CN110991999A - 执法裁量效率的提高方法、装置、计算机设备及存储介质 - Google Patents
执法裁量效率的提高方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110991999A CN110991999A CN201911213931.9A CN201911213931A CN110991999A CN 110991999 A CN110991999 A CN 110991999A CN 201911213931 A CN201911213931 A CN 201911213931A CN 110991999 A CN110991999 A CN 110991999A
- Authority
- CN
- China
- Prior art keywords
- information
- case
- law enforcement
- illegal
- law
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000009966 trimming Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004513 sizing Methods 0.000 description 5
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及执法裁量效率的提高方法、装置、计算机设备及存储介质,该方法包括获取现场违法信息;对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;将执法裁量参考信息发送至终端,以供执法人员参考;其中,裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的。本发明无需执法人员具备较高的知识,使得现场执法裁量趋于标准化,实现精准、高效地给出执法裁量参考信息,以提高执法效率。
Description
技术领域
本发明涉及计算机,更具体地说是指执法裁量效率的提高方法、装置、计算机设备及存储介质。
背景技术
自由裁量行政行为是指法律规范仅对行为目的、行为范围等作原则性规定,而将行为的具体条件、标准、幅度、方式等留给行政机关自行选择、决定的行政行为。由于行政活动所涉及的社会情况纷繁复杂,行政法律规范规定得再详细也无法穷尽,因此,行政机关必须根据具体情况,灵活运用自由裁量的权力,才能有效地行使其行政职能,行政裁量是行政法的精髓所在。
目前在行政执法领域,由于执法适用依据条目、裁量标准内容多、法律法规立法、废止、委托等形式更新快;执法人员流动大,知识情况参差不齐;执法现场情况复杂,存在一定冲突现象;执法条件往往转瞬即逝,执法人员难以直接翻看法律法规文书等问题,导致行政执法过程中无法很快和很准确现场出具清晰执法裁量结果,对一线执法人员带来很大困扰。
因此,有必要设计一种新的方法,实现精准、高效地给出执法裁量参考信息,以提高执法效率。
发明内容
本发明的目的在于克服现有技术的缺陷,提供执法裁量效率的提高方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:执法裁量效率的提高方法,包括:
获取现场违法信息;
对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;
将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;
根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;
将执法裁量参考信息发送至终端,以供执法人员参考;
其中,所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的。
其进一步技术方案为:所述对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息,包括:
对现场违法信息中的非图片信息进行信息清洗,以得到有价值信息;
对有价值信息进行关键文本特征要素提取,以得到文本特征信息;
对现场信息中的图片信息进行特征提取,以得到图像特征信息;
整合所述文本特征信息以及图像特征信息,以得到案件关键特征要素信息。
其进一步技术方案为:所述案件关键特征要素信息包括文本特征信息以及图像特征信息,其中,图像特征信息包括图片颜色特征、图片纹理特征、图片形状特征以及图片空间关系特征。
其进一步技术方案为:所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的,包括:
获取若干带有违法案件类型及案由标签的案件关键特征要素信息,以得到样本数据;
构建用于分类的模型;
对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由;
判断所述样本数据的违法案件类型及案由是否符合要求;
若所述样本数据的违法案件类型及案由符合要求,则将用于分类的模型作为裁量模型;
若所述样本数据的违法案件类型及案由不符合要求,则调整用于分类的模型的参数,并执行所述对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由。
其进一步技术方案为:所述法律法规数据库包括行业应用领域、违法案件类型、违法事项名称、处罚事项、违法行为、适用依据、处罚依据以及裁量标准,其中,违法行为包括违法案由。
其进一步技术方案为:所述执法裁量参考信息包括裁量依据、处罚依据、裁量标准、处罚金额以及推荐程度。
其进一步技术方案为:所述将执法裁量参考信息发送至终端,以供执法人员参考之后,包括:
获取执法人员执法的结果,以得到执法信息;
根据执法信息更新所述法律法规数据库,以供再次训练所述裁量模型。
本发明还提供了执法裁量效率的提高装置,包括:
现场信息获取单元,用于获取现场违法信息;
提取单元,用于对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;
分析单元,用于将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;
信息获取单元,用于根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;
信息发送单元,用于将执法裁量参考信息发送至终端,以供执法人员参考。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过文本特征提取和图像特征提取进行关键要素提取,将该要素输入至裁量模型内,以得到违法案件类型和案由,并根据该类型和案由配合实时更新的法律法规数据库得到执法裁量参考信息,以供执法人员参考,无需执法人员具备较高的知识,使得现场执法裁量趋于标准化,实现精准、高效地给出执法裁量参考信息,以提高执法效率。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的执法裁量效率的提高方法的应用场景示意图;
图2为本发明实施例提供的执法裁量效率的提高方法的流程示意图;
图3为本发明实施例提供的执法裁量效率的提高方法的子流程示意图;
图4为本发明实施例提供的执法裁量效率的提高方法的子流程示意图;
图5为本发明另一实施例提供的执法裁量效率的提高方法的流程示意图;
图6为本发明实施例提供的执法裁量效率的提高装置的示意性框图;
图7为本发明实施例提供的执法裁量效率的提高装置的提取单元的示意性框图;
图8为本发明另一实施例提供的执法裁量效率的提高装置的示意性框图;
图9为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的执法裁量效率的提高方法的应用场景示意图。图2为本发明实施例提供的执法裁量效率的提高方法的示意性流程图。可运用于城管、交通、自然资源、民政、安监、消防等行政执法领域,该执法裁量效率的提高方法应用于服务器中。该服务器与终端进行数据交互,执法人员通过终端录入现场违法信息,对现场违法信息进行要素提取,结合提取的要求进行违法案件类型的断定,并配合实时更新的法律法规数据库快速形成执法裁量参考信息,以发送至终端,供行政执法人员进行参考。
图2是本发明实施例提供的执法裁量效率的提高方法的流程示意图。如图2所示,该方法包括以下步骤S110至S150。
S110、获取现场违法信息。
在本实施例中,现场违法信息是由执法人员通过摄像装置拍摄违法现场所得的图片,一般会携带有现场的违法事实、图片、位置等信息。
S120、对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息。
在本实施例中,案件关键特征要素信息是指关于违法案件有关的有价值的文本特征信息以及图像特征信息,其中文本特征信息包括关键词,比如轻微擦伤、车辆追尾等词语,而图像特征信息包括图片颜色特征、图片纹理特征、图片形状特征以及图片空间关系特征,比如车辆追尾的车辆受损情况的图片相关特征信息。
在一实施例中,请参阅图3,上述的步骤S120可包括步骤S121~S124。
S121、对现场违法信息中的非图片信息进行信息清洗,以得到有价值信息。
在本实施例中,有价值信息是指对确定违法案件类型以及案由有价值的信息,比如事故发生的原因,事故造成的后果等,均属于有价值信息。
具体地,可以先对现场违法信息中的非图片信息进行类别划分,比如位置类别、时间类别以及其他类别,对其他类别的信息进行分词处理后,在针对分词后的词语进行词义分析,以得知该词语的含义,进行筛选出有价值信息,以提高整个执法裁量的准确率。
S122、对有价值信息进行关键文本特征要素提取,以得到文本特征信息。
在本实施例中,文本特征信息包括时间特征、位置特征以及属性特征,其中,属性特征指的是描述违法行为的词语,比如追尾、前车车尾损坏程度等词语或者短句。
S123、对现场信息中的图片信息进行特征提取,以得到图像特征信息。
在本实施例中,图像特征信息包括图片颜色特征、图片纹理特征、图片形状特征以及图片空间关系特征。
对于现场信息中的图片信息主要是利用图片检测和识别的技术,提取有用的信息,比如追尾过程中的车辆损坏程度的实际照片等。
S124、整合所述文本特征信息以及图像特征信息,以得到案件关键特征要素信息。
在本实施例中,整合以上两种信息,便可得到案件关键特征要素信息。
S130、将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由。
在本实施例中,违法案件类型是指归属于法律法规内的违法类型,比如交通事故、故意伤人等类型。
具体地,上述的裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的。
在一实施例中,请参阅图4,上述的裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的,包括步骤S131~S136。
S131、若干带有违法案件类型及案由标签的案件关键特征要素信息,以得到样本数据。
在本实施例中,样本数据可以来源于历史案件、模拟案件,借助实际存在的或有依据的案件作为样本数据进行模型训练,可以提高整个执法裁量的准确率。
S132、构建用于分类的模型。
在本实施例中,该模型可以为神经网络,当然也可以为某一分类器,依据实际情况而定,该模型根据严重程度进行裁量,比如根据处罚依据,通过提取的证据如视频及图片等,以及执法过程执法人员录入的严重程度,可自行判断及裁量,且该模型还可以根据同一当事人是否多次设计到该案由且对应的处罚依据,通过该当事人信息在数据内查找以往箱体的案件类型,根据触犯次数进行判断及裁量。
S133、对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由。
S134、判断所述样本数据的违法案件类型及案由是否符合要求;
S135、若所述样本数据的违法案件类型及案由符合要求,则将用于分类的模型作为裁量模型;
S136、若所述样本数据的违法案件类型及案由不符合要求,则调整用于分类的模型的参数,并执行所述对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由。
可以将历史案件、模拟案件中的案件关键特征要素信息等样本信息导入到该模型中,根据案件关键特征要素信息训练模型,配合法律法规数据库可以快速且准确地得出执法裁量参考信息。
S140、根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息。
在本实施例中,所述执法裁量参考信息包括裁量依据、处罚依据、裁量标准、处罚金额以及推荐程度。
所述法律法规数据库包括行业应用领域、违法案件类型、违法事项名称、处罚事项、违法行为、适用依据、处罚依据以及裁量标准,其中,违法行为包括违法案由。
当知道违法案件类型和案由后,便可以这两个参数作为搜索条件,在法律法规数据库内进行搜索匹配的裁量内容,并将裁量内容输出,当然,有时会遇到两个参数无法同时匹配,则需要预设对这两个参数进行权重分配,后期在形成执法裁量参考信息时,可以根据违法案件类型和案由与法律法规数据库内对应的数据的匹配程度作为推荐程度,比如当前的违法案件类型是匹配程度为80%,而案由的匹配程度为70%,而违法案件类型与案由的占比分别为0.4与0.6,则当前的匹配程度为0.8*0.4+0.7*0.6=0.74,按照五星为1的标准,且当前的匹配程度属于三星半。
根据违法案件类型及案由匹配对应的法律法规数据库的过程中,采用DEA(数据加密算法,Data Encryption Algorithm)算法,根据多项投入指标和多项产出指标,利用线性规划的方法,对具有可比性的同类型单位进行相对有效性评价的一种数量分析,降低对执法人员的要求,实现精准、高效地给出执法裁量参考信息,以提高执法效率。
S150、将执法裁量参考信息发送至终端,以供执法人员参考。
将执法裁量参考信息发送至终端,执法人员可以进行查阅,另外,执法人员可以根据实际情况对该执法裁量参考信息的内容进行调整,并填写对应的调整后的内容,开出处罚告知书,并结案归档。
上述的执法裁量效率的提高方法,通过文本特征提取和图像特征提取进行关键要素提取,将该要素输入至裁量模型内,以得到违法案件类型和案由,并根据该类型和案由配合实时更新的法律法规数据库得到执法裁量参考信息,以供执法人员参考,无需执法人员具备较高的知识,使得现场执法裁量趋于标准化,实现精准、高效地给出执法裁量参考信息,以提高执法效率。
图5是本发明另一实施例提供的一种执法裁量效率的提高方法的流程示意图。如图5所示,本实施例的执法裁量效率的提高方法包括步骤S210-S270。其中步骤S210-S250与上述实施例中的步骤S110-S150类似,在此不再赘述。下面详细说明本实施例中所增加的步骤S260-S270。
S260、获取执法人员执法的结果,以得到执法信息。
在本实施例中,执法信息是指执法人员根据执法参考信息进行适当调整后形成的执法内容。
S270、根据执法信息更新所述法律法规数据库,以供再次训练所述裁量模型。
将执法信息更新法律法规数据库,以更新后的法律法规数据库作为新的训练数据,进行裁量模型的再次训练,以得到进一步完善的裁量模型,进而提高整个执法裁量的准确率以及效率。
图6是本发明实施例提供的一种执法裁量效率的提高装置300的示意性框图。如图6所示,对应于以上执法裁量效率的提高方法,本发明还提供一种执法裁量效率的提高装置300。该执法裁量效率的提高装置300包括用于执行上述执法裁量效率的提高方法的单元,该装置可以被配置于服务器中。
具体地,请参阅图6,该执法裁量效率的提高装置300包括现场信息获取单元301、提取单元302、分析单元303、信息获取单元304以及信息发送单元305。
现场信息获取单元301,用于获取现场违法信息;提取单元302,用于对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;分析单元303,用于将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;信息获取单元304,用于根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;信息发送单元305,用于将执法裁量参考信息发送至终端,以供执法人员参考。
在一实施例中,如图7所示,所述提取单元302包括清洗子单元3021、文本提取子单元3022、图片提取子单元3023以及整合子单元3024。
清洗子单元3021,用于对现场违法信息中的非图片信息进行信息清洗,以得到有价值信息;文本提取子单元3022,用于对有价值信息进行关键文本特征要素提取,以得到文本特征信息;图片提取子单元3023,用于对现场信息中的图片信息进行特征提取,以得到图像特征信息;整合子单元3024,用于整合所述文本特征信息以及图像特征信息,以得到案件关键特征要素信息。
在一实施例中,上述的执法裁量效率的提高装置300还包括模型获取单元,所述模型获取单元,用于通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练,以得到裁量模型。
在一实施例中,上述的模型获取单元包括样本数据获取子单元、模型构建子单元、判断子单元、模型形成子单元以及参数调整子单元。
样本数据获取子单元,用于获取若干带有违法案件类型及案由标签的案件关键特征要素信息,以得到样本数据;模型构建子单元,用于构建用于分类的模型;分类训练子单元,用于对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由;判断子单元,用于判断所述样本数据的违法案件类型及案由是否符合要求;模型形成子单元,用于若所述样本数据的违法案件类型及案由符合要求,则将用于分类的模型作为裁量模型;参数调整子单元,用于若所述样本数据的违法案件类型及案由不符合要求,则调整用于分类的模型的参数,并执行所述对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由。
图8是本发明另一实施例提供的一种执法裁量效率的提高装置300的示意性框图。如图8所示,本实施例的执法裁量效率的提高装置300是上述实施例的基础上增加了执法信息获取单元306以及数据库更新单元307。
执法信息获取单元306,用于获取执法人员执法的结果,以得到执法信息;数据库更新单元307,用于根据执法信息更新所述法律法规数据库,以供再次训练所述裁量模型。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述执法裁量效率的提高装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述执法裁量效率的提高装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9,图9是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图9,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种执法裁量效率的提高方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种执法裁量效率的提高方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
获取现场违法信息;对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;将执法裁量参考信息发送至终端,以供执法人员参考。
其中,所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的。
所述法律法规数据库包括行业应用领域、违法案件类型、违法事项名称、处罚事项、违法行为、适用依据、处罚依据以及裁量标准,其中,违法行为包括违法案由。
所述执法裁量参考信息包括裁量依据、处罚依据、裁量标准、处罚金额以及推荐程度。
在一实施例中,处理器502在实现所述对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息步骤时,具体实现如下步骤:
对现场违法信息中的非图片信息进行信息清洗,以得到有价值信息;对有价值信息进行关键文本特征要素提取,以得到文本特征信息;对现场信息中的图片信息进行特征提取,以得到图像特征信息;整合所述文本特征信息以及图像特征信息,以得到案件关键特征要素信息。
其中,所述案件关键特征要素信息包括文本特征信息以及图像特征信息,其中,图像特征信息包括图片颜色特征、图片纹理特征、图片形状特征以及图片空间关系特征。
在一实施例中,处理器502在实现所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的步骤时,具体实现如下步骤:
获取若干带有违法案件类型及案由标签的案件关键特征要素信息,以得到样本数据;构建用于分类的模型;对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由;判断所述样本数据的违法案件类型及案由是否符合要求;若所述样本数据的违法案件类型及案由符合要求,则将用于分类的模型作为裁量模型;若所述样本数据的违法案件类型及案由不符合要求,则调整用于分类的模型的参数,并执行所述对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由。
在一实施例中,处理器502在实现所述将执法裁量参考信息发送至终端,以供执法人员参考步骤之后,还实现如下步骤:
获取执法人员执法的结果,以得到执法信息;根据执法信息更新所述法律法规数据库,以供再次训练所述裁量模型。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
获取现场违法信息;对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;将执法裁量参考信息发送至终端,以供执法人员参考。
其中,所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的。
所述法律法规数据库包括行业应用领域、违法案件类型、违法事项名称、处罚事项、违法行为、适用依据、处罚依据以及裁量标准,其中,违法行为包括违法案由。
所述执法裁量参考信息包括裁量依据、处罚依据、裁量标准、处罚金额以及推荐程度。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息步骤时,具体实现如下步骤:
对现场违法信息中的非图片信息进行信息清洗,以得到有价值信息;对有价值信息进行关键文本特征要素提取,以得到文本特征信息;对现场信息中的图片信息进行特征提取,以得到图像特征信息;整合所述文本特征信息以及图像特征信息,以得到案件关键特征要素信息。
其中,所述案件关键特征要素信息包括文本特征信息以及图像特征信息,其中,图像特征信息包括图片颜色特征、图片纹理特征、图片形状特征以及图片空间关系特征。
在一实施例中,所述处理器在执行所述计算机程序而实现所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的步骤时,具体实现如下步骤:
获取若干带有违法案件类型及案由标签的案件关键特征要素信息,以得到样本数据;构建用于分类的模型;对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由;判断所述样本数据的违法案件类型及案由是否符合要求;若所述样本数据的违法案件类型及案由符合要求,则将用于分类的模型作为裁量模型;若所述样本数据的违法案件类型及案由不符合要求,则调整用于分类的模型的参数,并执行所述对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由。
在一实施例中,所述处理器在执行所述计算机程序而实现所述将执法裁量参考信息发送至终端,以供执法人员参考步骤之后,还实现如下步骤:
获取执法人员执法的结果,以得到执法信息;根据执法信息更新所述法律法规数据库,以供再次训练所述裁量模型。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。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,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.执法裁量效率的提高方法,其特征在于,包括:
获取现场违法信息;
对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;
将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;
根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;
将执法裁量参考信息发送至终端,以供执法人员参考;
其中,所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的。
2.根据权利要求1所述的执法裁量效率的提高方法,其特征在于,所述对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息,包括:
对现场违法信息中的非图片信息进行信息清洗,以得到有价值信息;
对有价值信息进行关键文本特征要素提取,以得到文本特征信息;
对现场信息中的图片信息进行特征提取,以得到图像特征信息;
整合所述文本特征信息以及图像特征信息,以得到案件关键特征要素信息。
3.根据权利要求2所述的执法裁量效率的提高方法,其特征在于,所述案件关键特征要素信息包括文本特征信息以及图像特征信息,其中,图像特征信息包括图片颜色特征、图片纹理特征、图片形状特征以及图片空间关系特征。
4.根据权利要求3所述的执法裁量效率的提高方法,其特征在于,所述裁量模型是通过若干带有违法案件类型及案由标签的案件关键特征要素信息进行训练所得的,包括:
获取若干带有违法案件类型及案由标签的案件关键特征要素信息,以得到样本数据;
构建用于分类的模型;
对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由;
判断所述样本数据的违法案件类型及案由是否符合要求;
若所述样本数据的违法案件类型及案由符合要求,则将用于分类的模型作为裁量模型;
若所述样本数据的违法案件类型及案由不符合要求,则调整用于分类的模型的参数,并执行所述对样本数据输入用于分类的模型内进行分类训练,以得到样本数据的违法案件类型及案由。
5.根据权利要求4所述的执法裁量效率的提高方法,其特征在于,所述法律法规数据库包括行业应用领域、违法案件类型、违法事项名称、处罚事项、违法行为、适用依据、处罚依据以及裁量标准,其中,违法行为包括违法案由。
6.根据权利要求4所述的执法裁量效率的提高方法,其特征在于,所述执法裁量参考信息包括裁量依据、处罚依据、裁量标准、处罚金额以及推荐程度。
7.根据权利要求1至6任一项所述的执法裁量效率的提高方法,其特征在于,所述将执法裁量参考信息发送至终端,以供执法人员参考之后,包括:
获取执法人员执法的结果,以得到执法信息;
根据执法信息更新所述法律法规数据库,以供再次训练所述裁量模型。
8.执法裁量效率的提高装置,其特征在于,包括:
现场信息获取单元,用于获取现场违法信息;
提取单元,用于对现场违法信息进行关键特征要素提取,以得到案件关键特征要素信息;
分析单元,用于将案件关键特征要素信息输入裁量模型内进行分析,以得到违法案件类型及案由;
信息获取单元,用于根据违法案件类型及案由匹配对应的法律法规数据库,以得到执法裁量参考信息;
信息发送单元,用于将执法裁量参考信息发送至终端,以供执法人员参考。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911213931.9A CN110991999A (zh) | 2019-12-02 | 2019-12-02 | 执法裁量效率的提高方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911213931.9A CN110991999A (zh) | 2019-12-02 | 2019-12-02 | 执法裁量效率的提高方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991999A true CN110991999A (zh) | 2020-04-10 |
Family
ID=70089063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911213931.9A Pending CN110991999A (zh) | 2019-12-02 | 2019-12-02 | 执法裁量效率的提高方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991999A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111694882A (zh) * | 2020-06-02 | 2020-09-22 | 北京北大软件工程股份有限公司 | 一种处罚案件撤案的影响因素分析方法 |
CN112070112A (zh) * | 2020-07-28 | 2020-12-11 | 浙江警察学院 | 涉网犯罪分类方法、装置、计算机设备及存储介质 |
CN112241466A (zh) * | 2020-09-22 | 2021-01-19 | 天津永兴泰科技股份有限公司 | 一种基于动物识图的野生动物保护法律推荐系统 |
CN112860909A (zh) * | 2021-01-29 | 2021-05-28 | 厦门市法度信息科技有限公司 | 一种智能处罚裁量方法及系统 |
CN112860925A (zh) * | 2021-01-26 | 2021-05-28 | 广东奥蓝科技发展有限公司 | 一种基于大数据的智慧城市执法方法 |
CN113222443A (zh) * | 2021-05-25 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 案件分流方法和装置 |
CN113435798A (zh) * | 2021-08-26 | 2021-09-24 | 北京交研智慧科技有限公司 | 执法培训方法、设备及可读存储介质 |
CN115034183A (zh) * | 2022-05-18 | 2022-09-09 | 天津大学 | 一种辅助行政处罚决定的方法及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963988A (zh) * | 2010-09-26 | 2011-02-02 | 福建南威软件工程发展有限公司 | 一种规范自由裁量的智能引擎及其实现方法 |
CN108198101A (zh) * | 2018-01-10 | 2018-06-22 | 南京市公安局 | 基于警务综合应用平台的行政案件自动量罚方法 |
CN109272221A (zh) * | 2018-09-06 | 2019-01-25 | 济南市市中区综合行政执法局 | 城市管理方法、装置及电子设备 |
CN109325424A (zh) * | 2018-08-30 | 2019-02-12 | 平安科技(深圳)有限公司 | 交通违章案件的鉴别方法、装置和计算机设备 |
CN110232564A (zh) * | 2019-08-02 | 2019-09-13 | 南京擎盾信息科技有限公司 | 一种基于多模态数据的交通事故法律自动决策方法 |
CN110502634A (zh) * | 2019-08-13 | 2019-11-26 | 宫辉 | 一种案由的判定和抓取方法及其系统 |
-
2019
- 2019-12-02 CN CN201911213931.9A patent/CN110991999A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963988A (zh) * | 2010-09-26 | 2011-02-02 | 福建南威软件工程发展有限公司 | 一种规范自由裁量的智能引擎及其实现方法 |
CN108198101A (zh) * | 2018-01-10 | 2018-06-22 | 南京市公安局 | 基于警务综合应用平台的行政案件自动量罚方法 |
CN109325424A (zh) * | 2018-08-30 | 2019-02-12 | 平安科技(深圳)有限公司 | 交通违章案件的鉴别方法、装置和计算机设备 |
CN109272221A (zh) * | 2018-09-06 | 2019-01-25 | 济南市市中区综合行政执法局 | 城市管理方法、装置及电子设备 |
CN110232564A (zh) * | 2019-08-02 | 2019-09-13 | 南京擎盾信息科技有限公司 | 一种基于多模态数据的交通事故法律自动决策方法 |
CN110502634A (zh) * | 2019-08-13 | 2019-11-26 | 宫辉 | 一种案由的判定和抓取方法及其系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111694882A (zh) * | 2020-06-02 | 2020-09-22 | 北京北大软件工程股份有限公司 | 一种处罚案件撤案的影响因素分析方法 |
CN112070112A (zh) * | 2020-07-28 | 2020-12-11 | 浙江警察学院 | 涉网犯罪分类方法、装置、计算机设备及存储介质 |
CN112070112B (zh) * | 2020-07-28 | 2021-11-16 | 浙江警察学院 | 涉网犯罪分类方法、装置、计算机设备及存储介质 |
CN112241466A (zh) * | 2020-09-22 | 2021-01-19 | 天津永兴泰科技股份有限公司 | 一种基于动物识图的野生动物保护法律推荐系统 |
CN112860925A (zh) * | 2021-01-26 | 2021-05-28 | 广东奥蓝科技发展有限公司 | 一种基于大数据的智慧城市执法方法 |
CN112860909A (zh) * | 2021-01-29 | 2021-05-28 | 厦门市法度信息科技有限公司 | 一种智能处罚裁量方法及系统 |
CN113222443A (zh) * | 2021-05-25 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 案件分流方法和装置 |
CN113435798A (zh) * | 2021-08-26 | 2021-09-24 | 北京交研智慧科技有限公司 | 执法培训方法、设备及可读存储介质 |
CN113435798B (zh) * | 2021-08-26 | 2021-12-07 | 北京交研智慧科技有限公司 | 执法培训方法、设备及可读存储介质 |
CN115034183A (zh) * | 2022-05-18 | 2022-09-09 | 天津大学 | 一种辅助行政处罚决定的方法及计算机可读存储介质 |
CN115034183B (zh) * | 2022-05-18 | 2024-05-31 | 天津大学 | 一种辅助行政处罚决定的方法及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991999A (zh) | 执法裁量效率的提高方法、装置、计算机设备及存储介质 | |
CN108734184B (zh) | 一种对敏感图像进行分析的方法及装置 | |
CN109474515B (zh) | 风险事件的邮件推送方法、装置、计算机设备及存储介质 | |
CN112102959B (zh) | 一种服务器、数据处理方法、装置及可读存储介质 | |
CN104050361A (zh) | 一种监狱服刑人员危险性倾向的智能分析预警方法 | |
CN111340144A (zh) | 风险样本检测方法、装置、电子设备及存储介质 | |
CN112241494A (zh) | 基于用户行为数据的关键信息推送方法及装置 | |
WO2022142903A1 (zh) | 身份识别方法、装置、电子设备及相关产品 | |
CN115168887A (zh) | 基于差别权限隐私保护的移动终端隐身处理方法及装置 | |
CN110909195A (zh) | 基于区块链的图片标注方法、装置及存储介质、服务器 | |
CN107766316B (zh) | 评价数据的分析方法、装置及系统 | |
WO2021027569A1 (zh) | 执法分析方法、装置、电子设备及存储介质 | |
CN114398685A (zh) | 一种政务数据处理方法、装置、计算机设备及存储介质 | |
CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
CN112990753A (zh) | 用于路侧设备的故障诊断的方法、装置及设备 | |
McClintock et al. | Quantitative assessment of species identification in aerial transect surveys for ice‐associated seals | |
CN115577983B (zh) | 基于区块链的企业任务匹配方法、服务器及存储介质 | |
CN111507850A (zh) | 核保方法及相关装置、设备 | |
Yao et al. | Data based violated behavior analysis of taxi driver in metropolis in China | |
CN114066288B (zh) | 一种基于智慧数据中心的营运道路应急检测方法及系统 | |
CN112712270B (zh) | 信息处理方法、装置、设备及存储介质 | |
CN113919544B (zh) | 犯罪预警方法、装置、计算机设备及存储介质 | |
CN114022114A (zh) | 基于电信行业的数据治理平台 | |
CN114048148A (zh) | 一种众包测试报告推荐方法、装置及电子设备 | |
CN112749239A (zh) | 一种事件图谱构建方法、装置及计算设备 |
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 |