CN109684470A - 法律信息推荐方法及装置、存储介质及电子设备 - Google Patents
法律信息推荐方法及装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109684470A CN109684470A CN201910020487.2A CN201910020487A CN109684470A CN 109684470 A CN109684470 A CN 109684470A CN 201910020487 A CN201910020487 A CN 201910020487A CN 109684470 A CN109684470 A CN 109684470A
- Authority
- CN
- China
- Prior art keywords
- user
- law
- target
- initial
- entry
- 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.)
- Granted
Links
Abstract
本发明提供一种法律信息推荐方法,包括:依据已记录的违法行为数据,在预先构建的用户表征集合中识别多个目标用户;在预先构建的法律文本表征集合中,为每个目标用户选取与其对应的初始法律条目集合;确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。应用本发明提供的法律信息推荐方法,从用户表征集合中挖掘目标用户,并确定目标用户的法律需求,获取与目标用户法律需求对应的目标法律条目,将目标法律条目推送给目标用户,实现针对不同用户个性化推送相关法律信息。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种法律信息推荐方法及装置、存储介质及电子设备。
背景技术
很多犯罪事件的发生,与施害人法律意识不足有关,也与被害人防范意识不足有关,例如,近些年来电话诈骗、网络诈骗等犯罪案件层出不穷,一旦犯罪发生,受害人的损失大都难以挽回。因此,这就需要相关部门加大法律知识的普及,提高人民群众的法律意识。
经本发明人研究发现,有关部门在对人民群众进行法律信息推荐时,通常采用设立法律知识宣传栏和发放法律知识传单的方式对人民群众进行法律知识宣传,对于不同的人宣传的法律知识内容都是一致的,然而,不同的自然人有着不同的法律风险,也对应拥有不同的法律知识需求,因此,如何针对不同自然人的法律需求进行法律知识宣传成为本领域技术人员迫切解决的问题。
发明内容
本发明所要解决的技术问题是提供一种法律信息推荐方法,针对不同用户个性化推送相关法律信息。
本发明还提供了一种法律信息推荐装置,用于保证上述方法在实际中的实现及应用。
一种法律信息推荐方法,包括:
获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;
在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;
确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。
上述的方法,可选的,所述在预先构建的用户表征集合中识别多个目标用户,包括:
对获取的所述违法行为数据进行预处理;
将所述预先构建的用户表征集合中的各个用户,分别与经过预处理的所述违法行为数据进行匹配;
将所述预先构建的用户表征集合中,与经过预处理的所述违法行为数据相匹配的用户,确定为目标用户。
上述的方法,可选的,所述在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,包括:
将所述法律文本表征集合中的各个法律文本表征信息,及所述目标用户对应的用户表征信息,输入至预先建立的预测模型,经过所述预测模型处理后,获得每个所述目标用户对应多个法律条目;
将所述违法行为数据与每个所述目标用户对应的多个法律条目进行匹配,将每个所述目标用户对应的多个法律条目满足预设匹配规则的法律条目确定为初始法律条目,以确定每个所述目标用户对应的各个初始法律条目,并依据每个所述目标用户对应的各个初始法律条目,获得每个所述目标用户对应的初始法律条目集合。
上述的方法,可选的,所述用户表征集合的构建过程,包括:
获取目标城市中每个用户的通讯记录和历史地理位置信息;
依据每个用户的通讯记录,构建所述用户的社交关系网络;
采用随机游走模型解析所述社交关系网络,以获取所述目标城市中的各个用户之间的社交关系,并依据所述目标城市中各个用户之间的社交关系,得到所述社交关系网络中每个用户的社交表征;
将每个所述用户的历史地理位置信息输入至预先构建的长短时网络模型中,得到所述目标城市中每个用户各个时间段的位置信息,以获得所述目标城市中每个用户的位置信息表征;其中,所述每个用户各个时间段的位置信息包括历史位置信息和未来位置信息;
通过全连接网络,对所述目标城市中的每个用户的社交表征和位置信息表征进行拼接,以获得每个用户的用户表征,并基于每个所述用户的用户表征,构建用户表征集合。
上述的方法,可选的,所述法律文本表征集合的构建过程,包括:
对已获取的各个目标法律文本做分词处理,获得与每个所述目标法律文本对应的法律词汇;
采用向量空间模型将每个所述目标法律文本对应的法律词汇建模成语义空间;
将所述语义空间中的法律词汇进行拼接,获得每个所述目标法律的法律文本表征,依据每个所述法律文本表征,构建法律文本表征集合。
