卫生监督是卫生领域的行政执法,包括行政许可、监督检查、行政处罚和行政强制等。当期,随着“放管服”深化改革,全面加强事中事后监管,卫生监督检查和卫生行政处罚成为重点,且卫生监督检查以“双随机、一公开”的随机抽取监管对象进行监督检查为主要形式,随机抽取有可能出现违规风险较高的监管对象未被抽取检查到的问题,产生监管漏洞,亟需从数量众多、类型多样的监管对象中发现可能有违法行为的监管对象并对其风险进行预警,同时卫生行政处罚会涉及自由裁量权的一致性问题,为避免畸轻畸重,做到过罚相当、类案同罚,对监管对象的罚款等需要给出智能化裁量推荐,以及能评估其合理性。在监督检查中,数据驱动的卫生风险预警模型可从众多的监管对象中发现违规风险较高的重点监管对象,提高执法人员监督检查的效率,还可以提示违规诱因实现精准监管。在行政处罚中,不但对监管对象的处罚给出智能化裁量推荐,而且能评估行政处罚中自由裁量的合理程度。亟需解决的研究问题包括:第一,如何利用大数据技术在现有信息系统数据的基础上整合互联网数据构建多源异构的风险因子指标体系?第二,如何针对公共场所、传染病防控和消毒产品等不同典型业务场景的数据特点、应用条件、设计风险预警模型?模型预测可为执法人员提供高风险对象清单。第三,如何衡量行政处罚领域自由裁量权行使的合理性?并研发卫生监督风险预警与行政处罚智能辅助应用系统。针对精准识别卫生监督的有中、高风险的监管对象和自由裁量合理程度评估等挑战,本论文研究了卫生监督的风险预警模型和处罚评估方法,设计的风险预警模型以满足高精度、可解释、可泛化的需求;设计了一个基于对比评估的行政处罚合理程度检测方法,在实际卫生监督中,实现对合理的行政处罚罚款金额的判别。本文主要的贡献如下:1、提出了一种基于多源异构数据的卫生监督风险因子指标体系构建方法。针对卫生监督信息系统数据杂、有效的风险因子提取难问题,通过融合互联网信息,设计了从高维稀疏特征矩阵获取高影响的风险因子动态提取方法。2、提出了一种面向高维非线性信息的风险预警模型组合优化方法。针对卫生监督预警中风险因子维度高、违规概率的因素杂,要求模型既要能挖掘高维因子的非线性信息,同时有对抗过拟合的能力,本文选择XGBoost集成树作为基础模型,综合考虑抗时变、样本不平衡、三元组数据挖掘等有效提升模型效果的技术,以及研究这些技术适用的条件,设计了基于抗时变公共场所风险预警方法、基于AIC-Imb-XGBoost传染病防控风险预警方法和基于XGB-RGCN消毒产品风险预警方法的卫生监督风险预警模型。3、提出了一个基于对比评估的行政处罚合理程度检测方法。针对卫生行政执法中行政处罚罚款金额判别不一致问题,提出了基于数据聚类和统计分析的无监督自动数据样例类别判断与数据集构建方法,能够无需人工标注地从历史罚款记录中进行对比评估学习,并在模型训练后完成对已有罚款金额的罚款历史记录的合理程度判断,以及对尚未作出处罚决定的处罚记录的罚款金额预测。4、研发了卫生监督的风险预警与行政处罚智能辅助应用系统。在研究了多源数据处理技术、风险模型定期迭代的方法、基于区块链的数据安全共享方案,微服务+湖仓一体DevOps平台设计等关键技术基础上,研发了卫生监督的风险预警与行政处罚智能辅助应用系统,并在实际卫生行政执法中得到应用,推进了基于风险预警的有针对性监管的卫生监督新模式。