CN101567069A - 一种法律风险测评数据处理方法和查询系统 - Google Patents
一种法律风险测评数据处理方法和查询系统 Download PDFInfo
- Publication number
- CN101567069A CN101567069A CNA200910085178XA CN200910085178A CN101567069A CN 101567069 A CN101567069 A CN 101567069A CN A200910085178X A CNA200910085178X A CN A200910085178XA CN 200910085178 A CN200910085178 A CN 200910085178A CN 101567069 A CN101567069 A CN 101567069A
- Authority
- CN
- China
- Prior art keywords
- risk
- legal
- case
- data
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
法律风险测评数据处理方法,包括S1:从裁判文书中提取包括法律风险点和多个特征项的原始数据表,并以预定格式存储于被计算机读取的存储介质;S2:通过计算机对原始数据表执行第一运算建立法律风险点与主特征项的逻辑关联并得到主特征数据表;S3:对所述主特征数据表执行第二运算计算各个法律风险点的参数数据化值,并生成包含所述参数数据化值的测评数据表;S4:对所述参数数据化值进行排序运算并据以对法律风险点进行排名。本发明的方法能够针对海量数据进行全面分析,覆盖所有可能的数据源,使测评更全面;并且,由于测评过程是由计算机定量计算,因此更具客观性和可重复性;根据本方法的系统可以提供友好的界面供用户进行快速查询。
Description
技术领域
本发明涉及风险测评,特别是涉及一种对行业的法律风险进行测评的数据处理方法和提供测评及查询的系统。
背景技术
随着我国的法制不断完善,通过诉讼途径解决民事纠纷日益普遍,因此,对各项业务的法律风险测评也越来越重要。但是,由于法律是一项专门的技术,现有的测评都是建立在专家或专家团队的个人经验基础之上的。这种方式的缺点在于,第一,人力资本昂贵;第二因为缺乏数据化的指标和标准的方法,使得测评结果会因测评人不同而差异巨大,缺乏客观性;第三,随着审判数据的增加,测评的基础会逐渐庞大,对所有数据进行全面的了解非人力所能及,完整分析就更不可能。因此,有必要开发一种能对法律风险进行测评的方法和系统。
尤其是对于法律诉讼频发的行业,例如银行业和房地产业等,更是存在着法律风险高,涉案风险类别繁杂,风险点众多的现状。据统计平均一家国有大型商业银行近三年累计诉讼案件就达到十万件以上。对于上述行业的一般的中小型单位,其自身往往无力进行全面的法律风险分析,也无法雇佣大量的法律专业人士作为顾问;而对于大型单位,由于业务种类更多和业务量更大,对于整个行业的业务进行风险评估更是一项浩大工程,按照传统方式需要大量的人力物力,且往往事倍功半。
发明内容
本发明的目的在于,解决现有技术中对于法律风险测评缺失的问题,提供一种使用计算机对法律风险进行数据化和分析的方法和系统。通过数据分析以定量的方式对法律风险进行评价,并提供一种使用户能够快速查询的系统。
为此,本发明提供了一种法律风险测评数据处理方法,其包括以下步骤:S1:从裁判文书中提取包括法律风险点和多个特征项的原始数据表,并将之以预定格式存储于一被计算机读取的存储介质,其中,所述特征项包括主特征项和非主特征项;
S2:通过计算机对原始数据表执行第一运算建立法律风险点与所述主特征项的逻辑关联并得到主特征数据表;
S3:通过计算机对所述主特征数据表执行第二运算计算各个法律风险点的参数数据化值,并生成包含所述参数数据化值测评数据表;
S4:对所述参数数据化值进行排序运算并据以对法律风险点进行排名。
同时,本发明还提供了一种计算机法律风险测评查询系统,所述系统包括平台部分和存储部分,其中,所述存储部分为一可被平台部分访问的存储介质,至少存储一原始数据表和一包括风险点、损失度、期望值、发生概率等在内的法律风险测评查询数据表;
所述平台部分包括输入装置、显示装置和处理单元,所述处理单元包括:
输入辨识模块,所述模块在显示装置提供风险参数选择区域,并根据用户在选择区域的菜单选择或文本输入生成相应风险查询指令;
核心处理模块,其与平台部分的所有模块以及存储部分相通信,接收所述查询指令,调用一查询应答模块对查询指令做出响应,再调用一输出回显模块,根据所述响应的结果在显示装置上进行显示;
查询应答模块,其根据查询指令,在法律风险测评表中进行数据查找和/或排序,并将结果反馈到核心处理模块;
输出回显模块,其将查询应答模块的响应结果以适当格式显示于显示装置;
风险数据处理模块,所述风险数据处理模块用于根据所述原始数据表生成法律风险测评数据表和/或对法律风险测评数据表进行更新。
本发明的有益效果在于,使用本发明的方法能够针对海量数据进行全面分析,从而可以覆盖所有可能的数据源,使测评更全面;并且,由于测评过程是由计算机定量计算,因此更具客观性和可重复性;根据本方法的系统可以提供友好的界面供用户进行快速的查询。
附图说明
图1是本发明法律风险测评方法的流程图;
图2是本发明法律风险测评方法的数据处理方法第一实施例流程图;
图3是本发明法律风险测评方法的数据处理方法第二实施例流程图;
图4是本发明法律风险测评和查询系统的结构示意图。
具体实施方式
下面结合附图对本发明的各种特征和优点进行详细说明。
首先要说明的是,本发明的权利要求书和说明书中将涉及“数据表”(或“表”)这一概念,在本发明中,数据表(或“表”)不应仅被理解为2维的数值阵列,而是表示用于表征某一用途或方面的一系列数据组成的关联数据集合。该关联数据集合以现有的某种适于相应计算机程序访问的数据结构进行存储。所谓数据表可以是,但不限于以下形式:二维单元矩阵;三维或以上维度的单元矩阵;delphi、Orcal或SQsever等数据库语言中定义的表单的集合。
如图1所示,图1是本发明的法律风险测评数据方法的流程图。从图中可见,所述方法包括:
S1:从裁判文书中提取包括法律风险点和多个特征项的原始数据表,并将之以预定格式存储于一被计算机读取的存储介质,其中,所述特征项包括主特征项和非主特征项。主特征项包括:案件编号、时间、涉案金额;所述非主特征项包括:判决结论、风险类别、审理法院、地区、风险行为法律性质中的一种或一种以上。
而所述法律风险点是根据行业不同而有所不同,可以从判决文书中通过词频统计进行自动提取,亦可以由专家根据经验进行提取和完善。以银行业为例,所述法律风险点可以分为以下几大类别,风险类别包括以下各种风险中的一种或一种以上的组合:合同风险;票据风险;担保风险;柜台业务风险;国际业务风险;违规操作风险;内部欺诈风险;无权处分、侵权风险;监管不当风险;不作为风险;诉讼行为风险;安全保卫风险;人力资源风险。而具体的风险点在每一大类下又可根据需要设置几个到几十个不等。风险点个数的设定不同将不会超出本发明的思想和范围。
要说明的是,这里虽然是以银行业为例进行说明,但是本发明的思想和方法完全可以用于其它行业,例如房地产业、电信行业、证券业等其他金融业。只是风险点的选择和风险类别的划分有可能不同,而不会超出本发明的范围。
例如,对于如下的判决书第一案例,可以得到如表1中所示的原始数据。判决书示例一:
AA市×××办事处诉中国××银行××市支行损失赔偿纠纷案
河南省AA市中级人民法院民事判决书(2001)周民初字第5-1号
原告AA市×××办事处。
法定代表人×××,主任。
委托代理人×××,××师事务所律师。
被告中国××银行AA市支行。
法定代表人×××,行长。
委托代理人×××,××市农行法律顾问。
委托代理人×××,中国××银行AA市支行主任。
原告××市×××办事处(以下简称×××办事处)与被告中国××银行××市支行(以下简称××农行)损失赔偿纠纷一案,原告×××办事处的前身××市城郊乡政府于2001年1月5日提起诉讼。我院立案后,依法组成合议庭,公开开庭进行了审理。2001年7月11日,由于等待该案涉刑事部分的结果,本院裁定中止审理。2007年2月10日,因涉刑事部分已作出生效判决,本院依据原告申请恢复审理本案,由×××任审判长,审判员××、×××参加评议公开开庭进行了审理。原告×××办事处代理人×××,被告××农行代理人×××、×××到庭参加了诉讼。此案现已审理终结。
..................