上述的方法,可选的,在所述将每个所述目标法律文本对应的法律词汇建模成语义空间之后,还包括:
采用预先设定的奇异值分解方法分解所述语义空间,获得所述语义空间对应的各个奇异值;
将数值小于预设阈值的奇异值置零,并按照各个奇异值从大到小的顺序对已分解的语义空间的维度进行降维。
上述的方法,可选的,所述将所述目标法律条目推送给所述初始法律条目集合对应的目标用户,包括:
依据所述目标法律条目生成推荐信息;
依据所述目标用户的通讯记录将所述推荐信息推送至所述目标用户对应的终端设备。
一种法律信息推荐装置,包括:
识别单元,用于获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;
选取单元,用于在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;
确定单元,用于确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。
一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述的法律信息推荐方法。
一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行上述的法律信息推荐方法。
与现有技术相比,本发明包括以下优点:
本发明提供一种法律信息推荐方法,包括:获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。应用本发明提供的法律信息推荐方法,从用户表征集合中挖掘目标用户,并确定目标用户的法律需求,获取与目标用户法律需求对应的目标法律条目,将目标法律条目推送给目标用户,实现针对不同用户个性化推送相关法律信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种法律信息推荐方法的方法流程图;
图2为本发明提供的一种法律信息推荐方法的又一方法流程图;
图3为本发明提供的一种法律信息推荐方法的又一方法流程图;
图4为本发明提供的一种法律信息推荐装置的结构示意图;
图5为本发明提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种法律信息推荐方法,该方法可以应用在多种系统平台,其执行主体可以为计算机终端或各种移动设备的处理器,所述法律信息推荐方法的方法流程图如图1所示,具体包括:
S101:获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;
本发明实施例提供的方法中,依据公安单位提供的用户违法犯罪行为记录,在预先构建的用户表征集合中识别出与违法犯罪用户的用户特征相似的用户,并将识别出的用户确定为目标用户。
S102:在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;
本发明实施例提供的方法中,在预先构建的法律文本表征集合中,为每个目标用户选取目标用户所需的各个法律条目,将目标用户所需的法律条目确定为初始法律条目,并基于各个初始法律条目,构建初始法律条目集合。
S103:确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。
本发明实施例提供的方法中,对于每个目标用户,将所述目标用户和与所述目标用户对应的每个初始法律条目进行关联,获取目标用户和每个初始法律条目的关联度,将关联度大于预设关联阈值的法律条目确定为目标法律条目;优选的,依据目标用户和与所述目标用户对应的初始法律条目生成法律信息推荐表,所述法律信息推荐表是依据目标用户和初始法律条目的关联度进行排序;依据已确定的目标法律条目,和与所述目标法律条目对应的目标用户,将所述目标法律条目推送给,与所述目标法律条目对应的目标用户。
本发明实施例提供的法律信息推荐方法,依据公安单位提供的用户违法犯罪行为记录,在预先构建的用户表征集合中识别出与违法犯罪用户的用户特征相似的用户,并将识别出的用户确定为目标用户,在预先构建的法律文本表征集合中,为每个目标用户选取目标用户所需的各个法律条目,将目标用户所需的法律条目确定为初始法律条目,并基于各个初始法律条目,构建初始法律条目集合,对于每个目标用户,将所述目标用户和与所述目标用户对应的每个初始法律条目进行关联,获取目标用户和每个初始法律条目的关联度,将关联度大于预设关联阈值的法律条目确定为目标法律条目;优选的,依据目标用户和与所述目标用户对应的初始法律条目生成法律信息推荐表,所述法律信息推荐表是依据目标用户和初始法律条目的关联度进行排序;依据已确定的目标法律条目,和与所述目标法律条目对应的目标用户,将所述目标法律条目推送给,与所述目标法律条目对应的目标用户。应用本发明实施例提供的法律信息推荐方法,从用户表征集合中挖掘目标用户,并确定目标用户的法律需求,获取与目标用户法律需求对应的目标法律条目,将目标法律条目推送给目标用户,实现针对不同用户个性化推送相关法律信息。
本发明实施例提供的法律信息推荐方法中,所述在预先构建的用户表征集合中识别多个目标用户,具体可以包括:
对获取的所述违法行为数据进行预处理;
将所述预先构建的用户表征集合中的各个用户,分别与经过预处理的所述违法行为数据进行匹配;
将所述预先构建的用户表征集合中,与经过预处理的所述违法行为数据相匹配的用户,确定为目标用户。
本发明实施例提供的方法中,对所述违法行为数据进行预处理,所述预处理可以包括,根据公安单位提供的犯罪行为数据,将所述犯罪行为数据进行加密处理;可以将所述犯罪行为数据组成一个动态表,动态更新的频率为每个季度更新,所述犯罪行为数据可以包含犯罪人员信息、犯罪类型以及犯罪时间;依据加密后的犯罪行为数据,确定具有犯罪行为的犯罪人员的用户特征,依据犯罪人员的用户特征,识别出预先构建的用户表征集合中与犯罪人员用户特征相似的用户,并对识别处的用户进行风险划分,将识别出的用户确定为法律信息推送的目标用户。
本发明实施例提供的法律信息推荐方法中,所述在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,具体可以包括:
将所述法律文本表征集合中的各个法律文本表征信息,及所述目标用户对应的用户表征信息,输入至预先建立的预测模型,经过所述预测模型处理后,获得每个所述目标用户对应多个法律条目;
将所述违法行为数据与每个所述目标用户对应的多个法律条目进行匹配,将每个所述目标用户对应的多个法律条目满足预设匹配规则的法律条目确定为初始法律条目,以确定每个所述目标用户对应的各个初始法律条目,并依据每个所述目标用户对应的各个初始法律条目,获得每个所述目标用户对应的初始法律条目集合。
本发明实施例提供的方法中,将法律表征信息和目标用户对应的用户表征信息,输入至预测模型进行匹配预测,得到每个目标用户所需的法律范畴,即每个目标用户对应的多个法律条目;优选的,所述用户所需的法律范畴可以包括,静态法律需求和动态法律需求,静态法律需求归属于以用户平凡模式为基础的平凡模式挖掘,在平凡模式挖掘中,所述预测模型可以包括逻辑斯蒂回归(Logistic Regression)、支持向量机(Support VectorMachine,SVM)和随机森林(Random Forest,RF);同一用户在不同时间的情景中所需要的法律知识不同,此外,用户行为也受自身所处环境的影响,这些时间、空间的用户数据具有复杂的关系模式,从多方面影响用户的行为模式,构成用户法律需求随时间序列动态变化的非平模式,基于用户表征信息和法律表征信息可以预测用户的动态法律需求,优选的,还可以基于热会热点事件预测用户的动态法律需求。
本发明实施例提供的法律信息推荐方法中,所述用户表征集合的构建过程,具体可以包括:
S201:获取目标城市中每个用户的通讯记录和历史地理位置信息;
本发明实施例提供的方法中,获取目标城市中每个用户的通讯记录,所述通讯记录由运营商提供并实时更新,所述通话记录包括拨打电话的用户信息、接通电话的用户信息,以及是时间戳,所述通话记录的组成可以是一个单向网络结构,网络的节点是目标城市的用户,每一条有向边表示通话信息的流向;
获取目标城市中每个用户的地理位置信息,所述地理位置信息是通过移动通讯设备附近的通讯基站实时抓取的,所述地理位置信息可以包括GPS定位的经纬度和时间戳,地理位置信息的组成形式可以是一个动态表,动态表的动态更新频率可以为每个季度更新一次。
S202:依据每个用户的通讯记录,构建所述用户的社交关系网络;
本发明实施提供的方法中,每个通话记录为一个单向网络结构,依据每个用户的通话记录,确定目标城市用户的社交关系网;优选的,所述社交关系网可以用G=(V,E,W)来表示,其中,V表示用户个体,E表示个体与个体之间的关系连接,W表示个体与个体之间的关系权重,反映个体联系亲密程度,W数值越大,表示关系越亲密。
S203:采用随机游走模型解析所述社交关系网络,以获取所述目标城市中的各个用户之间的社交关系,并依据所述目标城市中各个用户之间的社交关系,得到所述社交关系网络中每个用户的社交表征;
本发明实施例提供的方法中,采用随机游走模型,对社交关系网络进行分析,获得目标城市中用户间的通讯关联,以确定用户间的社交关系,并将所述社交关系进行社交关系网络的表征嵌入,获得社交关系网络中用户个体i的社交表征,社交表征可以通过向量的形式来表征,每个用户的向量表征可以用Xi来表示,对于社交关系相似的个体,向量表征相似。
S204:将每个所述用户的历史地理位置信息输入至预先构建的长短时网络模型中,得到所述目标城市中每个用户各个时间段的位置信息,以获得所述目标城市中每个用户的位置信息表征;其中,所述每个用户各个时间段的位置信息包括历史位置信息和未来位置信息;
本发明实施例提供的方法中,对用户的地理位置信息进行分析,将用户的历史位置信息输入至长短时记忆网络,经长短时记忆网络处理后,对于每一个时间步,就能够对目标用户的下一步位置进行预测,从而获得每个用户的位置信息表征。
所述长短时记忆网路的构成具体如下所示:
it=sigmoid(wxixt+whiht-1+bi)
ft=sigmoid(wxfxt+whfht-1+bf)
ot=sig moid(wxoxt+whoht-1+bo)
其中,it表示输入门,ft表示遗忘门,ot表示输出门,ht表示隐层输出sigmoid(·)表示非线性激活函数,tanh(·)表示非线性激活函数,与是网络训练过程中待优化的权重矩阵和偏执向量。
S205:通过全连接网络,对所述目标城市中的每个用户的社交表征和位置信息表征进行拼接,以获得每个用户的用户表征,并基于每个所述用户的用户表征,构建用户表征集合。
本发明实施例提供的方法中,通过全连接网络,将目标城市中每个用户的社交表征和位置信息表征进行拼接,以获得每个用户的用户表征,同时还能对每个用户的未来行为做出预测,依据每个用户的用户表征,构建用户表征集合。
本发明实施例提供的法律信息推荐方法中,获取目标城市中每个用户的通讯记录,所述通讯记录由运营商提供并实时更新,所述通话记录包括拨打电话的用户信息、接通电话的用户信息,以及是时间戳,所述通话记录的组成可以是一个单向网络结构,网络的节点是目标城市的用户,每一条有向边表示通话信息的流向;获取目标城市中每个用户的地理位置信息,所述地理位置信息是通过移动通讯设备附近的通讯基站实时抓取的,所述地理位置信息可以包括GPS定位的经纬度和时间戳,地理位置信息的组成形式可以是一个动态表,动态表的动态更新频率可以为每个季度更新一次,每个通话记录为一个单向网络结构,依据每个用户的通话记录,确定目标城市用户的社交关系网;优选的,所述社交关系网可以用G=(V,E,W)来表示,其中,V表示用户个体,E表示个体与个体之间的关系连接,W表示个体与个体之间的关系权重,反映个体联系紧密程度,W数值越大,表示关系越紧密,采用随机游走模型,对社交关系网络进行分析,获得目标城市中用户间的通讯关联,以确定用户间的社交关系,并将所述社交关系进行社交关系网络的嵌入表征获得社交关系网络中用户个体i的社交表征可以通过向量的形式来表征,即向量表征Xi,对于社交关系相似的个体,向量表征相似,对用户的地理位置信息进行分析,将用户的地理位置信息输入至长短时记忆网络,经长短时记忆网络处理后,对于每一个时间步,就能够对目标用户的下一步位置进行预测,从而获得每个用户的位置信息表征,通过全连接网络,将目标城市中每个用户的社交表征和位置信息表征进行拼接,以获得每个用户的用户表征,同时还能对每个用户的未来行为做出预测,依据每个用户的用户表征,构建用户表征集合。
本发明实施例提供的法律信息推荐方法中,所述法律文本表征集合的构建过程,如图3所示,可以包括:
S301:对已获取的各个目标法律文本做分词处理,获得与每个所述目标法律文本对应的法律词汇;
本发明实施例提供的方法中,所述目标法律文本可以为已公开的相关法律法规,可以采用ICTCLAS系统对目标法律文本进行分词操作;具体分词操作过程可以是将所述目标法律文本数据输入ICTCLAS系统中,获取所述目标文本中各个字或词的词性,按预设的提取方法提取能表征所述目标法律文本的词汇,即将对所述目标法律文本的语义表征关系不大的介词或代词去除,保留对文本理解关联比较重要的法律词汇。
S302:采用向量空间模型将每个所述目标法律文本对应的法律词汇建模成语义空间;
本发明实施例提供的方法中,采用预先构建的向量空间模型将各个所述目标法律文本对应的法律词汇向量化,以组成与所述目标法律文本对应的语义空间。
S303:将所述语义空间中的法律词汇进行拼接,获得每个所述目标法律的法律文本表征,依据每个所述法律文本表征,构建法律文本表征集合。
本发明实施例提供的法律信息推荐方法中,通过构造评估函数对所述语义空间进行评估;获取与各个所述目标法律文本对应的特征值,依据所述特征值将各个所述目标法律文本对应的词汇向量进行聚类分析,以构建特征子集;通过各个目标法律文本对应的词汇向量的拼接获得目标法律文本的表征,依据各个所述目标法律文本表征,即可确定法律文本表征集合。
本发明实施例提供的法律信息推荐方法,采用ICTCLAS系统对目标法律文本进行分词操作;具体分词操作过程可以是将所述目标法律文本数据输入ICTCLAS系统中,获取所述目标文本中各个字或词的词性,按预设的提取方法提取能表征所述目标法律文本的词汇,即将对所述目标法律文本的语义表征关系不大的介词或代词去除,保留对文本理解关联比较重要的词汇,采用预先构建的向量空间模型将各个所述目标法律文本对应的词汇向量化,以组成与所述目标法律文本对应的语义空间,通过构造评估函数对所述语义空间进行评估;获取与各个所述目标法律文本对应的特征值,依据所述特征值将各个所述目标法律文本对应的词汇向量进行聚类分析以构建特征子集;通过各个目标法律文本对应的词汇向量的拼接获得目标法律文本的表征,依据各个所述目标法律文本表征,即可确定法律文本表征集合。
本发明实施例提供的法律信息推荐方法,在所述将每个所述目标法律文本对应的法律词汇建模成语义空间之后,还可以包括:
采用预先设定的奇异值分解方法分解所述语义空间,获得所述语义空间对应的各个奇异值;
将数值小于预设阈值的奇异值置零,并按照各个奇异值从大到小的顺序对已分解的语义空间的维度进行降维。
本发明实施例提供的方法中,表征目标法律文本的向量空间维度过高,即语义空间的维度过高,可以采用潜在语义分析对语义空间的维度进行降维处理,潜在语义分析可以分为两个阶段,第一个阶段,采用奇异值分解语义空间,第二个阶段,将数值小于预设阈值的奇异值置零,并按照奇异值从大到最终降语义空间的维度,得到目标法律文本的潜在语义。
本发明实施例提供的法律信息推荐方法中,所述将所述目标法律条目推送给所述初始法律条目集合对应的目标用户,可以包括:
依据所述目标法律条目生成推荐信息;
依据所述目标用户的通讯记录将所述推荐信息推送至所述目标用户对应的终端设备。
本发明实施例提供的方法中,将包含目标法律条目的推荐内容发送至用户对应的终端设备,所述推荐内容可以为手机短信、邮件或及时通讯等形式。
本发明实施例提供的方法中,还可以通过接收所述目标用户反馈的用户体验信息,对所述包含所述目标法律条目的推荐内容进行调整,调整所述推荐内容中的语气用气及内容格式等,还可以调整所述推荐内容的推荐形式等。
