能力。

⑤若训练出来的网络达到误差要求，则网络构造成功，否则，调整学习算法对网络重新进行训练，直到达到期望标准为止。

⑥利用训练好的BP网络，输入一组已知数据得到相应的案卷评查结果。

图3 BP神经网络的学习步骤

2.技术路线

本项目中，基于BP神经网络的烟草专卖执法案卷评查算法是核心内容，具体技术路线如下：

图4 技术路线

五、技术指标与经济指标

1、主要技术指标

项目预期研制出一个基于人工智能的烟草专卖执法案卷评查系统，该系统具有大数据处理、智能评查内核、智能录入等特性，该项目的主要技术指标如下：

（1）算法模型构成智能执法案卷评查的核心，设计多维度、全方位的执法案卷评查机制， 定期、定量、定质完成执法案卷评查。

（2）自动维护指定比例的高质量执法案卷评查库，作为模范案例供执法人员学习，建设高素质执法队伍，保障法律的精准实施。

（3）互联网应用管理系统，采用前后端分离架构，基于Vue/React框架实现响应式Web管理系统

（4）采用微服务框架搭建后端服务，按访问压力对服务器资源进行自动缩放，兼顾项目落地前期、上升期不同的访问性能需求。

（5）跨平台技术设计实现的移动端应用，构建多平台(Android/IOS)适用的程序包。

2、经济指标

（1）烟草专卖执法案卷评查的数字化改造践行国家政务信息化规划在烟草专卖领域的应用，研究人工智能在该领域的应用，丰富人工智能应用场景，从而增强人工智能产业信心。

（2）申报成立科技项目，激发团队科研热情，形成成果作为优秀案例提升执法队伍专业能力，落实数字经济环境下烟草专卖执法案卷评查创新、升级指导意见，提升烟草专卖系统综合实力。

（3）该项目是自主开发，拥有自主知识产权，相对其他同类产品，拥有先进的控制算法及核心先进技术，应用广泛，市场潜力巨大。

六、特色和创新之处

（1）实现人工神经网络算法在烟草专卖执法案卷评查领域的应用

人工智能驱动信息技术变革，让机器理解业务并根据数据做出决策，会深度影响烟草专卖执法案卷评查领域，创新性的解决方案将推动该领域朝着互联网+、大数据+、AI+方向转型。

（2）实现烟草专卖执法智能化、云平台化

烟草专卖执法案卷评查作为行政执法重要领域之一，进行智能化、云平台化可以在该应用领域取得新的突破，助力烟草专卖执法业务在人工智能、云计算方面转型升级。

七、结束语

本文设计出了一款基于BP神经网络的烟草专卖执法案卷智能评查系统，该系统具有大数据处理、智能评查内核、智能录入等特性，可定期、定量、定质完成执法案卷评查，并实现云平台搭建及服务部署，有利于推动烟草专卖执法资源互联互通、业务协同，为依法执法形成长效机制提供支撑。

 参考文献

[1] 杨永勤,吴羽.检察机关案件质量评查方法及其智能化发展[J].中国检察官,2023(07):74-77.

[2] 本刊讯.农业农村部通报2021年度渔业行政执法案卷评查情况[J].中国水产,2022(02):64.

[3] 尹泽贤.创新大数据在案管工作中的运用[J].人民检察,2019(15):77-78.

[4] 高兴培.基于结构熵权法和MEA-BP神经网络的MOOC学习效果评价[J].科技风,2023(28):16-18.

[5] Vapnik V N. Statistical Learning Theory[M]. 北京: 电子工业出版社, 2004.

[6] 葛哲学,孙志强. 神经网络理论与MATLAB R2007实现[M]. 北京: 电子工业出版社, 2007: 46-145.

[基金项目]本文系2023年江门市基础与应用基础项目（项目下达文号：江科〔2023〕111号，项目编号：116）的研究成果。