机器学习视角下的政府采购代理机构风险识别  

作　　者：张方 陈超阳 葛立宇 陈凯[3] 

机构地区：[1]广东财经大学财政税务学院,广州510320 [2]广东财经大学广东省财税大数据重点实验室,广州510320 [3]东北大学工商管理学院,沈阳110169

出　　处：《统计与决策》2025年第3期185-188,共4页Statistics & Decision

基　　金：广东省基础与应用基础研究基金联合基金项目(2022A1515110511);广东省基础与应用基础研究基金自然科学基金面上项目(2023A1515012614);广东省普通高校创新团队项目(2022WCXTD007)。

摘　　要：文章基于对全国政府采购代理机构数据集的结构分析,提出图卷积网络在政府采购代理机构年度监督检查中的应用路径。针对政府采购代理机构检查成本高且有类别标签的样本比例极小的特点,构建稳定自训练图卷积网络模型,以识别政府采购代理机构风险。稳定自训练图卷积网络对政府采购代理机构风险的识别精度可达到0.949,较自训练图卷积网络的精度提升了0.158,迭代过程表现出稳定性,对高风险的漏判率为0。通过所提方法筛选检查对象,实现了政府采购代理机构风险的全覆盖识别,提高了定位检查对象的精准性,降低了人工检查成本。

关 键 词：政府采购 风险识别 机器学习 稳定自训练 图卷积网络 

分 类 号：F062.4[经济管理—政治经济学] F812