CN110009182A - 一种法院案件自动化分案方法及系统 - Google Patents
一种法院案件自动化分案方法及系统 Download PDFInfo
- Publication number
- CN110009182A CN110009182A CN201910079660.6A CN201910079660A CN110009182A CN 110009182 A CN110009182 A CN 110009182A CN 201910079660 A CN201910079660 A CN 201910079660A CN 110009182 A CN110009182 A CN 110009182A
- Authority
- CN
- China
- Prior art keywords
- case
- judge
- allocated
- division
- numerical value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003058 natural language processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种法院案件自动化分案方法,包括以下步骤:对待分配案件进行属性分析,得到待分配案件的案件类型;根据法官的属性,建立智能分案模型;其中,法官的属性包括:各个法官的历史案件数据和各个法官当前工作量的实际因素,实际因素包括法官已经分配的案件数量和案件当事人的关联关系;根据智能分案模型对待分配案件的案件类型进行分析,将待分配案件自动分配给对应的法官。本发明提供的一种法院案件自动化分案方法及系统,能够充分考虑分案的实际因素,将案件合理地分配到最合适的法官中,有利于减少审判耗时较多以及审判不合理的情况,从而能够有效地提高审判的效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种法院案件自动化分案方法及系统。
背景技术
法院案件在立案以后会根据案件类型、案由等分配合适的审判法官进行审理,传统的分案做法可以通过立案庭直接将案件分配给某审判庭的法官,或立案庭将案件分配给审判庭,由审判庭庭长再进行分配。现有技术中,部分技术在划分案件类别以后随机分配审判法官;部分技术采用确定规则的自动模式进行分案。
使用现有技术进行分案,存在如下问题:未充分考虑拟分配法官审理新案件的合理性和成熟度,容易造成案件审判耗时耗力的情况。
发明内容
本发明实施例的目的是提供一种法院案件自动化分案方法及系统,能够减少因分案不合理而造成的审判耗时较多以及审判不合理的情况,从而能够有效地提高审判的效率。
为实现上述目的,一方面,本发明的第一实施例提供了一种法院案件自动化分案方法,包括以下步骤:
对待分配案件进行属性分析,得到所述待分配案件的案件类型;
根据法官的属性,建立智能分案模型;其中,所述法官的属性包括:各个法官的历史案件数据和各个法官当前工作量的实际因素,所述实际因素包括法官已经分配的案件数量和案件当事人的关联关系;
根据所述智能分案模型对所述待分配案件的案件类型进行分析,将所述待分配案件自动分配给对应的法官。
进一步地,所述根据对待分配案件进行属性分析,得到所述待分配案件的案件类型,具体为:通过自然语言对所述待分配案件的案由进行分析,并结合所述案由和案件类型的对应规则,得到所述待分配案件的案件类型。
进一步地,所述根据法官的属性,建立智能分案模型,具体为:根据所述法官的历史案件数据,建立智能学习模型,根据所述智能学习模型以及所述实际因素,建立智能分案模型。
进一步地,所述智能分案模型根据所述法官的属性对所述待分配案件进行分析,包括以下步骤:
根据所述智能学习模型对所述待分配案件的案件类型进行分析,得到各个法官适合审理所述待分配案件的第一适合度数值;
根据所述第一适合度数值和所述实际因素,计算各个法官适合审理所述待分配案件的第二适合度数值;
将所有所述第二适合度数值进行相互比对,自动选择出数值最大的第二适合度数值,将所述待分配案件分配给所述第二适合度数值对应的法官。
另一方面,本发明的第二实施例提供了一种法院自动化分案系统,包括分析模块、建立模块和分案模块;其中,
所述分析模块,用于对待分配案件进行属性分析,得到所述待分配案件的案件类型;
所述建立模块,用于根据法官的属性,建立智能分案模型;其中,所述法官的属性包括:各个法官的历史案件数据和各个法官当前工作量的实际因素,所述实际因素包括法官已经分配的案件数量和案件当事人的关联关系;
所述分案模块,用于根据所述智能分案模型对所述待分配案件的案件类型进行分析,将所述待分配案件自动分配给对应的法官。
进一步地,所述分析模块,具体用于:
通过自然语言对所述待分配案件的案由进行分析,并结合所述案由和案件类型的对应规则,得到所述待分配案件的案件类型。
进一步地,所述建立模块,具体用于:
根据所述法官的历史案件数据,建立智能学习模型,根据所述智能学习模型以及所述实际因素,建立智能分案模型。
进一步地,所述分案模块,具体用于:
根据所述智能学习模型对所述待分配案件的案件类型进行分析,得到各个法官适合审理所述待分配案件的第一适合度数值;
根据所述第一适合度数值和所述实际因素,计算各个法官适合审理所述待分配案件的第二适合度数值;
将所有所述第二适合度数值进行相互比对,自动选择出数值最大的第二适合度数值,将所述待分配案件分配给所述第二适合度数值对应的法官。
本发明提供的一种法院案件自动化分案方法及系统,能够充分考虑法官和案件的关联性,将案件合理地分配到最合适的法官中,有利于减少审判的耗时较多以及审判不合理的情况,从而能够有效地提高案件审判的效率。
附图说明
图1是本发明提供的一种法院自动化分案方法的流程示意图;
图2是本发明提供的一种法院自动化分案方法中步骤S3的具体流程示意图;
图3是本发明提供的一种法院自动化分案系统的结构示意图。
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作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。
本发明的第一实施例:
请参阅图1-图2。
本实施例提供了一种法院自动化分案方法,包括以下步骤:
S1、对待分配案件进行属性分析,得到待分配案件的案件类型;
S2、根据法官的属性,建立智能分案模型;其中,法官的属性包括:各个法官的历史案件数据和各个法官当前工作量的实际因素,实际因素包括法官已经分配的案件数量和案件当事人的关联关系;
S3、根据智能分案模型对待分配案件的案件类型进行分析,将待分配案件自动分配给对应的法官。
在本发明实施例中,可以理解的是,本方法设待分配案件为F,所有法官的集合为J={J1,J2,…,Jn},各个法官Ji已经审判过的历史案件集合为Fi={F(i1),F(i2),…,F(ik)}。记录所有案由集合记为R={R1,R2,…,Rm},案件类型集合记为T={T1,T2,…,Tp}。根据自然语言处理的方法分析出待分配案件对应的案由Ri,并计算案由Ri对应的案件类型Tj,得到待分配案件对应的案件类型。其中,案由Ri既可以使用基于规则的案由和案件类型的对应方法计算得到,也可以通过学习历史案件计算得到。根据所有法官的历史案件集合,建立智能化学习模型,根据法官的实际因素以及智能化学习模型,建立智能分案模型。法官的实际因素包括:法官Jk已经分配的案件数量,法官和案件当事人的关联关系等其他实际因素;其中,案件数量记为Nk,将关联关系数值化并记为Sk;将法官Jk的实际因素记为向量Ck=(Ck1,Ck2,…Ckp),其中p表示总共有p项实际因素,每一项Ck1、Ck2等均代表每一种实际因素的数值。在智能学习模型中输入待分配案件的案件类型Tj,输出针对待分配案件的适合各个法官审判的第一适合度数值,即为各个法官Jk生成一个适合审理案件类型Tj的第一适合度数值,记为V(kj)。根据智能化学习模型输出的第一适合度数值V(kj)以及各个法官的实际因素向量Ck,利用机器学习类方法,通过历史案件的分案结果进行学习,得到各个法官Jk适合审理待分配案件F的第二适合度数值,记为O(Jk-F),
在智能分案系统中自动选择所有第二适合度数值中的最大值对应的法官Jk,将待分配案件F分配给法官Jk进行审理,完成智能化自动分案。
作为本发明实施例的一种具体实施方式,根据对待分配案件进行属性分析,得到待分配案件的案件类型,具体为:通过自然语言对待分配案件的案由进行分析,并结合案由和案件类型的对应规则,得到待分配案件的案件类型。
在本发明实施例中,对于待分配案件进行属性分析,智能化学习待分配案件对应的类型,包括:民事、刑事、行政、或者执行等不同的案件类型,以及具体的分类,比如婚姻、合同、知识产权等;主要为通过自然语言处理,分析待分配案件涉及到的案由,并结合案由和案件类型的对应规则,对待分配案件进行类型划分,能够准确地得到待分配案件的案件类型,从而能够有效提高案件分配的合理性。
作为本发明实施例的一种具体实施方式,根据法官的属性,建立智能分案模型,具体为:根据法官的历史案件数据,建立智能学习模型,根据智能学习模型以及实际因素,建立智能分案模型。
在本发明实施例中,本发明提供的法院案件自动化分案方法根据法官的实际因素建立智能分案模型,考虑到法官当前的实际工作量,以及法官与当事人的关联关系,有效地提高了案件分配的合理性和成熟度,从而能够将案件合理地分配给适合审判的法官。
作为本发明实施例的一种具体实施方式,智能分案模型根据法官的属性对待分配案件进行分析,包括以下步骤:
S301、根据智能学习模型对待分配案件的案件类型进行分析,得到各个法官适合审理待分配案件的第一适合度数值;
S302、根据第一适合度数值和实际因素,计算各个法官适合审理待分配案件的第二适合度数值;
S303、将所有第二适合度数值进行相互比对,自动选择出数值最大的第二适合度数值,将待分配案件分配给第二适合度数值对应的法官。
在本发明实施例中,将第一适合度数值结合法官的实际因素进行计算得到各个法官适合审理待分配案件的第二适合度数值,能够进一步考虑法官与待分配案件的关联性,从而能够更加合理地选择出适合审判的法官,进而能够有效地提高案件分配的合理性和成熟度,有利于减少审判耗时较多以及审判不合理的情况,提高案件审判的效率。
实施本发明实施例,具有如下有益效果:
(1)本发明提供的方法充分结合历史案件数据,使得分案方法具有数据保障和数据支撑,通过历史案件数据可以总结出不同法官适合审理的案件类型,从而在进行案件分案的时候更容易实现合理性,将待分配案件合理分配给最适合审判的法官;
(2)本发明提供的方法充分考虑法官的实际因素,包括法官已经被分配的案件数量、法官和案件当事人的关联关系等因素,避免被分案法官工作量超标以及法官和当事人关系密切而造成的审判不合理现象,能提高法官的判案效率;
(3)本发明提供的方法能智能化地对待分配案件进行案件类型划分以及审判法官的匹配,能够快速并合理地完成案件自动化分配的过程。
本发明的第二实施:
请参阅图3。
本实施例提供的一种法院自动化分案系统,包括分析模块201、建立模块202和分案模块203;其中,
分析模块201,用于对待分配案件进行属性分析,得到待分配案件的案件类型;
建立模块202,用于根据法官的属性,建立智能分案模型;其中,法官的属性包括:各个法官的历史案件数据和各个法官当前工作量的实际因素,实际因素包括法官已经分配的案件数量和案件当事人的关联关系;
分案模块203,用于根据智能分案模型对待分配案件的案件类型进行分析,将待分配案件自动分配给对应的法官。
在本发明实施例中,可以理解的是,本系统设待分配案件为F,所有法官的集合为J={J1,J2,…,Jn},各个法官Ji已经审判过的历史案件集合为Fi={F(i1),F(i2),…,F(ik)}。记录所有案由集合记为R={R1,R2,…,Rm},案件类型集合记为T={T1,T2,…,Tp}。根据自然语言处理的方法分析出待分配案件对应的案由Ri,并计算案由Ri对应的案件类型Tj,得到待分配案件对应的案件类型。其中,案由Ri既可以使用基于规则的案由和案件类型的对应方法计算得到,也可以通过学习历史案件计算得到。根据所有法官的历史案件集合,建立智能化学习模型,根据法官的实际因素以及智能化学习模型,建立智能分案模型。法官的实际因素包括:法官Jk已经分配的案件数量,法官和案件当事人的关联关系等其他实际因素;其中,案件数量记为Nk,将关联关系数值化并记为Sk;将法官Jk的实际因素记为向量Ck=(Ck1,Ck2,…Ckp),其中p表示总共有p项实际因素,每一项Ck1、Ck2等均代表每一种实际因素的数值。在智能学习模型中输入待分配案件的案件类型Tj,输出针对待分配案件的适合各个法官审判的第一适合度数值,即为各个法官Jk生成一个适合审理案件类型Tj的第一适合度数值,记为V(kj)。根据智能化学习模型输出的第一适合度数值V(kj)以及各个法官的实际因素向量Ck,利用机器学习类方法,通过历史案件的分案结果进行学习,得到各个法官Jk适合审理待分配案件F的第二适合度数值,记为O(Jk-F),
在智能分案系统中自动选择所有第二适合度数值中的最大值对应的法官Jk,将待分配案件F分配给法官Jk进行审理,完成智能化自动分案。
作为本发明实施例的一种具体实施方式,分析模块201,具体用于:
通过自然语言对待分配案件的案由进行分析,并结合案由和案件类型的对应规则,得到待分配案件的案件类型。
在本发明实施例中,对于待分配案件进行属性分析,智能化学习待分配案件对应的类型,包括:民事、刑事、行政、或者执行等不同的案件类型,以及具体的分类,比如婚姻、合同、知识产权等;主要为通过自然语言处理,分析待分配案件涉及到的案由,并结合案由和案件类型的对应规则,对待分配案件进行类型划分,能够准确地得到待分配案件的案件类型,从而能够有效提高案件分配的合理性。
作为本发明实施例的一种具体实施方式,建立模块202,具体用于:
根据法官的历史案件数据,建立智能学习模型,根据智能学习模型以及实际因素,建立智能分案模型。
在本发明实施例中,本发明提供的法院案件自动化分案方法根据法官的实际因素建立智能分案模型,考虑到法官当前的实际工作量,以及法官与当事人的关联关系,有效地提高了案件分配的合理性和成熟度,从而能够将案件合理地分配给适合审判的法官。
作为本发明实施例的一种具体实施方式,分案系统203,具体用于:
根据智能学习模型对待分配案件的案件类型进行分析,得到各个法官适合审理待分配案件的第一适合度数值;
根据第一适合度数值和实际因素,计算各个法官适合审理待分配案件的第二适合度数值;
将所有第二适合度数值进行相互比对,自动选择出数值最大的第二适合度数值,将待分配案件分配给第二适合度数值对应的法官。
在本发明实施例中,将第一适合度数值结合法官的实际因素进行计算得到各个法官适合审理待分配案件的第二适合度数值,能够进一步考虑法官与待分配案件的关联性,从而能够更加合理地选择出适合审判的法官,进而能够有效地提高案件分配的合理性和成熟度,有利于减少审判耗时较多以及审判不合理的情况,提高案件审判的效率。
实施本发明实施例,具有如下有益效果:
(1)本发明提供的系统充分结合历史案件数据,使得分案方法具有数据保障和数据支撑,通过历史案件数据可以总结出不同法官适合审理的案件类型,从而在进行案件分案的时候更容易实现合理性,将待分配案件合理分配给最适合审判的法官;
(2)本发明提供的系统充分考虑法官的实际因素,包括法官已经被分配的案件数量、法官和案件当事人的关联关系等因素,避免被分案法官工作量超标以及法官和当事人关系密切而造成的审判不合理现象,能提高法官的判案效率;
(3)本发明提供的系统能智能化地对待分配案件进行案件类型划分以及审判法官的匹配,能够快速完成案件自动化分配的过程。
以上是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种法院案件自动化分案方法,其特征在于,包括以下步骤:
对待分配案件进行属性分析,得到所述待分配案件的案件类型;
根据法官的属性,建立智能分案模型;其中,所述法官的属性包括:各个法官的历史案件数据和各个法官当前工作量的实际因素,所述实际因素包括法官已经分配的案件数量和案件当事人的关联关系;
根据所述智能分案模型对所述待分配案件的案件类型进行分析,将所述待分配案件自动分配给对应的法官。
2.如权利要求1所述的法院自动化分案方法,其特征在于,所述根据对待分配案件进行属性分析,得到所述待分配案件的案件类型,具体为:通过自然语言对所述待分配案件的案由进行分析,并结合所述案由和案件类型的对应规则,得到所述待分配案件的案件类型。
3.如权利要求1所述的法院自动化分案方法,其特征在于,所述根据法官的属性,建立智能分案模型,具体为:根据所述法官的历史案件数据,建立智能学习模型,根据所述智能学习模型以及所述实际因素,建立智能分案模型。
4.如权利要求3所述的法院自动化分案方法,其特征在于,所述智能分案模型根据所述法官的属性对所述待分配案件进行分析,包括以下步骤:
根据所述智能学习模型对所述待分配案件的案件类型进行分析,得到各个法官适合审理所述待分配案件的第一适合度数值;
根据所述第一适合度数值和所述实际因素,计算各个法官适合审理所述待分配案件的第二适合度数值;
将所有所述第二适合度数值进行相互比对,自动选择出数值最大的第二适合度数值,将所述待分配案件分配给所述第二适合度数值对应的法官。
5.一种法院案件自动化分案系统,其特征在于,包括分析模块、建立模块和分案模块;其中,
所述分析模块,用于对待分配案件进行属性分析,得到所述待分配案件的案件类型;
所述建立模块,用于根据法官的属性,建立智能分案模型;其中,所述法官的属性包括:各个法官的历史案件数据和各个法官当前工作量的实际因素,所述实际因素包括法官已经分配的案件数量和案件当事人的关联关系;
所述分案模块,用于根据所述智能分案模型对所述待分配案件的案件类型进行分析,将所述待分配案件自动分配给对应的法官。
6.如权利要求5所述的法院自动化分案系统,其特征在于,所述分析模块,具体用于:
通过自然语言对所述待分配案件的案由进行分析,并结合所述案由和案件类型的对应规则,得到所述待分配案件的案件类型。
7.如权利要求5所述的法院自动化分案系统,其特征在于,所述建立模块,具体用于:
根据所述法官的历史案件数据,建立智能学习模型,根据所述智能学习模型以及所述实际因素,建立智能分案模型。
8.如权利要求7所述的法院自动化分案系统,其特征在于,所述分案模块,具体用于:
根据所述智能学习模型对所述待分配案件的案件类型进行分析,得到各个法官适合审理所述待分配案件的第一适合度数值;
根据所述第一适合度数值和所述实际因素,计算各个法官适合审理所述待分配案件的第二适合度数值;
将所有所述第二适合度数值进行相互比对,自动选择出数值最大的第二适合度数值,将所述待分配案件分配给所述第二适合度数值对应的法官。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910079660.6A CN110009182A (zh) | 2019-01-28 | 2019-01-28 | 一种法院案件自动化分案方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910079660.6A CN110009182A (zh) | 2019-01-28 | 2019-01-28 | 一种法院案件自动化分案方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110009182A true CN110009182A (zh) | 2019-07-12 |
Family
ID=67165647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910079660.6A Pending CN110009182A (zh) | 2019-01-28 | 2019-01-28 | 一种法院案件自动化分案方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009182A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599043A (zh) * | 2019-09-17 | 2019-12-20 | 北京洪泰智造信息技术有限公司 | 一种案件自动分发方法、装置、系统和存储介质 |
CN112053074A (zh) * | 2020-09-11 | 2020-12-08 | 南京通达海科技股份有限公司 | 一种法院案件自动分案系统及其方法 |
CN112163752A (zh) * | 2020-09-21 | 2021-01-01 | 贵州大学 | 一种基于卷积神经网络的辅助分案方法 |
CN112200484A (zh) * | 2020-10-26 | 2021-01-08 | 东北大学 | 一种基于策略定义的智能分案系统及方法 |
CN113177165A (zh) * | 2021-05-21 | 2021-07-27 | 东北大学 | 一种基于改进knn的检察官个性化推荐方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353888A (zh) * | 2013-07-03 | 2013-10-16 | 福建榕基软件股份有限公司 | 一种法院审判自动分案系统及方法 |
CA2820657A1 (en) * | 2012-07-13 | 2014-01-13 | Teleride/Sage Ltd. | System and method for reducing trial requests and backlog of court cases |
CN107360336A (zh) * | 2017-06-28 | 2017-11-17 | 上海航动科技有限公司 | 一种基于语音服务的智能派单系统及方法 |
CN107665212A (zh) * | 2016-07-28 | 2018-02-06 | 北京国双科技有限公司 | 一种实现法院分案的方法及装置 |
CN107798451A (zh) * | 2017-02-20 | 2018-03-13 | 平安科技(深圳)有限公司 | 业务员分配方法及装置 |
CN108564251A (zh) * | 2018-03-12 | 2018-09-21 | 平安信托有限责任公司 | 保险任务分配方法、装置、设备及存储介质 |
CN109242298A (zh) * | 2018-08-31 | 2019-01-18 | 苏宁易购集团股份有限公司 | 一种智能派工过程中的工单分配方法及装置 |
-
2019
- 2019-01-28 CN CN201910079660.6A patent/CN110009182A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2820657A1 (en) * | 2012-07-13 | 2014-01-13 | Teleride/Sage Ltd. | System and method for reducing trial requests and backlog of court cases |
CN103353888A (zh) * | 2013-07-03 | 2013-10-16 | 福建榕基软件股份有限公司 | 一种法院审判自动分案系统及方法 |
CN107665212A (zh) * | 2016-07-28 | 2018-02-06 | 北京国双科技有限公司 | 一种实现法院分案的方法及装置 |
CN107798451A (zh) * | 2017-02-20 | 2018-03-13 | 平安科技(深圳)有限公司 | 业务员分配方法及装置 |
CN107360336A (zh) * | 2017-06-28 | 2017-11-17 | 上海航动科技有限公司 | 一种基于语音服务的智能派单系统及方法 |
CN108564251A (zh) * | 2018-03-12 | 2018-09-21 | 平安信托有限责任公司 | 保险任务分配方法、装置、设备及存储介质 |
CN109242298A (zh) * | 2018-08-31 | 2019-01-18 | 苏宁易购集团股份有限公司 | 一种智能派工过程中的工单分配方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599043A (zh) * | 2019-09-17 | 2019-12-20 | 北京洪泰智造信息技术有限公司 | 一种案件自动分发方法、装置、系统和存储介质 |
CN112053074A (zh) * | 2020-09-11 | 2020-12-08 | 南京通达海科技股份有限公司 | 一种法院案件自动分案系统及其方法 |
CN112163752A (zh) * | 2020-09-21 | 2021-01-01 | 贵州大学 | 一种基于卷积神经网络的辅助分案方法 |
CN112200484A (zh) * | 2020-10-26 | 2021-01-08 | 东北大学 | 一种基于策略定义的智能分案系统及方法 |
CN112200484B (zh) * | 2020-10-26 | 2024-02-27 | 东北大学 | 一种基于策略定义的智能分案系统及方法 |
CN113177165A (zh) * | 2021-05-21 | 2021-07-27 | 东北大学 | 一种基于改进knn的检察官个性化推荐方法 |
CN113177165B (zh) * | 2021-05-21 | 2023-07-21 | 东北大学 | 一种基于改进knn的检察官个性化推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009182A (zh) | 一种法院案件自动化分案方法及系统 | |
CN110147456B (zh) | 一种图像分类方法、装置、可读存储介质及终端设备 | |
CN105912500B (zh) | 机器学习模型生成方法和装置 | |
Antony | Six Sigma vs Lean: Some perspectives from leading academics and practitioners | |
CN109446416B (zh) | 基于词向量模型的法条推荐方法 | |
CN109872052A (zh) | 一种法院案件智能化分案辅助方法及系统 | |
CN109299344A (zh) | 排序模型的生成方法、搜索结果的排序方法、装置及设备 | |
CN107784603A (zh) | 一种知识产权运营系统及方法 | |
CN106358289A (zh) | 基于众包的数据采集方法、装置和服务器 | |
CN105975453A (zh) | 评论标签提取方法和装置 | |
CN106302579A (zh) | 一种任务的分发方法及服务器 | |
CN104778560A (zh) | 学习进度管控方法及装置 | |
CN110147926A (zh) | 一种业务类型的风险等级计算方法、存储介质及终端设备 | |
CN110135524A (zh) | 自动化的模型训练方法、装置、设备及介质 | |
CN105388876A (zh) | 获得基于班组的间歇型化工生产工艺符合度的方法及装置 | |
CN113222560A (zh) | 一种基于ai咨询的企业服务系统及其搭建方法 | |
Aristodemou et al. | A literature review on technology development process (TDP) models | |
CN116775879A (zh) | 大语言模型的微调训练方法、合同风险评审方法及系统 | |
CN106897282A (zh) | 一种用户群的分类方法和设备 | |
CN109101631A (zh) | 数据建模方法及装置 | |
CN111951050B (zh) | 理财产品推荐方法及装置 | |
CN105224321A (zh) | 实体双边匹配方法及系统 | |
US20210279655A1 (en) | Optimization of human-centric processes | |
CN109460346A (zh) | 一种离线解析性能数据的方法、装置及存储介质 | |
Sharon et al. | Implementation of Industry 4.0: Influence of Digital Natives and Agility of employees |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |