由此，從數(shù)據(jù)到問題，即通過數(shù)據(jù)分析提出問題解決對策，便成為數(shù)據(jù)賦能的主要范式。在此范式下，人們往往在針對場景問題的數(shù)據(jù)采集、數(shù)據(jù)處理和分析、可視化監(jiān)測、趨勢判斷和預(yù)警預(yù)測等工程技術(shù)方面傾注大量的投入，而對于問題的本原，即對問題產(chǎn)生的根源、內(nèi)容、邏輯、性質(zhì)和類別以及如何捕捉、識(shí)別、提煉和響應(yīng)等方面往往缺少足夠的關(guān)注。亦即，在數(shù)據(jù)賦能應(yīng)用過程中，缺乏對問題浮現(xiàn)、問題識(shí)別、問題提煉和問題響應(yīng)等業(yè)務(wù)環(huán)節(jié)足夠的滲透與智能投射，從而導(dǎo)致以問題為導(dǎo)向的數(shù)據(jù)賦能在上述業(yè)務(wù)環(huán)節(jié)存在“梯度消失”。

以問題為導(dǎo)向的數(shù)據(jù)賦能應(yīng)貫穿從問題浮現(xiàn)到問題解決的全過程，包括問題浮現(xiàn)、問題識(shí)別、問題提煉和問題響應(yīng)(包括響應(yīng)問題、確立解決方案及后續(xù)解決執(zhí)行)各環(huán)節(jié)。亦即，在數(shù)據(jù)賦能應(yīng)用過程中，應(yīng)從問題浮現(xiàn)、問題識(shí)別、問題提煉和問題響應(yīng)的全鏈條角度，以問題數(shù)據(jù)為材料，以算法模型為智能引擎，實(shí)現(xiàn)數(shù)據(jù)智能在各環(huán)節(jié)的滲透與投射，消除數(shù)據(jù)賦能在各環(huán)節(jié)的“梯度消失”。這其中，算法模型及其響應(yīng)機(jī)制至為關(guān)鍵。

為此，本文以扎根理論(Grounded Theory)基于原發(fā)問題提煉闡發(fā)的社會(huì)學(xué)研究方法，提出問題觸發(fā)的算法模型響應(yīng)機(jī)制構(gòu)建思路，旨在通過算法模型的構(gòu)建、應(yīng)用和迭代，建立從問題浮現(xiàn)到問題識(shí)別、問題提煉和問題響應(yīng)的全過程數(shù)智化的響應(yīng)機(jī)制。

一、總體思路

眾所周知，數(shù)據(jù)承載著信息，信息蘊(yùn)藏著知識(shí)，知識(shí)可以賦能智慧應(yīng)用以創(chuàng)造價(jià)值。隨著數(shù)字技術(shù)的飛速發(fā)展和在各行各業(yè)的深入應(yīng)用，各類場景問題可通過數(shù)字化技術(shù)進(jìn)行數(shù)字化記錄，形成問題數(shù)據(jù)。對這些問題數(shù)據(jù)進(jìn)行收集(形成問題庫)、處理和分析，挖掘其中的信息和知識(shí)，為問題研判、問題響應(yīng)和問題解決提供決策依據(jù)。這構(gòu)成了以問題為導(dǎo)向的數(shù)據(jù)賦能的基本邏輯。

實(shí)際過程中，大多只停留在數(shù)據(jù)采集、數(shù)據(jù)處理和分析、可視化監(jiān)測、趨勢判斷和預(yù)警預(yù)測等工程技術(shù)方面(參見附圖1)，對于問題的本原，如問題產(chǎn)生的根源、內(nèi)容、邏輯、性質(zhì)和類別以及如何捕捉、識(shí)別、提煉和響應(yīng)等方面缺乏足夠的考慮。即在“數(shù)據(jù)業(yè)務(wù)化”層面涉及不充分。

附圖1 從數(shù)據(jù)采集到預(yù)測預(yù)警的示意圖

問題觸發(fā)的算法模型響應(yīng)機(jī)制將立足于從原發(fā)問題的本原探究出發(fā)，從問題浮現(xiàn)、問題識(shí)別、問題提煉和問題響應(yīng)等各環(huán)節(jié)著手，以問題數(shù)據(jù)為材料，以算法模型為智能引擎，建立從問題浮現(xiàn)到問題識(shí)別、問題提煉和問題響應(yīng)的全過程數(shù)智化的響應(yīng)機(jī)制(參見附圖2)，實(shí)現(xiàn)“數(shù)據(jù)賦能”貫穿從問題浮現(xiàn)到問題解決的全過程。

附圖2 問題觸發(fā)的算法模型響應(yīng)機(jī)制總體思路

從附圖2可見，問題浮現(xiàn)是整個(gè)機(jī)制的起點(diǎn)，問題響應(yīng)是整個(gè)機(jī)制的終點(diǎn)，二者都是問題數(shù)據(jù)的來源——前者是問題的初始來源，后者是問題解決成效的反饋，并且構(gòu)成了一個(gè)問題從浮現(xiàn)到解決的閉環(huán)。通過對問題浮現(xiàn)和問題響應(yīng)的數(shù)據(jù)收集和處理，形成問題數(shù)據(jù)庫，就形成了問題觸發(fā)的算法模型響應(yīng)機(jī)制構(gòu)建之源，這也是問題“業(yè)務(wù)數(shù)據(jù)化”過程。問題識(shí)別和問題提煉是問題“數(shù)據(jù)業(yè)務(wù)化”的核心，是從問題浮現(xiàn)到問題響應(yīng)的智慧轉(zhuǎn)換器，而智慧之源來自于算法模型。算法模型封裝了多種基礎(chǔ)算法和針對各類垂直應(yīng)用、特定任務(wù)解決能力的智能引擎，這些算法和引擎通過對問題數(shù)據(jù)的分析和挖掘，高效精準(zhǔn)地識(shí)別問題的來源、特征、內(nèi)容、類別和其它相關(guān)屬性(如緊急事件、突發(fā)事情、熱點(diǎn)事情或其它難點(diǎn)痛點(diǎn)堵點(diǎn)事件等等)，并根據(jù)問題識(shí)別的結(jié)果辨析出那些符合實(shí)際的可觸及、可控制、可解決的問題，同時(shí)提煉出問題中的相關(guān)概念和命題，結(jié)合歷史經(jīng)驗(yàn)(對策庫)和一些標(biāo)桿做法，進(jìn)而提煉出相應(yīng)的問題解決理論體系和響應(yīng)對策，從而實(shí)現(xiàn)“數(shù)據(jù)賦能”貫穿從問題浮現(xiàn)到問題解決的全過程。

二、問題浮現(xiàn)

問題浮現(xiàn)是整個(gè)機(jī)制形成的起點(diǎn)，也是初始問題數(shù)據(jù)收集的來源。無疑，了解問題浮現(xiàn)的起因與渠道至為關(guān)鍵。

不論是公共服務(wù)領(lǐng)域，還是商業(yè)領(lǐng)域，問題浮現(xiàn)的起因大多來自需求側(cè)的各類訴求，包括投訴、表揚(yáng)、建議、咨詢、求助與評(píng)價(jià)等等，也有來自第三方的調(diào)查或?qū)�供給側(cè)的服務(wù)監(jiān)督過程中的主動(dòng)發(fā)現(xiàn)。問題浮現(xiàn)的渠道也涉及多源。