综合以上双方诉辩意见及相关证据,本院确认案件实事如下:××市城郊乡所收税款按照规定全部上缴国家金库××市城郊乡金库,该金库设在××农行城郊营业所内。根据××市项发(1997)6号文件,乡(镇)金库实行双重领导,业务由市人行主管,乡金库所在行协助管理,人事由市财政调配。城郊乡金库代办员×××,由××市财政局任命,以××支库名义行使职权。2000年10月9日、10日×××伪造预算拨款凭证二份,金额分别为260000元、487650元,付款人均为城郊财政所,收款单位为×××(×××),账号为******,×××利用金库代办员身份,开具了二份内部往来划拨凭证,收款单位均为账号******。××市农行城郊营业所根据二份内部往来划拨凭证和预算拨款凭证将260000元、487650元划到******账号上,×××于2000年10月10日-13日分六次将该款全部取走,至今×××下落不明。××市城郊乡政府认为××农行城郊营业所违反金融管理法规,明知×××所转系公款的情况下,将库款转入个人账户,导致国有财产流失,请求判令××农行承担过错赔偿责任。××市城郊乡政府并提供了追款费用证据计133533.24元,以证明追款的损失。
另查明,1、正常的预算拨款程序为:××市城郊乡财政所向国家金库××支库城郊代办处开出预算拨款凭证,该凭证共四联。金库对预算拨款凭证审查后,向银行开出内部往来划款凭证,银行对内部往来划款凭证审查后,将款划转到收款人账户上。2、金库设立情况。依照乡(镇)国库管理办法的规定,1997年以前,国家金库××支库城郊代办处设在××农行城郊营业所,其业务由城郊营业所代办。1997年以后,根据项发(1997)6号文,乡(镇)国库实行双重领导,金库代办员由乡财政所任命。3、×××(×××)帐户设立情况:×××帐户是1998年开立,2000年4月实行存款实名制以后,改为×××。除了2000年10月9日、10日二次将款转到该账户以外,以前也曾将款转到该账户。
2001年7月11日,由于××市公安局对该案立案侦查,本院下发(2001)周经初字第5号裁定书,裁定本案中止诉讼。2005年12月2日,××市人民法院判决原××农行城郊营业所专职复核员**在本案中构成玩忽职守罪,**未上诉。2006年7月30日,周口市中级人民法院作出终审刑事判决,认定原××农行城郊营业所会计**、原××农行城郊营业所会计×××在该案中构成国有企业人员失职罪,维持××市人民法院作出的刑事判决。2006年1月16日,周口市中级人民法院作出刑事裁定书,认为××市人民法院作出的一审刑事判决认定原××农行城郊营业所主任×××构成国有企业人员失职罪证据不足,发回重审,目前尚未有结果。
2006年9月10日,××市人民政府出具证明,原××市城郊乡人民政府的债权归×××办事处享有。2007年2月10日,因涉刑事部分已作出生效判决,本院依据原告×××办事处申请恢复审理本案。
综上,本院认为,×××伪造预算拨款凭证,开具了内部往来划拨凭证,收款单位均为账号******,××市农行城郊营业所根据内部往来划拨凭证和预算拨款凭证将747650元划到******账号上,致使×××将该款全部取走,至今下落不明,在此过程中,××农行城郊营业所违反《中国人民银行关于严禁公款私存套取现金的公告》第一条等金融管理法规,明知×××所转系公款的情况下,将库款转入个人账户,导致国有财产流失,××农行应对因其过错给××市城郊乡人民政府造成的损失,承担赔偿责任。××农行称自己主客观上都不存在过错,对国家金库××支库城郊代办处没有管理和监督职责,但生效的刑事判决已认定××农行有关人员构成玩忽职守罪、国有企业人员失职罪,故对该款被取走××农行有过错,应赔偿××市城郊乡人民政府747650元。××市城郊乡人民政府提交的追款损失133533.24元票据中,大多用于公安部门办案,该损失由其自负。故依照中华人民共和国国务院第206号《金融违法行为处罚办法》第十条第二款、《中华人民共和国民法通则》第一百零六条第二款之规定,判决如下:
一、中国××银行××市支行于本判决生效后十日内赔偿××市×××办事处损失747650元。
二、驳回原告××市×××办事处其他诉讼请求。
如果未按本判决指定的期间履行给付金钱义务,应当依照《中华人民共和国民事诉讼法》第二百三十二条之规定,加倍支付迟延履行期间的债务利息。
案件受理费14365元,由被告中国××银行××市支行负担。
如不服本判决,可在判决书送达之日起十五日内向本院递交上诉状,并按对方当事人的人数提出副本,上诉于河南省高级人民法院。
审判长×××审判员×××审判员×××
二○○七年四月三十日
书记员×××
表1根据判决书示例一提取的原始数据
其中,字母是为了后续程序的计算和统计方便而自定义的,显然,本领域的技术人员可以根据不同的需求对使用字母或数字编号进行参数表示进行自由选择,这些将不影响本发明的实施。
S2:通过计算机对原始数据表执行第一运算建立法律风险点与所述主特征项的逻辑关联并得到主特征数据表。所谓特征逻辑关联是指各个风险点与主特征项的对应关系,例如风险点与案件数量的关系,风险点与涉案金额的关系,风险点与判决结果的相互关系,例如行业内企业与业外法人或自然人发生纠纷时的判决胜诉和败诉比例,赔偿金额等。
根据本发明的一个优选实施例,步骤S2可以这样实现:所述主特征数据表包括风险点唯一编号、案件编号、时间、涉案金额、案件-风险点关联性,所述建立法律风险点与主特征项的逻辑关联的第一运算包括:以风险点唯一编号作为主索引项;以逻辑值表征风险点是否存在于案件中并据此建立案件-风险点关联表;根据案件-风险点关联表建立风险点唯一编号与案件编号、时间、涉案金额之间的关联。
S3:通过计算机对所述主特征数据表执行第二运算计算各个法律风险点的参数数据化值,并生成包含所述参数数据化值测评数据表。这里数据化值包括:根据风险点对应的案件数量计算包含每一风险点的风险行为的发生概率。根据风险点对应的案件涉案金额计算包含每一风险点的风险行为的损失度。以及包括每一风险点的风险行为的损失度和发生概率计算风险行为的期望值。
根据本发明的一优选实施例,计算法律风险点的参数数据化值的第二运算包括:按照法律风险点对所述案件-风险点关联表进行统计运算,用存在某一风险点的案件数Ci除以案件总数CN计算每一风险点的发生概率;以案件-风险点关联表作为索引表,通过关联查表运算,统计存在某一风险点的所有的案件涉案金额之和Ri,并将Ri除以所有案件总的涉案金额之和TM再乘以一基础系数计算每一风险点的损失度;根据每一风险点的对应的损失度与发生概率的乘积计算风险点的期望值参数。
S4:对所述参数数据化值进行排序运算并据以对法律风险点进行排名。即根据步骤S3的计算结果,进行数值的排序,从而可以将排序结果作为风险判断的依据和供客户查询之用。
其中所使用的原始裁判文书可以手工录入收集,例如获取原始裁判文书可以使用一预先编制的程序从指定的网站抓取。而风险点和特征项的提取同样是可以用程序通过语义分析进行识别或人工提取,为了保证精确度,以上原始裁判文书的收集和风险点和特征项的提取以由专业人士人工进行为佳。
根据上述测评数据处理方法的一个实施例步骤S2到S3的数据处理流程如图2所示。其包括:步骤P’0:建立包括风险点和多个特征项的原始数据表;P’1:分别生成风险点与发生次数和涉案金额的统计分表;P’2:根据统计分表生成各风险点的期望值和损失度表;P’3:计算各风险点的败诉率;P’4:生成包括风险点、损失度、期望值、发生概率和败诉率在内的测评总表。其中各个表单的含义与下文中结合图3进行说明。其中步骤P’3与步骤P’1到P’2的先后顺序可以随意交换,均属于本发明的保护范围。
根据上述测评数据处理方法的另一个实施例步骤S2到S3的数据处理流程如图3所示。图3的方法同样是对法律风险测评数据进行处理,以对法律风险进行精确的定量计算。由于原始数据表的数据量庞大,且随着时间的推移,裁判文书的数据量势必越来越大。对如此大量的数据进行分析时如果按照原始的循环查找的方式对各个数据项进行统计和相关分析,则所需的时间会相当长,而图3的方法可以加快数据处理速度,减少系统程序运行时间。
从图3可见,该法律风险测评数据处理方法包括以下步骤:
P0:建立包括风险点和多个特征项的原始数据表。这里数据总表作为运算的基础其获取方式与图1的实施例相同。
P1:将原始数据表按时间项分区进行第一次数据分类,生成分时段汇总表。根据目前国内案件的审理周期,优选的是按照年份进行分时段汇总。
P2:对汇总表进行数据处理,分别生成风险点与发生次数和涉案金额的统计分表,即生成风险点——发生次数统计表和风险点——涉案金额统计表。
P3:根据上述统计分表生成各风险点的分时段期望值和损失度表。
P4:计算各风险点全部时间范围内发生概率、损失度和期望值。
P5:计算各风险点的分时段的败诉率和全部时间范围内的败诉率。
其中,步骤P2、P3和P5可以通过对数据总表进行循环查询并在查询过程中将符合相应条件的数据写入相应分表中而实现。这样,当有新的数据加入总表时,只要对新的数据进行处理即可,减少了数据处理量。
显然,步骤P5与步骤P3到P4的先后顺序可以随意交换,这样的变换将不超出本发明的范围。
其中,所述损失度定义为:损失度=该风险行为对应案件涉案金额/所有案件涉案金额总数×基础系数。例如,基础系数可取1000。所述期望值定义为:该风险行为的发生概率×该风险行为损失度,其中所述发生概率定义为:该风险行为案件总数除以所有案件总数。上述计算可以根据各个分表的数据进行,并将计算结果存储到相应的分表。
P6:生成包括风险点、损失度、期望值、发生概率、败诉率在内的评估测评总表。这一步骤是将上述各个分表进行合成,生成的评估测评总表汇总了进行风险评估测评所需的参数的计算结果,从而可以通过评估测评总表对风险点和风险行为进行评估测评和排序,并且可以直接通过该评估测评总表给客户提供查询,从而可方便快捷的获得查询结果。
本发明的存储结构设计和数据处理流程将有利于使用各种计算机语言编制软件流程,可以加快运算的速度和减小运算量。例如,以逻辑值表征案件-风险点的关联可以方便的通过矩阵乘运算对数据化的其它参数值进行统计分析,从而取得比循环查找和运算高得多的效率。再例如,通过分时段统计,在进行更新时便无需对已有数据进行重新计算,只加入新增数据即可,大大节约了运算量。
图4所示为本发明计算机法律风险测评查询系统的结构模块示意图。所述系统包括平台部分和存储部分,其中,所述存储部分6为一可被平台部分访问的存储介质,至少存储一原始数据表和一包括风险点、损失度、期望值、发生概率等在内的法律风险测评查询数据表;
所述平台部分包括输入装置、显示装置和处理单元,所述处理单元包括:
输入辨识模块1,所述模块在显示装置提供风险参数选择区域,并根据用户在选择区域的菜单选择或文本输入生成相应风险查询指令;
核心处理模块2,其与平台部分的所有模块以及存储部分相通信,接收所述查询指令,调用一查询应答模块对查询指令做出响应,再调用一输出回显模块,根据所述响应的结果在显示装置上进行显示;
查询应答模块5,其根据查询指令,在法律风险测评表中进行数据查找和/或排序,并将结果反馈到核心处理模块;
输出回显模块4,其将查询应答模块的响应结果以适当格式显示于显示装置;
风险数据处理模块3,所述风险数据处理模块用于根据所述原始数据表生成法律风险测评表和/或对法律风险测评表进行更新。
而其中,所述风险数据处理模块的数据处理过程可以通过上述结合法律风险测评数据方法的各个实施例中的任何一个来实现。
此外,要说明的是,虽然本发明是以银行业的法律风险为例进行说明,但是本发明的应用范围并不局限于此。对于其它涉及法律风险测评的行业,如房地产业、电信行业、证券服务业等,本发明的方法和系统同样可以适用。
以上对本发明的描述是说明性的,而非限制性的,本专业技术人员理解,在权利要求限定的精神与范围之内可对其进行许多修改、变化或等效,但是它们都将落入本发明的保护范围内。
Claims (10)
1、一种法律风险测评数据处理方法,其特征在于,包括以下步骤:
S1:从裁判文书中提取包括法律风险点和多个特征项的原始数据表,并将之以预定格式存储于一被计算机读取的存储介质,其中,所述特征项包括主特征项和非主特征项;
S2:通过计算机对原始数据表执行第一运算建立法律风险点与所述主特征项的逻辑关联并得到主特征数据表;
S3:通过计算机对所述主特征数据表执行第二运算计算各个法律风险点的参数数据化值,并生成包含所述参数数据化值的测评数据表;
S4:对所述参数数据化值进行排序运算并据以对法律风险点进行排名。
2、根据权利要求1所述的法律风险测评数据处理方法,其特征在于,所述主特征项包括:案件编号、时间、涉案金额;所述非主特征项包括:判决结论、风险类别、审理法院、地区、风险行为法律性质中的一种或一种以上。
3、根据权利要求2所述的法律风险测评数据处理方法,其特征在于,所述非主特征项中的风险类别包括以下各种风险中的一种或一种以上的组合:合同风险;票据风险;担保风险;柜台业务风险;国际业务风险;违规操作风险;内部欺诈风险;无权处分、侵权风险;监管不当风险;不作为风险;诉讼行为风险;安全保卫风险;人力资源风险。
4、根据权利要求1所述的法律风险测评数据处理方法,其特征在于,所述步骤S2中,所述主特征数据表包括风险点唯一编号、案件编号、时间、涉案金额、案件-风险点关联性,所述建立法律风险点与主特征项的逻辑关联的第一运算包括:以风险点唯一编号作为主索引项;以逻辑值表征风险点是否存在于案件中并据此建立案件-风险点关联表;根据案件-风险点关联表建立风险点唯一编号与案件编号、时间、涉案金额之间的关联。
5、根据权利要求4所述的法律风险测评数据处理方法,其特征在于,所述步骤S3中,计算法律风险点的参数数据化值的第二运算包括:
按照法律风险点对所述案件-风险点关联表进行统计运算,用存在某一风险点的案件数Ci除以案件总数CN计算每一风险点的发生概率;
以案件-风险点关联表作为索引表,通过关联查表运算,统计存在某一风险点的所有的案件涉案金额之和Ri,并将Ri除以所有案件总的涉案金额之和TM再乘以一基础系数计算每一风险点的损失度;
根据每一风险点的对应的损失度与发生概率的乘积计算风险点的期望值参数。
6、根据权利要求2所述的法律风险测评数据处理方法,其特征在于,所述步骤S2和S3包括以下子步骤:
P1:将原始数据表按时间项分区进行第一次数据分类,生成分时段汇总表;
P2:对汇总表进行数据处理,分别生成风险点与发生次数和涉案金额的统计分表;
P3:根据上述统计分表生成各风险点的分时段期望值和损失度表;
P4:计算各风险点全部时间范围内发生概率、损失度和期望值;
P5:计算各风险点的分时段的败诉率和全部时间范围内的败诉率;
P6:生成包括风险点、损失度、期望值、发生概率等在内的测评数据表。
7、根据权利要求6所述的法律风险测评数据处理方法,其特征在于,所述步骤P1中将原始数据表按时间项分区进行第一次数据分类为按照年份进行分时段汇总。
8、根据权利要求6所述的法律风险测评数据处理方法,其特征在于,所述其中所述发生概率定义为:该风险行为案件总数除以所有案件总数;风险行为损失度定义为:存在某一风险点的所有的案件涉案金额之和除以所有案件总的涉案金额之和再乘以一基础系数;期望值定义为:该风险行为的发生概率×该风险行为损失度。
9、一种计算机法律风险测评和查询系统,其特征在于,所述系统包括平台部分和存储部分,其中,所述存储部分为一可被平台部分访问的存储介质,至少存储一原始数据表和一包括风险点、损失度、期望值、发生概率等在内的法律风险测评查询数据表;
所述平台部分包括输入装置、显示装置和处理单元,所述处理单元包括:
输入辨识模块,所述模块在显示装置提供风险参数选择区域,并根据用户在选择区域的菜单选择或文本输入生成相应风险查询指令;
核心处理模块,其与平台部分的所有模块以及存储部分相通信,接收所述查询指令,调用一查询应答模块对查询指令做出响应,再调用一输出回显模块,根据所述响应的结果在显示装置上进行显示;
查询应答模块,其根据查询指令,在法律风险测评表中进行数据查找和/或排序,并将结果反馈到核心处理模块;
输出回显模块,其将查询应答模块的响应结果以适当格式显示于显示装置;
风险数据处理模块,所述风险数据处理模块用于根据所述原始数据表生成法律风险测评数据表和/或对法律风险测评数据表进行更新。
10、根据权利要求9所述的计算机法律风险测评和查询系统,其特征在于,所述原始数据表包括特征项包括主特征项和非主特征项,所述风险测评单元是根据所述原始数据表生成法律风险测评数据表和/或对法律风险测评数据表进行更新的过程如下:
通过计算机对原始数据表执行第一运算建立法律风险点与所述主特征项的逻辑关联并得到主特征数据表;
通过计算机对所述主特征数据表执行第二运算计算各个法律风险点的参数数据化值,并生成包含所述参数数据化值测评数据表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200910085178XA CN101567069A (zh) | 2009-05-27 | 2009-05-27 | 一种法律风险测评数据处理方法和查询系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200910085178XA CN101567069A (zh) | 2009-05-27 | 2009-05-27 | 一种法律风险测评数据处理方法和查询系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101567069A true CN101567069A (zh) | 2009-10-28 |
Family
ID=41283212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200910085178XA Pending CN101567069A (zh) | 2009-05-27 | 2009-05-27 | 一种法律风险测评数据处理方法和查询系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101567069A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488750A (zh) * | 2013-09-24 | 2014-01-01 | 长沙裕邦软件开发有限公司 | 一种网络机器人的实现方法及系统 |
CN104850905A (zh) * | 2015-05-15 | 2015-08-19 | 上海集本信息技术服务有限公司 | 一种基于机器学习的法律风险量化评估系统及其方法 |
CN104885116A (zh) * | 2012-10-10 | 2015-09-02 | Ubic股份有限公司 | 法庭用系统,法庭用方法,以及法庭用程序 |
CN105677726A (zh) * | 2015-12-29 | 2016-06-15 | 上海律巢网络科技有限公司 | 一种数据检索及结果呈现方法与系统 |
CN106372798A (zh) * | 2016-08-31 | 2017-02-01 | 点击律(上海)网络科技有限公司 | 一种基于风险的用户自定义的合同生成方法和系统 |
CN106815201A (zh) * | 2015-12-01 | 2017-06-09 | 北京国双科技有限公司 | 一种自动判定裁判文书判决结果的方法及装置 |
CN107632968A (zh) * | 2017-05-22 | 2018-01-26 | 南京大学 | 一种面向裁判文书的证据链关系模型的构建方法 |
CN109426905A (zh) * | 2017-08-29 | 2019-03-05 | 北京国双科技有限公司 | 一种刑事文书量刑偏离的判定方法及装置 |
CN109635990A (zh) * | 2018-10-12 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种训练方法、预测方法、装置及电子设备 |
CN109636091A (zh) * | 2018-10-26 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种需求文档风险识别方法及装置 |
CN110837562A (zh) * | 2018-08-17 | 2020-02-25 | 阿里巴巴集团控股有限公司 | 案件的处理方法、装置和系统 |
-
2009
- 2009-05-27 CN CNA200910085178XA patent/CN101567069A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104885116A (zh) * | 2012-10-10 | 2015-09-02 | Ubic股份有限公司 | 法庭用系统,法庭用方法,以及法庭用程序 |
CN104885116B (zh) * | 2012-10-10 | 2017-07-11 | Ubic股份有限公司 | 法庭用系统,法庭用方法,以及法庭用程序 |
CN103488750A (zh) * | 2013-09-24 | 2014-01-01 | 长沙裕邦软件开发有限公司 | 一种网络机器人的实现方法及系统 |
CN104850905A (zh) * | 2015-05-15 | 2015-08-19 | 上海集本信息技术服务有限公司 | 一种基于机器学习的法律风险量化评估系统及其方法 |
CN106815201A (zh) * | 2015-12-01 | 2017-06-09 | 北京国双科技有限公司 | 一种自动判定裁判文书判决结果的方法及装置 |
CN106815201B (zh) * | 2015-12-01 | 2021-06-08 | 北京国双科技有限公司 | 一种自动判定裁判文书判决结果的方法及装置 |
CN105677726A (zh) * | 2015-12-29 | 2016-06-15 | 上海律巢网络科技有限公司 | 一种数据检索及结果呈现方法与系统 |
CN106372798B (zh) * | 2016-08-31 | 2019-07-30 | 点击律(上海)网络科技有限公司 | 一种基于风险的用户自定义的合同生成方法和系统 |
CN106372798A (zh) * | 2016-08-31 | 2017-02-01 | 点击律(上海)网络科技有限公司 | 一种基于风险的用户自定义的合同生成方法和系统 |
CN107632968A (zh) * | 2017-05-22 | 2018-01-26 | 南京大学 | 一种面向裁判文书的证据链关系模型的构建方法 |
CN109426905A (zh) * | 2017-08-29 | 2019-03-05 | 北京国双科技有限公司 | 一种刑事文书量刑偏离的判定方法及装置 |
CN109426905B (zh) * | 2017-08-29 | 2022-03-18 | 北京国双科技有限公司 | 一种刑事文书量刑偏离的判定方法及装置 |
CN110837562A (zh) * | 2018-08-17 | 2020-02-25 | 阿里巴巴集团控股有限公司 | 案件的处理方法、装置和系统 |
CN110837562B (zh) * | 2018-08-17 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 案件的处理方法、装置和系统 |
CN109635990A (zh) * | 2018-10-12 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种训练方法、预测方法、装置及电子设备 |
CN109635990B (zh) * | 2018-10-12 | 2022-09-16 | 创新先进技术有限公司 | 一种训练方法、预测方法、装置、电子设备及存储介质 |
CN109636091A (zh) * | 2018-10-26 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种需求文档风险识别方法及装置 |
CN109636091B (zh) * | 2018-10-26 | 2023-06-06 | 创新先进技术有限公司 | 一种需求文档风险识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101567069A (zh) | 一种法律风险测评数据处理方法和查询系统 | |
JP6494619B2 (ja) | 知的財産権の評価の方法、システム、および、プログラム | |
Maseko et al. | An analysis of the impact of targeted government support on SMEs growth and development in Zimbabwe: a survey of Mashonaland Central Province | |
Guan et al. | Evaluation of the competitiveness of China’s commercial banks based on the G-CAMELS evaluation system | |
JP7181334B2 (ja) | インテリジェントサプライヤー管理システム及びインテリジェントサプライヤー管理方法 | |
Arora et al. | Effect of investments in information technology on bank performance: empirical evidence from Indian public sector banks | |
Muehlmann et al. | Emerging technologies research in accounting: JETA's first decade | |
CN112418591A (zh) | 一种基于权重分配模型的企业esg评级方法 | |
US20200065867A1 (en) | Patent valuation system | |
Liu et al. | Application of hierarchical clustering in tax inspection case-selecting | |
He et al. | Construction of a database linking SIPO patents to firms in China’s Annual Survey of Industrial Enterprises 1998-2009 | |
Gobbi et al. | Relationship lending in a financial turmoil | |
Günnel et al. | Does Benford’s Law hold in economic research and forecasting? | |
Tong et al. | The research of agricultural SMEs credit risk assessment based on the supply chain finance | |
Banam et al. | The relationship of information asymmetry, institutional ownership and stock liquidity with income smoothing in tehran stock exchange | |
Olufemi et al. | Accounting software in computerized business environment and quality of corporate reporting | |
Ernest | The relevance of auditing in a computerized accounting system | |
Huang et al. | Hysteresis effects of R&D expenditures and patents on firm performance: An empirical study of Hsinchu Science Park in Taiwan | |
Al-Halabi et al. | The impact of designing accounting information systems on the level of accounting conservatism-a field study | |
Park | The R&D logic model: Does it really work? An empirical verification using successive binary logistic regression models | |
Whiteman | The efficiency of developing country public financial management systems | |
Nenkova et al. | Government expenditure efficiency and macroeconomic performance of Balkan countries: DEA approach | |
Mauludina et al. | Determinants of SOE’s performance: A systematic literature review | |
Smith | Automation in Tax Administration | |
US20210312577A1 (en) | User-centric patent valuation-transaction system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20091028 |