基于上述本发明实施例提供的法律信息推荐方法,本发明实施例还提供了一种法律信息推荐系统,自底向上划分为:召回层、排序层、规则层、输出层;其中,召回层采用多对级协同过滤算法,从百万级城市人口及法律文本条目中获取拟推荐的人口与部分条目;排序层将所述召回层返回的结果采用输入至深度学习模型获得推荐列表,所述推荐列表包括推荐用户及按与所述用户的关联度大小排序的法律条目;规则层,用于根据预设规则所述推荐列表中筛选出拟推荐对象和/或拟推荐条目,即用于根据具体需求确定推荐对象和/或推荐条目;输出层用于依据推荐对象及推荐条目生成推荐内容,对所述推荐对象发送所述推荐内容;可以接收用户的反馈信息,能调整所述推荐内容。
与图1所述的方法向对应,本发明实施例还提供了一种法律信息推荐装置,用于对图1方法的具体实现,其结构示意图如图4所示,具体包括:
识别单元401,用于获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;
选取单元402,用于在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;
确定单元403,用于确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。
本发明实施例提供的法律信息推荐装置,依据公安单位提供的用户违法犯罪行为记录,在预先构建的用户表征集合中识别出与违法犯罪用户的用户特征相似的用户,并将识别出的用户确定为目标用户,在预先构建的法律文本表征集合中,为每个目标用户选取目标用户所需的各个法律条目,将目标用户所需的法律条目确定为初始法律条目,并基于各个初始法律条目,构建初始法律条目集合,对于每个目标用户,将所述目标用户和与所述目标用户对应的每个初始法律条目进行关联,获取目标用户和每个初始法律条目的关联度,将关联度大于预设关联阈值的法律条目确定为目标法律条目;优选的,依据目标用户和与所述目标用户对应的初始法律条目生成法律信息推荐表,所述法律信息推荐表是依据目标用户和初始法律条目的关联度进行排序;依据已确定的目标法律条目,和与所述目标法律条目对应的目标用户,将所述目标法律条目推送给,与所述目标法律条目对应的目标用户。应用本发明实施例提供的法律信息推荐装置,从用户表征集合中挖掘目标用户,并确定目标用户的法律需求,获取与目标用户法律需求对应的目标法律条目,将目标法律条目推送给目标用户,实现针对不同用户个性化推送相关法律信息。
在本发明的一个实施例中,基于前述方案,识别单元401配置为:
对获取的所述违法行为数据进行预处理;
将所述预先构建的用户表征集合中的各个用户,分别与经过预处理的所述违法行为数据进行匹配;
将所述预先构建的用户表征集合中,与经过预处理的所述违法行为数据相匹配的用户,确定为目标用户。
在本发明的一个实施例中,基于前述方案,选取单元402配置为:
将所述法律文本表征集合中的各个法律文本表征信息,及所述目标用户对应的用户表征信息,输入至预先建立的预测模型,经过所述预测模型处理后,获得每个所述目标用户对应多个法律条目;
将所述违法行为数据与每个所述目标用户对应的多个法律条目进行匹配,将每个所述目标用户对应的多个法律条目满足预设匹配规则的法律条目确定为初始法律条目,以确定每个所述目标用户对应的各个初始法律条目,并依据每个所述目标用户对应的各个初始法律条目,获得每个所述目标用户对应的初始法律条目集合。
在本发明的一个实施例中,基于前述方案,识别单元401配置为:
获取目标城市中每个用户的通讯记录和历史地理位置信息;
依据每个用户的通讯记录,构建所述用户的社交关系网络;
采用随机游走模型解析所述社交关系网络,以获取所述目标城市中的各个用户之间的社交关系,并依据所述目标城市中各个用户之间的社交关系,得到所述社交关系网络中每个用户的社交表征;
将每个所述用户的历史地理位置信息输入至预先构建的长短时网络模型中,得到所述目标城市中每个用户各个时间段的位置信息,以获得所述目标城市中每个用户的位置信息表征;其中,所述每个用户各个时间段的位置信息包括历史位置信息和未来位置信息;
通过全连接网络,对所述目标城市中的每个用户的社交表征和位置信息表征进行拼接,以获得每个用户的用户表征,并基于每个所述用户的用户表征,构建用户表征集合。
在本发明的一个实施例中,基于前述方案,选取单元402配置为:
对已获取的各个目标法律文本做分词处理,获得与每个所述目标法律文本对应的法律词汇;
采用向量空间模型将每个所述目标法律文本对应的法律词汇建模成语义空间;
将所述语义空间中的法律词汇进行拼接,获得每个所述目标法律的法律文本表征,依据每个所述法律文本表征,构建法律文本表征集合。
在本发明的一个实施例中,基于前述方案,选取单元402,还包括
解析子单元,用于采用预先设定的奇异值分解方法分解所述语义空间,获得所述语义空间对应的各个奇异值;
降维子单元,用于将数值小于预设阈值的奇异值置零,并按照各个奇异值从大到小的顺序对已分解的语义空间的维度进行降维。
在本发明的一个实施例中,基于前述方案,确定单元403配置为:
依据所述目标法律条目生成推荐信息;
依据所述目标用户的通讯记录将所述推荐信息推送至所述目标用户对应的终端设备。
本发明实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述法律信息推荐方法。
本发明实施例还提供了一种电子设备,其结构示意图如图5所示,具体包括存储器501,以及一个或者一个以上的指令502,其中一个或者一个以上指令502存储于存储器501中,且经配置以由一个或者一个以上处理器503执行所述一个或者一个以上指令502进行以下操作:
