业务和功能介绍
（1）信访信息的采集
系统实现最高院信访交办、转办功能 ，支持政法委、人大、纪委、检察院、监察委、信访局的信访事项转办功能。包括来信、来访、
网上申诉信访等方式信息录入，信访事项的分类型处理等。
（2）信访案件分流办理
系统支持将信访问题分类，包括：事实认定不清、证据不足；法律适用问题；判决结果不服；程序违法或瑕疵；反映审判人员纪律作
风 问题；其他。制定不同的问题处理模板，并根据不同信访案件制定分类分级处理机制，通过分流功能将信访案件交转办给各部门
或下级 法院办理。
（3）信访案件结果查询和反馈
建立信访人沟通反馈机制，及时将信访案件处理结果反馈信访人和转办、交办部门。信访人对各工作环节通过线上可随时查看。对审
查 结果、评查结果满意的，需要签订承诺书；不满意的，继续通过中院、高院信访评查委员会评查后，报请终结，确需再审的，
报请院领 导启动再审审查程序。
（4）数据分析
展示每家法院涉诉信访数据基本情况。根据不同的数据源、信访形式、案件类型、地区和统计时间等响应条件来筛选展示涉诉信访 数
据的基本情况。并展示信访量较多的地区及具体案件数量。
系统实现最高院信访交办、转办功能 ，支持政法委、人大、纪委、检察院、监察委、信访局的信访事项转办功能。包括来信、来访、
网上申诉信访等方式信息录入，信访事项的分类型处理等。
（2）信访案件分流办理
系统支持将信访问题分类，包括：事实认定不清、证据不足；法律适用问题；判决结果不服；程序违法或瑕疵；反映审判人员纪律作
风 问题；其他。制定不同的问题处理模板，并根据不同信访案件制定分类分级处理机制，通过分流功能将信访案件交转办给各部门
或下级 法院办理。
（3）信访案件结果查询和反馈
建立信访人沟通反馈机制，及时将信访案件处理结果反馈信访人和转办、交办部门。信访人对各工作环节通过线上可随时查看。对审
查 结果、评查结果满意的，需要签订承诺书；不满意的，继续通过中院、高院信访评查委员会评查后，报请终结，确需再审的，
报请院领 导启动再审审查程序。
（4）数据分析
展示每家法院涉诉信访数据基本情况。根据不同的数据源、信访形式、案件类型、地区和统计时间等响应条件来筛选展示涉诉信访 数
据的基本情况。并展示信访量较多的地区及具体案件数量。
项目实现
本系统采用前后端分离+微服务架构，遵循合规性、兼容性、高可用、可扩展及易用性原则，适配国产化软硬件，支撑信访业务全生命周期闭环管理。整体分为五层，前端层为不同角色提供适配多终端的可视化界面；网关层作为统一接口入口，负责鉴权、路由及跨域处理；应用服务层按核心业务拆分微服务，实现独立部署与联动；数据层负责结构化、非结构化数据存储及缓存计算；基础设施层提供消息通知、文件存储等基础支撑，保障系统7×24小时运行。
核心模块技术栈适配业务需求与国产化标准：信访信息采集模块采用Spring Boot、国产化OCR组件及JSR380参数校验，OCR实现材料信息自动提取，接口对接外部转办系统；案件分流办理模块基于Spring Cloud，结合Easy Rules规则引擎、Flowable工作流及RabbitMQ，管控分类与交办流程；结果查询反馈模块用JWT鉴权、WebSocket实时推送，搭配电子签名组件及消息SDK；数据分析模块依托MyBatis-Plus、Redis缓存，通过ECharts可视化及POI报表导出功能实现数据处理。基础支撑模块采用Spring Security实现RBAC+数据权限管控，Nacos配置中心保障动态适配，Docker容器化部署降低运维成本。
我主导信访案件分流办理与数据分析模块核心开发，兼顾跨部门接口适配与权限优化。成果量化为：搭建6类信访问题自动分类规则引擎，准确率从75%提升至92%；实现三级交办流程，对接12个下级法院系统，流转效率提升40%；开发8维度数据筛选及5类可视化图表，10万条数据筛选耗时降至2秒内；优化数据库查询逻辑，案件响应时间从8秒缩至1.5秒，修复23个bug，高优先级bug修复率100%；适配6个部门接口，解析成功率达98%，配合完成158个测试用例，通过率99.3%，培训62名操作人员，上线后问题反馈率低于5%。
开发中核心难点及解决方案如下：一是跨部门接口格式不统一，初期解析成功率仅60%，通过设计统一DTO模型、开发配置化接口适配层，搭配异常告警与人工补录机制，将成功率提升至98%。二是案件自动分类准确率低，关键词匹配无法应对模糊表述，引入Easy Rules引擎结合分词语义分析，配置多维度规则，新增人工校正学习机制，准确率达92%。三是海量数据查询卡顿，通过构建数据分层架构、建立复合索引及Redis缓存热门数据，解决卡顿问题。四是权限管控粒度不足，扩展为RBAC+数据权限模型，新增接口层校验拦截器，杜绝越权操作风险。
核心模块技术栈适配业务需求与国产化标准：信访信息采集模块采用Spring Boot、国产化OCR组件及JSR380参数校验，OCR实现材料信息自动提取，接口对接外部转办系统；案件分流办理模块基于Spring Cloud，结合Easy Rules规则引擎、Flowable工作流及RabbitMQ，管控分类与交办流程；结果查询反馈模块用JWT鉴权、WebSocket实时推送，搭配电子签名组件及消息SDK；数据分析模块依托MyBatis-Plus、Redis缓存，通过ECharts可视化及POI报表导出功能实现数据处理。基础支撑模块采用Spring Security实现RBAC+数据权限管控，Nacos配置中心保障动态适配，Docker容器化部署降低运维成本。
我主导信访案件分流办理与数据分析模块核心开发，兼顾跨部门接口适配与权限优化。成果量化为：搭建6类信访问题自动分类规则引擎，准确率从75%提升至92%；实现三级交办流程，对接12个下级法院系统，流转效率提升40%；开发8维度数据筛选及5类可视化图表，10万条数据筛选耗时降至2秒内；优化数据库查询逻辑，案件响应时间从8秒缩至1.5秒，修复23个bug，高优先级bug修复率100%；适配6个部门接口，解析成功率达98%，配合完成158个测试用例，通过率99.3%，培训62名操作人员，上线后问题反馈率低于5%。
开发中核心难点及解决方案如下：一是跨部门接口格式不统一，初期解析成功率仅60%，通过设计统一DTO模型、开发配置化接口适配层，搭配异常告警与人工补录机制，将成功率提升至98%。二是案件自动分类准确率低，关键词匹配无法应对模糊表述，引入Easy Rules引擎结合分词语义分析，配置多维度规则，新增人工校正学习机制，准确率达92%。三是海量数据查询卡顿，通过构建数据分层架构、建立复合索引及Redis缓存热门数据，解决卡顿问题。四是权限管控粒度不足，扩展为RBAC+数据权限模型，新增接口层校验拦截器，杜绝越权操作风险。
示例图片视频
相似推荐
互联网金融支付项目
1.随着电商、共享经济等新业态爆发，中小商户与个人对便捷、低成本收付款需求激增，传统银行结算流程繁琐、到账慢，第三方支付凭借轻量化、全场景适配优势，成为市场刚需，本项目旨在打造合规、高效的聚合支付系统。
2.支持微信、支付宝、云闪付等主流渠道收款，提供订单管理、自动对账、分账结算、电子发票一键开具，搭载交易风控引擎，实时拦截异常交易，同时开放 API 接口，支持商户个性化二次开发。
3.用户发起付款请求，系统跳转至聚合收银台，用户选择支付渠道完成付款，交易数据同步至风控模块核验，核验通过后资金自动清算至商户账户，同时推送交易凭证与对账报表至商户后台。
智慧金融爬虫数据采集系统
1.立项背景和目标：需要对主流金融网站上的常见金融指标数据进行分析，需要获取实时的数据做量化分析
2.软件功能、核心功能模块的介绍：(1) 爬虫任务定时执行、任务状态检测平台采用dolphinschduler开源框架 (2) 爬取数据采用request,selenium,playwright,rpa,scapy等框架 （3）反爬技术框架采用js逆向、滑块验证码、图片数字验证码、ocr图片识别技术
（4）数据库采用mongoldb,oracle,后端技术采用flask框架
3.业务流程、功能路径描述：爬取主流金融网站的数据、图片、excel文件、html信息，解析、提取、转换其中的数据并落入数据库中，通过接口的形式推送到业务系统做展示
消费金融项目
锦咏数据互联网信贷中台（以下简称“信贷中台”）是构建在互联网+的基础上推出的新一代信贷系统平台，为企业客户和金融机构提供全流程、模块化的综合金融科技解决方案。整个系统是集线上线下多渠道导流、智能信贷审核、智能风控引擎、完整信贷核心核算、智能催收系统为一体的综合业务解决方案，解决了传统信贷的放款速度慢、银行垄断及信用审核难等问题，使互联网、个人消费、信用认证、量化评分、快速放款高效地结合到一起。系统平台支持互联网渠道如蚂蚁集团、微众银行、众安保险、度小满金融、360数科等多个导流渠道，支撑多种金融应用场景，完美适应面向场景化消费信贷、现金分期、随借随还、小微信贷等多种金融产品。结合互联网大数据征信对接多维度数据源、个人信用认证、量化评分等，做到快速自动化审批与人工审批完美结合，从而灵活配置风控规则，运用大数据风控建模，降低风控成本，提升审批效率，减少坏账发生率。
基于大模型NLP与游资动量特征的A股智能决策系统
1、立项背景和目标
散户获取股市消息面的渠道分散（新闻联播、财经频道、交易软件、财务报表等），且面对海量资讯时，人类大脑无法在盘中极短时间内完成“阅读->情绪判断->结合盘面->交易决策”的闭环。
本项目旨在解决这一痛点，开发一款“全维量化监控系统”。目标是将国内顶尖短线游资（如“92科比”）的盘面量价心法（硬数据）与基于深度学习的大语言模型（LLM）新闻情感分析（软数据）相结合，实现盘中毫秒级的自动化盯盘与决策辅助。
2、软件功能、核心功能模块的介绍
系统主要包含三大核心模块：
高频行情嗅探模块 (Market Scanner): 绕过繁琐的全市场扫描，直连新浪财经API，实时抓取全市场“高换手率”的活跃资金流向，计算涨跌停家数与市场平均溢价，生成“游资情绪仪表盘”。
量化规则引擎 (Strategy Logic): 基于短线打板心法，内置多重过滤漏斗（剔除ST/退市、锁定5-50元黄金价格带、筛选5%-25%异动换手率、大于2亿成交额的右侧上涨股），精准锁定核心龙头。
AI 舆情雷达模块 (AI News Sentiment): 针对初筛出的龙头股，自动化调用东方财富搜索接口，抓取最近7天的相关新闻。并载入本地部署的 Erlangshen/FinBERT 中文金融自然语言处理模型，对资讯标题进行语义理解，输出“利好/利空/中性”的AI判别及置信度。
3、业务流程、功能路径描述
系统的业务路径为一条高度自动化的流水线：
启动系统 -> 初始化本地NLP大模型 -> 触发定时扫描 -> 拉取新浪实时活跃行情 -> 执行量价策略筛出Top 5目标股 -> 对Top 5目标触发定向新闻爬虫 -> 大模型阅读新闻并打分 -> 融合行情与消息面，终端输出带表情包的可视化决策看板。
SA财富管理系统
该项目是中国民生银行自主研发运营的一套零售理财管理系统，业务主要分为对公和对私，PC端和手机端，服务范围全国28家所有民生银行的理财经、理财助理 、产品经理、产品助理等。包括基本电子基金业务、利息支票业务、货币市场、基本储蓄业务、信用卡及线索营销等服务。该项目每年营业365天，每天营业24小时，通过电子邮件或免费热线，为客户提供充满活力的、全天候的客户服务支持。为用户提供客户信息的收集整理，发起线索，开展营销活动等一系列的流程。实现各级分工协作，适合每个岗位的操作权限的控制。
该项目主要的模式是帮助银行工作人员收集和管理客户信息，为不同的客户群体提供各种有针对性的银行理财产品，帮助客户做出购买决定；充分挖掘潜在客户，持续追踪客户，和客户建立长期稳定的合作关系。
该项目主要运用的技术包括Spring, SpringMVC, MyBatis, Struts, WebService, Ajax, Json, Jsp, jQuery, Easy-ui, E-charts等等。因为该项目是由.net升级改造为Java的一个大型项目工程，有很多业务外包给多家软件公司，跨越多个项目，分属不同领域，所以涵盖的技术也比较多和杂。
主要功能模块分为：工作首页（包含各个功能模块的热点功能），工作专区（工作计划、工作日程、工作提醒），快速查询（查询客户），产品货架（储蓄、基金、债券、贵金属等），系统管理（用户信息管理、菜单设置、权限管理、系统参数配置等，此项仅管理岗可见，且根据权限大小而定），关于我们。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服