以公共服務(wù)為例，問題的浮現(xiàn)有來自企業(yè)和群眾的主動(dòng)反饋，如通過12345政務(wù)熱線，或通過政務(wù)服務(wù)好差評(píng)平臺(tái)，或是通過線下政務(wù)大廳專設(shè)窗口(如“不辦事”窗口)。也有來自于大調(diào)研或第三方調(diào)查過程中的主動(dòng)發(fā)現(xiàn)，如通過結(jié)構(gòu)化或半結(jié)構(gòu)化問卷的發(fā)放與問題采集。還有來自政府部門在重點(diǎn)事件關(guān)注或執(zhí)法過程中的發(fā)現(xiàn)，或是如“雙隨機(jī)一公開”執(zhí)法監(jiān)督過程中的主動(dòng)發(fā)現(xiàn)。也包括對相關(guān)互聯(lián)網(wǎng)辦事平臺(tái)與其它互聯(lián)網(wǎng)媒體的監(jiān)測過程中的問題捕獲等等。問題的內(nèi)容可能涉及方方面面，如政務(wù)服務(wù)、營商環(huán)境、市場監(jiān)管、生態(tài)環(huán)保、公共管理、公共安全、公共服務(wù)及其它。問題的焦點(diǎn)可能涉及一些長期以來的難點(diǎn)、堵點(diǎn)和痛點(diǎn)，也可能涉及一些突發(fā)、并發(fā)或熱點(diǎn)事件，抑或涉及政府部門某些重點(diǎn)關(guān)注的事件等等。

不同于以往的僅是從各業(yè)務(wù)系統(tǒng)收集數(shù)據(jù)并試圖從數(shù)據(jù)中挖掘問題，對問題浮現(xiàn)的深入了解與分析將有助于多渠道多角度捕獲問題的浮現(xiàn)，特別是對于潛在的隱性問題的發(fā)現(xiàn)，也有助于拓展問題數(shù)據(jù)的收集渠道(如大調(diào)研、第三方調(diào)查、訪談、會(huì)議協(xié)商、檢測記錄等等)，提升數(shù)據(jù)收集的質(zhì)量。同時(shí)，對問題浮現(xiàn)的深入了解將增強(qiáng)對問題浮現(xiàn)機(jī)理的全面掌握和深入了解，為后續(xù)的問題識(shí)別、問題提煉和問題響應(yīng)創(chuàng)造良好條件。事實(shí)上，問題浮現(xiàn)的渠道、主題、內(nèi)容和主體之間的矩陣圖譜就構(gòu)成了具象化的問題浮現(xiàn)的機(jī)理特征，如附圖3所示。

附圖3 問題的渠道、主題、內(nèi)容和主體之間的矩陣圖譜

三、問題識(shí)別

問題識(shí)別在于挖掘問題的特征和識(shí)別問題的類型。這將采用扎根理論質(zhì)性研究方法來實(shí)現(xiàn)。首先對問題數(shù)據(jù)進(jìn)行詳細(xì)的分類和標(biāo)簽化處理，識(shí)別問題的基本概念和特征(簡稱“初始編碼”)，然后將這些概念和特征進(jìn)行關(guān)聯(lián)，分析它們之間的邏輯聯(lián)系、條件關(guān)系和因果機(jī)制，找出它們的主題范疇(簡稱“主軸編碼”)，最后確定一個(gè)核心主題，圍繞這個(gè)主題整合主題范疇和概念，構(gòu)建問題的核心結(jié)構(gòu)(簡稱“選擇性編碼”)。經(jīng)過上述編碼，可挖掘問題的特征和識(shí)別問題的類型。

以公共服務(wù)領(lǐng)域中的營商環(huán)境問題為例。如前文所述，營商環(huán)境問題來自多源：有來自政務(wù)數(shù)據(jù)資源庫，也有來自如企業(yè)訪談、營商小組討論、相關(guān)文件資料等其它渠道，還有來自于12345政務(wù)熱線、政務(wù)好差評(píng)、投資服務(wù)中心、招商過程中的觀察記錄，以及其它政務(wù)服務(wù)業(yè)務(wù)系統(tǒng)等。基于對營商環(huán)境問題浮現(xiàn)機(jī)理的理解進(jìn)行多源數(shù)據(jù)收集和處理，形成營商環(huán)境問題數(shù)據(jù)庫，以此作為問題識(shí)別的質(zhì)性研究材料。

首先，尋找并標(biāo)記出營商環(huán)境問題數(shù)據(jù)中供需雙方關(guān)于營商環(huán)境提升和優(yōu)化的初始概念與特征內(nèi)容。例如，從企業(yè)需求側(cè)可能會(huì)發(fā)現(xiàn)如“希望更加公平的市場環(huán)境”“司法程序復(fù)雜”“項(xiàng)目貨款拖欠嚴(yán)重”“招工難”等眾多與營商環(huán)境需求相關(guān)的訴求概念與特征內(nèi)容。從政策供給側(cè)可能會(huì)發(fā)現(xiàn)如“關(guān)于進(jìn)一步加強(qiáng)公共資源交易監(jiān)管的指導(dǎo)意見”“知識(shí)產(chǎn)權(quán)保護(hù)”“信用監(jiān)管”“人才培訓(xùn)與人才引進(jìn)政策”等眾多與營商環(huán)境提升相關(guān)的初始概念與特征內(nèi)容。

然后，對這些初始概念或特征內(nèi)容進(jìn)行分類和關(guān)聯(lián)，并歸并或提煉到一個(gè)個(gè)的主題范疇中。如將“希望更加公平的市場環(huán)境”和“關(guān)于進(jìn)一步加強(qiáng)公共資源交易監(jiān)管的指導(dǎo)意見”歸并到“市場環(huán)境”這個(gè)主題，“司法程序復(fù)雜”和“知識(shí)產(chǎn)權(quán)保護(hù)”歸并到“法制環(huán)境”，“項(xiàng)目貨款拖欠嚴(yán)重”和“信用監(jiān)管”歸并到“信用環(huán)境”，“招工難”和“人才培訓(xùn)與人才引進(jìn)政策”歸并到“要素環(huán)境”等等。

最后，確定一個(gè)核心主題，整合各個(gè)主題范疇和概念。如確定“營商環(huán)境優(yōu)化和提升行動(dòng)”這個(gè)核心主題，將“市場環(huán)境”“法制環(huán)境”“信用環(huán)境”“要素環(huán)境”及其它主題、概念進(jìn)行整合，形成針對營商環(huán)境優(yōu)化和提升行動(dòng)的基本理論框架。參見附圖4。

附圖4 針對營商環(huán)境問題的編碼與識(shí)別-1

實(shí)際過程中，可根據(jù)需要進(jìn)一步將主題范疇細(xì)分為多級(jí)子主題范疇。例如，將“市場環(huán)境”進(jìn)一步細(xì)分為“市場準(zhǔn)入”“市場監(jiān)管”等，將“法制環(huán)境”細(xì)分為“依法監(jiān)管”“法律訴訟”，“信用環(huán)境”細(xì)分為“社會(huì)信用”“信用監(jiān)管”等等。參見附圖5。

附圖5 針對營商環(huán)境問題的編碼與識(shí)別-2

考慮到與監(jiān)測和評(píng)價(jià)指標(biāo)的描述相一致，在問題識(shí)別過程中，可借助相關(guān)監(jiān)測與評(píng)價(jià)的指標(biāo)名來匹配編碼過程中的相關(guān)概念和主題范疇。針對營商環(huán)境問題，可參照營商環(huán)境評(píng)價(jià)指標(biāo)體系來進(jìn)行。

四、問題提煉

在問題識(shí)別形成概念和主題基本理論框架的基礎(chǔ)上，進(jìn)一步對這些概念進(jìn)行關(guān)聯(lián)和匹配，實(shí)現(xiàn)問題提煉，為下一步的問題響應(yīng)提供建議與理論指導(dǎo)。問題提煉主要涉及三個(gè)方面的核心內(nèi)容：提煉概念中的異常情況(形成類似分類算法中的負(fù)例數(shù)據(jù)集);辨析異常情況的可觸及性、可控性和可操作性，并結(jié)合其它特征變量分類排序形成問題序列(相當(dāng)于對負(fù)例數(shù)據(jù)集進(jìn)行等級(jí)分類和排序);進(jìn)一步對問題進(jìn)行深度挖掘，形成新的概念和命題，構(gòu)建問題新的理論范式，并結(jié)合經(jīng)驗(yàn)對策和一些標(biāo)桿做法生成問題響應(yīng)的對策與建議(相當(dāng)于對負(fù)例數(shù)據(jù)進(jìn)行分析挖掘后形成的對策與建議)。從技術(shù)角度而言，這三個(gè)核心內(nèi)容構(gòu)成了“問題提煉器”的三大核心功能。參見附圖6。

附圖6 問題提煉器的三大核心功能

仍以營商環(huán)境問題為例。企業(yè)側(cè)的需求和政府側(cè)的供給是營商環(huán)境問題的兩個(gè)方面。因而，在問題識(shí)別的基礎(chǔ)上，可對概念進(jìn)行供需之間的關(guān)聯(lián)和匹配，以發(fā)現(xiàn)供需之間哪些概念具有一致性，哪些概念存在部分差異，哪些概念存在顯著沖突和矛盾(對于新出現(xiàn)的概念，技術(shù)上可視為此類)等。如企業(yè)需求側(cè)的“希望更加公平的市場環(huán)境”與政府供給側(cè)的“關(guān)于進(jìn)一步加強(qiáng)公共資源交易監(jiān)管的指導(dǎo)意見”之間可能是一致的，“司法程序復(fù)雜”與“知識(shí)產(chǎn)權(quán)保護(hù)”之間可能存在部分差異，而“項(xiàng)目貨款拖欠嚴(yán)重”與“信用監(jiān)管”、“招工難”與“人才培訓(xùn)與人才引進(jìn)政策”之間可能存在顯著沖突和矛盾。參見附圖7。

附圖7 營商環(huán)境問題中的異常概念提煉示意圖

其中，一致性說明營商環(huán)境的提升行動(dòng)是滿足需求的，存在部分差異的說明營商環(huán)境仍需要進(jìn)一步完善和優(yōu)化，而存在沖突和矛盾的或新出現(xiàn)的概念，則需要重點(diǎn)關(guān)注。

鑒于并非所有的異常概念都具有合理性和可解性，因而問題提煉的第二個(gè)核心內(nèi)容則是進(jìn)一步辨析問題的可觸及性、可控性和可操作性，并根據(jù)輕重緩急與其它相關(guān)特征變量(如差異程度、緊急程度、突發(fā)/并發(fā)/熱點(diǎn)、社會(huì)影響、合理性、可解性、難易程度等等)，通過分類排序模型生成問題序列。這部分工作需要借助有關(guān)規(guī)則和專家系統(tǒng)來進(jìn)行。

問題提煉的第三個(gè)核心內(nèi)容將是進(jìn)一步對問題進(jìn)行深度挖掘，形成新的概念和命題，構(gòu)建問題新的理論范式，并結(jié)合經(jīng)驗(yàn)對策和一些標(biāo)桿做法生成問題響應(yīng)的對策與建議。具體而言，通過進(jìn)一步對初始問題進(jìn)行深度挖掘，從初始問題的表述中提煉概念、實(shí)體、關(guān)系、屬性、事件、特征等關(guān)鍵要素及其之間的邏輯關(guān)系、因果機(jī)制和知識(shí)圖譜，構(gòu)建系列新的命題范疇。同時(shí)，通過重新挖掘出初始問題的關(guān)鍵邏輯和規(guī)則，進(jìn)一步地提煉、綜合和整合不同表述的同類概念，形成系列新的概念表述。并結(jié)合前述的異常分析和問題序列，構(gòu)建新的核心主題。新的概念表述、新的命題和新的核心主題組合形成了初始問題的新的理論范式。在此基礎(chǔ)上，再結(jié)合經(jīng)驗(yàn)對策和一些標(biāo)桿做法生成問題響應(yīng)的對策與建議。

五、問題響應(yīng)

在問題響應(yīng)環(huán)節(jié)，借助于問題提煉生成的對策與建議，針對性地制定相應(yīng)的解決方案，為問題解決提供行動(dòng)指南。

在制定解決方案之前，首先需要根據(jù)問題提煉階段提煉出的有關(guān)問題要素，如問題的內(nèi)容、性質(zhì)和問題主體等等，決定是否需要進(jìn)一步與問題主體(問題當(dāng)事人或其它相關(guān)人)進(jìn)行溝通，以挖掘問題的真實(shí)原意。或?qū)φ毡容^是否屬于領(lǐng)導(dǎo)重點(diǎn)關(guān)注的重大事件之列。同時(shí)，根據(jù)不同的問題內(nèi)容、性質(zhì)和主體，挖掘問題的核心目標(biāo)是什么，需要投入哪些資源和條件，需要哪些法律法規(guī)支撐和保障措施，需要履行哪些決策程序，執(zhí)行周期會(huì)有多長，執(zhí)行后是否會(huì)達(dá)到問題的核心目標(biāo)。將這些決策變量組合在一起進(jìn)行推演和模擬，當(dāng)預(yù)期效果能達(dá)到問題的核心目標(biāo)時(shí)，便可形成解決方案和行動(dòng)指南。對于達(dá)不到預(yù)期效果的問題，或是一時(shí)找不到好的對策的問題，可以借鑒其它地方的問題解決標(biāo)桿來確定自己的解決方案。

總之，在問題響應(yīng)環(huán)節(jié)，首先需要基于問題提煉的對策與建議，確定問題解決需要的要素條件，形成問題解決的時(shí)間路線圖，然后通過組合不同的條件變量進(jìn)行推演和模擬，形成有針對性的問題解決方案，這便構(gòu)建了問題響應(yīng)和問題解決的基本構(gòu)架和主要邏輯。

作為閉環(huán)，對于問題響應(yīng)和問題解決的成效需要進(jìn)一步跟蹤，形成問題響應(yīng)和問題解決的“跟蹤庫”。對于成效不高的解決方案，需要進(jìn)一步修正有關(guān)條件變量和時(shí)間路線圖。對于達(dá)到問題核心目標(biāo)的解決方案，便可形成具有參考價(jià)值的“對策庫”，為日后重復(fù)問題的解決提供自動(dòng)響應(yīng)機(jī)制。參見附圖8。

附圖8 問題響應(yīng)過程示意圖

六、關(guān)鍵技術(shù)

問題觸發(fā)的算法模型響應(yīng)機(jī)制，仍然離不開數(shù)據(jù)收集、數(shù)據(jù)處理和數(shù)據(jù)分析等一些常用大數(shù)據(jù)技術(shù)的支持，包括數(shù)據(jù)治理、標(biāo)準(zhǔn)規(guī)范和數(shù)據(jù)安全等方面的技術(shù)應(yīng)用。從前文可知，算法模型為智能引擎，是實(shí)現(xiàn)數(shù)據(jù)賦能貫穿從問題浮現(xiàn)至問題識(shí)別、問題提煉和問題響應(yīng)全過程的關(guān)鍵。因此，本文著重討論算法模型構(gòu)建的關(guān)鍵技術(shù)。

通常，基于扎根理論的研究可以借助于一些成熟的軟件工具來實(shí)現(xiàn)，如Nvivo、MAXQDA和QDA Miner等。盡管這些軟件在編碼方面表現(xiàn)出較強(qiáng)的性能，然而在效率上仍屬于“作坊式”定制，在準(zhǔn)確度上仍需大量的人工干預(yù)。特別是在“理論飽和”環(huán)節(jié)需要重復(fù)收集和分析數(shù)據(jù)，缺乏自動(dòng)化和智能化。

近年來，機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)技術(shù)得到了長足的發(fā)展。特別是隨著ChatGPT的出現(xiàn)，以GPTs為代表的生成式人工智能正在應(yīng)用到各行各業(yè)中。本文討論的算法模型關(guān)鍵技術(shù)將全面采用機(jī)器學(xué)習(xí)算法來實(shí)現(xiàn)。參見附圖9。

附圖9 機(jī)器學(xué)習(xí)算法在問題驅(qū)動(dòng)的算法模型響應(yīng)機(jī)制中的應(yīng)用

在問題浮現(xiàn)環(huán)節(jié)，可以通過“超能交互”、智能語音識(shí)別技術(shù)及其它圖像識(shí)別、圖像分割和圖生文大模型技術(shù)來實(shí)現(xiàn)對問題浮現(xiàn)的捕獲與問題數(shù)據(jù)生成。

在問題識(shí)別環(huán)節(jié)，可以組合運(yùn)用分詞技術(shù)(如N-gram模型、隱Markov 模型、最大熵模型和神經(jīng)網(wǎng)絡(luò)算法)、TF-IDF等文本特征選擇與向量化模型技術(shù)選擇問題數(shù)據(jù)中的特征和概念;運(yùn)用詞向量技術(shù)(如Word2Vec)和潛在狄利克雷分布(LDA)主題分析技術(shù)，可提取問題數(shù)據(jù)中的關(guān)鍵詞和若干主題，并可標(biāo)示主題與關(guān)鍵詞之間的權(quán)重情況，建立主題與關(guān)鍵詞之間的關(guān)系，識(shí)別關(guān)鍵詞之間的語義關(guān)系和相似度;通過知識(shí)智譜技術(shù)(如實(shí)體抽取、實(shí)體對齊、三元組抽取、事件抽取等技術(shù))，挖掘各種概念之間的關(guān)聯(lián)關(guān)系。加上如文本分類、文本聚類等技術(shù)，為問題識(shí)別提供了豐富的技術(shù)手段。

在問題提煉環(huán)節(jié)，通過對實(shí)體對齊后的供需三元組屬性值進(jìn)行比較分析，以識(shí)別供需之間同一范疇內(nèi)的概念是否一致，或是否存在差異，或否存在顯著沖突和矛盾等情況。對于異常概念，可根據(jù)問題的可觸及性、可控性和可操作性及其它其它相關(guān)特征變量(如差異程度、緊急程度、突發(fā)/并發(fā)/熱點(diǎn)、社會(huì)影響、合理性、可解性、難易程度等)，通過分類排序模型生成問題序列。可通過如主成分分析(PCA)或非負(fù)矩陣分解(NMF)技術(shù)進(jìn)一步抽取問題數(shù)據(jù)的特征和主題，形成新的概念和命題，以形成問題的新理論范式。結(jié)合歷史經(jīng)驗(yàn)和標(biāo)桿，并利用類ChatGPT生成模型生成問題響應(yīng)的建議和對策。整體上，上述技術(shù)的有機(jī)組合形成了一個(gè)問題提煉器。

在問題響應(yīng)環(huán)節(jié)，可通過歷史數(shù)據(jù)訓(xùn)練一些垂直領(lǐng)域大模型，建立問題解決方案中的條件變量、時(shí)間路線圖與問題解決成效之間的對應(yīng)關(guān)系，并以此大模型作為解決方案的扮演和模擬器，提升問題解決方案制定的科學(xué)性。其它如Embeddings模型、RAG檢索增強(qiáng)生成和向量數(shù)據(jù)庫技術(shù)等，將為問題響應(yīng)提供智能問答和文檔摘要生成能力，助力問題響應(yīng)過程中的自動(dòng)化和智能化。

實(shí)際過程中，這些算法模型的集合構(gòu)成了問題驅(qū)動(dòng)的算法模型響應(yīng)機(jī)制的 “算法庫”，作為貫穿從問題浮現(xiàn)到問題識(shí)別、問題提煉和問題響應(yīng)全過程的“智能中樞”。參見附圖10。

附圖10 從問題浮現(xiàn)到問題響應(yīng)的智能中樞——算法庫

由此可見，問題觸發(fā)的算法模型響應(yīng)機(jī)制，是以扎根理論的研究方法為思路，以原發(fā)問題為質(zhì)性研究材料，以算法庫為智能中樞，從而實(shí)現(xiàn)從問題浮現(xiàn)到問題識(shí)別、問題提煉和問題響應(yīng)全過程的自動(dòng)化和智能化，為公共服務(wù)和商業(yè)智能領(lǐng)域真正實(shí)現(xiàn)以問題為導(dǎo)向發(fā)揮數(shù)據(jù)的基礎(chǔ)要素和戰(zhàn)略資源作用提供了一種新的思路探索。

實(shí)踐過程中，重點(diǎn)需要把握三個(gè)方面的工作。第一是問題體系構(gòu)建和模型準(zhǔn)備。針對某一行業(yè)或領(lǐng)域，堅(jiān)持以原發(fā)問題為導(dǎo)向，厘清問題浮現(xiàn)的源頭，收集歷史問題多源數(shù)據(jù)，通過垂直行業(yè)大模型訓(xùn)練并建立覆蓋問題浮現(xiàn)監(jiān)測、問題識(shí)別、問題提煉和問題響應(yīng)能力的算法模型(庫)，并構(gòu)建問題標(biāo)準(zhǔn)化體系(指標(biāo)庫)。以12345政務(wù)熱線場景為例，問題浮現(xiàn)的源頭主要有12345電話呼入、各級(jí)政府的微信與微博、各類政務(wù)服務(wù)平臺(tái)的滿意度評(píng)價(jià)和好差評(píng)、大調(diào)研、第三方調(diào)查、各類互聯(lián)網(wǎng)媒體及其它等。通過對這些渠道的歷史數(shù)據(jù)進(jìn)行收集，建立12345政務(wù)熱線行業(yè)大模型，打造立覆蓋12345熱線各類問題浮現(xiàn)監(jiān)測、問題識(shí)別、問題提煉和問題響應(yīng)能力的算法模型(庫)(即模型能力APIs)，并構(gòu)建12345熱線問題標(biāo)準(zhǔn)化體系(各類問題指標(biāo)庫)和對策庫。第二是問題提煉器的構(gòu)建。在整個(gè)算法庫的構(gòu)建過程中，作為初始問題新的理論范式構(gòu)建的重要引擎，問題提煉器在整個(gè)算法模型響應(yīng)機(jī)制中起著至關(guān)重要的作用。問題提煉器的能力和性能決定了新概念和新命題提煉的質(zhì)量，也決定了新的理論范式的先進(jìn)性，從而也決定了對策與建議的科學(xué)性和準(zhǔn)確性。第三針對具體細(xì)分場景問題的應(yīng)用。應(yīng)用所建立的問題標(biāo)準(zhǔn)化體系、對策庫和算法模型(庫)，監(jiān)測具體細(xì)分場景問題的浮現(xiàn)，通過問題識(shí)別、問題提煉(問題解析)和問題響應(yīng)(推演和模擬)，對應(yīng)到具體的解決方案。問題解決方案的成效將被跟蹤記錄(跟蹤庫)，作為閉環(huán)，不斷優(yōu)化迭代算法模型的應(yīng)用能力。(作者：零點(diǎn)有數(shù)許正軍、袁 岳)