获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;
在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;
确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种法律信息推荐方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种法律信息推荐方法,其特征在于,包括:
获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;
在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;
确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。
2.根据权利要求1所述的方法,其特征在于,所述在预先构建的用户表征集合中识别多个目标用户,包括:
对获取的所述违法行为数据进行预处理;
将所述预先构建的用户表征集合中的各个用户,分别与经过预处理的所述违法行为数据进行匹配;
将所述预先构建的用户表征集合中,与经过预处理的所述违法行为数据相匹配的用户,确定为目标用户。
3.根据权利要求1所述的方法,其特征在于,所述在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,包括:
将所述法律文本表征集合中的各个法律文本表征信息,及所述目标用户对应的用户表征信息,输入至预先建立的预测模型,经过所述预测模型处理后,获得每个所述目标用户对应多个法律条目;
将所述违法行为数据与每个所述目标用户对应的多个法律条目进行匹配,将每个所述目标用户对应的多个法律条目满足预设匹配规则的法律条目确定为初始法律条目,以确定每个所述目标用户对应的各个初始法律条目,并依据每个所述目标用户对应的各个初始法律条目,获得每个所述目标用户对应的初始法律条目集合。
4.根据权利要求1或2所述的方法,其特征在于,所述用户表征集合的构建过程,包括:
获取目标城市中每个用户的通讯记录和历史地理位置信息;
依据每个用户的通讯记录,构建所述用户的社交关系网络;
采用随机游走模型解析所述社交关系网络,以获取所述目标城市中的各个用户之间的社交关系,并依据所述目标城市中各个用户之间的社交关系,得到所述社交关系网络中每个用户的社交表征;
将每个所述用户的历史地理位置信息输入至预先构建的长短时网络模型中,得到所述目标城市中每个用户各个时间段的位置信息,以获得所述目标城市中每个用户的位置信息表征;其中,所述每个用户各个时间段的位置信息包括历史位置信息和未来位置信息;
通过全连接网络,对所述目标城市中的每个用户的社交表征和位置信息表征进行拼接,以获得每个用户的用户表征,并基于每个所述用户的用户表征,构建用户表征集合。
5.根据权利要求1或3所述的方法,其特征在于,所述法律文本表征集合的构建过程,包括:
对已获取的各个目标法律文本做分词处理,获得与每个所述目标法律文本对应的法律词汇;
采用向量空间模型将每个所述目标法律文本对应的法律词汇建模成语义空间;
将所述语义空间中的法律词汇进行拼接,获得每个所述目标法律的法律文本表征,依据每个所述法律文本表征,构建法律文本表征集合。
6.根据权利要求5所述的方法,其特征在于,在所述将每个所述目标法律文本对应的法律词汇建模成语义空间之后,还包括:
采用预先设定的奇异值分解方法分解所述语义空间,获得所述语义空间对应的各个奇异值;
将数值小于预设阈值的奇异值置零,并按照各个奇异值从大到小的顺序对已分解的语义空间的维度进行降维。
7.根据权利要求1所述的方法,其特征在于,所述将所述目标法律条目推送给所述初始法律条目集合对应的目标用户,包括:
依据所述目标法律条目生成推荐信息;
依据所述目标用户的通讯记录将所述推荐信息推送至所述目标用户对应的终端设备。
8.一种法律信息推荐装置,其特征在于,包括:
识别单元,用于获取已记录的违法行为数据,并依据所述违法行为数据,在预先构建的用户表征集合中识别多个目标用户;
选取单元,用于在预先构建的法律文本表征集合中,为每个所述目标用户选取与其对应的初始法律条目集合,所述初始法律条目集合中包括多个初始法律条目;
确定单元,用于确定所述初始法律条目集合中各个初始法律条目,与所述初始法律条目集合对应的目标用户的关联度,并将关联度大于预设关联阈值的初始法律条件确定为目标法律条目,并将所述目标法律条目推送给所述初始法律条目集合对应的目标用户。
9.一种存储介质,其特征在于,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行如权利要求1~7任意一项所述的法律信息推荐方法。
10.一种电子设备,其特征在于,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行如权利要求1~7任意一项所述的法律信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910020487.2A CN109684470B (zh) | 2019-01-09 | 2019-01-09 | 法律信息推荐方法及装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910020487.2A CN109684470B (zh) | 2019-01-09 | 2019-01-09 | 法律信息推荐方法及装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109684470A true CN109684470A (zh) | 2019-04-26 |
CN109684470B CN109684470B (zh) | 2021-03-09 |
Family
ID=66192102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910020487.2A Active CN109684470B (zh) | 2019-01-09 | 2019-01-09 | 法律信息推荐方法及装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684470B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909040A (zh) * | 2019-11-08 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、装置及电子设备 |
CN112925899A (zh) * | 2021-02-09 | 2021-06-08 | 重庆中科云从科技有限公司 | 排序模型建立方法、案件线索推荐方法、装置及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180189856A1 (en) * | 2017-01-03 | 2018-07-05 | Rovi Guides, Inc. | Systems and methods for recommending an electronic device to a user based on a user's device profile |
CN108268573A (zh) * | 2017-01-04 | 2018-07-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108629671A (zh) * | 2018-05-14 | 2018-10-09 | 浙江工业大学 | 一种融合用户行为信息的餐馆推荐方法 |
CN108804450A (zh) * | 2017-04-28 | 2018-11-13 | 百度在线网络技术(北京)有限公司 | 信息推送的方法和装置 |
CN109062938A (zh) * | 2018-06-15 | 2018-12-21 | 平安科技(深圳)有限公司 | 定向推荐用户的方法、装置及存储介质、服务器 |
-
2019
- 2019-01-09 CN CN201910020487.2A patent/CN109684470B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180189856A1 (en) * | 2017-01-03 | 2018-07-05 | Rovi Guides, Inc. | Systems and methods for recommending an electronic device to a user based on a user's device profile |
CN108268573A (zh) * | 2017-01-04 | 2018-07-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108804450A (zh) * | 2017-04-28 | 2018-11-13 | 百度在线网络技术(北京)有限公司 | 信息推送的方法和装置 |
CN108629671A (zh) * | 2018-05-14 | 2018-10-09 | 浙江工业大学 | 一种融合用户行为信息的餐馆推荐方法 |
CN109062938A (zh) * | 2018-06-15 | 2018-12-21 | 平安科技(深圳)有限公司 | 定向推荐用户的方法、装置及存储介质、服务器 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909040A (zh) * | 2019-11-08 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、装置及电子设备 |
CN110909040B (zh) * | 2019-11-08 | 2022-03-04 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、装置及电子设备 |
CN112925899A (zh) * | 2021-02-09 | 2021-06-08 | 重庆中科云从科技有限公司 | 排序模型建立方法、案件线索推荐方法、装置及介质 |
CN112925899B (zh) * | 2021-02-09 | 2023-06-23 | 重庆中科云从科技有限公司 | 排序模型建立方法、案件线索推荐方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109684470B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vieweg | Situational awareness in mass emergency: A behavioral and linguistic analysis of microblogged communications | |
Grant | TXT 4N6: method, consistency, and distinctiveness in the analysis of SMS text messages | |
US20100161604A1 (en) | Apparatus and method for multimedia content based manipulation | |
Amailef et al. | A mobile‐based emergency response system for intelligent m‐government services | |
CN104462064A (zh) | 一种移动终端信息通讯提示输入内容的方法和系统 | |
Mehmet et al. | Operationalizing social media in upstream social marketing: A case of shark policy in New South Wales | |
Qi et al. | Mapping consumer sentiment toward wireless services using geospatial twitter data | |
CN113326358B (zh) | 基于知识图谱语义匹配的地震灾害信息服务方法和系统 | |
CN111930914A (zh) | 问题生成方法和装置、电子设备以及计算机可读存储介质 | |
Kachen et al. | # MeToo,# MeThree,# MeFour: Twitter as community building across academic and corporate institutions | |
CN109684470A (zh) | 法律信息推荐方法及装置、存储介质及电子设备 | |
Gjøsæter et al. | Universal design of ICT for emergency management from stakeholders’ perspective: A systematic literature review | |
Jones et al. | Using big data to study the impact of mass violence: Opportunities for the traumatic stress field | |
Oktavianus et al. | Framing and counter-framing in online collective actions: the case of LGBT protests in a Muslim nation | |
Vujičić Stanković et al. | An approach to automatic classification of hate speech in sports domain on social media | |
CN110059174A (zh) | 问询指引方法及装置 | |
CN111597580B (zh) | 机器人听觉隐私信息监听处理方法 | |
Surana et al. | Chatbot based crime registration and crime awareness system using a custom named entity recognition model for extracting information from complaints | |
Wei et al. | Examining protest as an intervention to reduce online prejudice: A case study of prejudice against immigrants | |
EP4187463A1 (en) | An artificial intelligence powered digital meeting assistant | |
Pasquali | The moral dimension of communicating | |
Alathur et al. | Social media and disaster management: influencing e-participation content on disabilities | |
Ademilokun | Discursive strategies in select mediatised social transformation advocacy in Nigeria | |
CN108898439A (zh) | 一种基于景点的信息推荐方法 | |
Prasad et al. | Diving into Robocall Content with {SnorCall} |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |