CN111639479A - 一种基于深度学习的智能辅助办案方法 - Google Patents
一种基于深度学习的智能辅助办案方法 Download PDFInfo
- Publication number
- CN111639479A CN111639479A CN202010359962.1A CN202010359962A CN111639479A CN 111639479 A CN111639479 A CN 111639479A CN 202010359962 A CN202010359962 A CN 202010359962A CN 111639479 A CN111639479 A CN 111639479A
- Authority
- CN
- China
- Prior art keywords
- data
- text
- deep learning
- information
- case
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2468—Fuzzy queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明提供一种基于深度学习的智能辅助办案方法,通过深度学习、自然语言处理技术及大数据技术,实现智能辅助办案,方法包括:步骤1:笔录文本关键内容的提取;步骤2:笔录文本关键内容的重组;步骤3:案件信息的自动填充;步骤4:案件知识图谱的构建。本发明提供的方法可批量识别笔录信息的文本内容和关键内容,并提取相关的信息数据,完成案件信息的自动填表和知识图谱构建,大大减少人工提取信息的工作量,大幅提高准确率和效率,辅助案件分析。
Description
技术领域
本发明涉及公安办案智能化管理的技术领域,尤其是指一种基于深度学习的智能辅助办案方法。
背景技术
案件办理时,需要登记案件信息,将案情录入案件系统,而案件系统中一个案件的新增至少有几十个必填项,并且这些内容基本上都需要从案件的笔录信息中获取。目前案件信息的登记主要依靠人工进行,由人工研读笔录信息,从中提取关键信息,比如人物、时间、地点、其他要素等。这种依靠人工识别、手动录入的方式存在耗费大量人力、处理效率低、信息录入不规范、易出错的明显问题。
当前,公安机关作为司法体系的侦查环节,在提高整体执法规范化建设方面,需要从执法的源头抓起,即从公安基层办案质量抓起,公安基层执法是反映公安机关执法质量和公安执法水平的重要指标。同时,刑事类案件对证据材料的规范性要求越来越严格。从公安案件卷宗来看,笔录占据着举足轻重的地位,在案件侦破的众多环节都会涉及到笔录文书制作,包括询问、讯问、勘验、辨认、听证、调整等等。同时笔录作为证据的一种,也是在诉讼中最容易质疑的证据内容之一。
公安信息化建设进入智能化、大数据应用阶段。依托人工智能和公安网海量的大数据资源来更好的为民警在前段办案(如审讯阶段)提供服务也是全国公安信息化建设重点工作。
综上,实现笔录信息的识别与提取,并进行标准化、规范化的存储、传输与管理,保障案件证据材料的有效性,加强智能化技术与大数据服务融合,是新的智能化执法办案系统建设需要解决的重要问题,有着广泛的应用场景。
发明内容
本发明的目的在于克服现有技术的不足,提供一种通过人工智能技术进行笔录材料的内容识别和提取实现案件信息的自动填充和案件知识图谱构建的方法,解决当前依靠人工登记案件信息效率低、不规范、易出错的问题。
一种基于深度学习的智能辅助办案方法,通过深度学习、自然语言处理技术及大数据技术,实现辅助办案,方法包括:步骤1:笔录文本关键内容的提取;步骤2:笔录文本关键内容的重组;步骤3:案件信息的自动填充;步骤4:案件知识图谱的构建。
优选的,在所述步骤1中,运用深度学习及自然语言处理技术识别出笔录文本的文本内容和关键内容。
优选的,所述步骤1包括有以下步骤:
步骤A1.通过文本识别技术识别出笔录文本的具体文本内容;
步骤A2.将识别出的文本内容,通过词袋模型、TF-IDF算法、支持向量机算法进行文本预处理和信息分类,通过bert+bilistm+crf模型进行命令实体识别,利用分词、词性标注工具进行共指消解,通过句法依存分析进行关系提取,最终提取出结构化的关键业务内容信息。
优选的,在所述步骤2中,运用华资数据交换平台、模糊地址匹配技术将提取的笔录文本关键内容进行标准化、规范化和重组,以得到符合业务要求的数据。
优选的,所述步骤2包括有以下步骤:
步骤B1.将提取的文本关键内容,统一汇集存储至华资数据交换平台,进行数据清洗、数据转换和数据装载,得到符合业务要求的数据;
步骤B2.对于地址一类的数据,采用华资模糊地址智能匹配技术,构建地址标准模型,将地址数据进行区域标注,最终转换为标准规范的地址数据格式。
优选的,在所述步骤3中,将识别出的业务内容信息自动填充至预设有的表单模板中。
优选的,所述步骤3包括有以下步骤:
步骤C1.从重组后的数据中筛选出所需的业务内容信息;
步骤C2.将所得到的业务内容信息填充至相对应的表单模板中。
优选的,在所述步骤4中,通过深度学习和自然语言处理技术从笔录文本中提取关键实体关系数据,构建案件知识图谱。
优选的,所述步骤4包括有以下步骤:
步骤D1.通过命令实体识别、分词、词性标注、句法依存分析识别出笔录文本信息中的实体、实体之间的关系和实体的属性,形成知识图谱数据;
步骤D2.将提取的数据以结构化的格式关联到相关的案件,在华资数据交换平台中,利用图数据库存储案件相关的要素及关系,并形成知识图谱。
与现有技术相比,本发明的优势在于:通过深度学习算法、自然语言处理技术、大数据技术的内容识别和提取技术,并深度融合实际的业务情况,可批量识别笔录信息的文本内容和关键内容,并提取相关的信息数据,完成案件信息的自动填表和知识图谱构建。这一发明可以识别提取笔录信息中的关键业务内容并进行重组,完成案件信息的自动填表登记,大大减少人工提取信息的工作量,大幅提高准确率,还可以通过关键要素的提取构建案件知识图谱,辅助案件分析。
附图说明
图1一种智能辅助办案方法的组成示意图。
图2笔录信息提取环节的流程示意图。
图3笔录信息重组环节的流程示意图。
图4案件信息自动填充环节的流程示意图。
图5案件知识图谱构建环节的流程示意图。
图6实例中信息提取结果示意图。
图7实例中生成知识图谱示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参见附图1所示,在本实施例中公开了一种基于深度学习的智能辅助办案方法,特选用公安办案相关的业务情况作为实施例进行详细说明,以便于本领域技术人员的理解。本实施例的智能办案辅助方法,通过深度学习、自然语言处理技术及大数据技术,实现笔录文本关键内容的提取和重组,进而完成案件信息的自动填充、案件知识图谱构建,实现智能化辅助办案。
如附图2所示,在本实施例中,在笔录文本的关键信息提取环节,运用深度学习及自然语言处理技术识别出笔录文本的文本内容和关键内容。该环节具体包括有以下步骤:
步骤A1.通过文本识别技术识别出笔录文本的具体文本内容;
步骤A2.将识别出的文本内容,通过词袋模型、TF-IDF算法、支持向量机算法进行文本预处理和信息分类,通过bert+bilistm+crf模型进行命令实体识别,利用分词、词性标注工具进行共指消解,通过句法依存分析进行关系提取,最终提取出结构化的关键业务内容信息。
为了便于理解,例如从某案件的笔录材料中通过文本识别及语义识别识别出该笔录的讯问时间、侦查人员、讯问地址、案发经过与事实等信息作为关键业务内容进行提取。
如附图3所示,在本实施例中,在笔录文本的关键信息重组环节,运用华资数据交换平台、地址匹配技术将提取的笔录文本关键内容进行标准化、规范化和重组,以得到符合业务要求的数据。该环节具体包括有以下步骤:
步骤B1.将提取的文本关键内容,统一汇集存储至华资数据交换平台,进行数据清洗、数据转换和数据装载,得到符合业务要求的数据;
步骤B2.对于地址一类的数据,采用华资模糊地址智能匹配技术,构建地址标准模型,将地址数据进行区域标注,最终转换为标准规范的地址数据格式。
为了便于理解,例如从笔录材料中提取的关键信息中包含的犯人信息有“身份证号:44111119901228****”、“初中毕业”、“住在安化县纱帽村*号”这三项信息,将此信息汇集至华资数据交换平台,对身份证号的出生日期“19901228”进行标准化转换,得到犯人的出生日期为“1990年12月28日”,将“初中毕业”进行转换重组,得到犯人的文化水平为“初中文化”,通过华资模糊地址智能匹配技术,将“安化县纱帽村*号”进行地址标准化转换,得到犯人的居住地址为“湖南省益阳市安化县江南镇纱帽村*号”。
如附图4所示,在本实施例中,在案件信息的自动填充环节,将识别出的业务内容信息自动填充至预设有的表单模板中。该环节具体包括有以下步骤:
步骤C1.从重组后的数据中筛选出所需的业务内容信息;
步骤C2.将所得到的业务内容信息填充至相对应的表单模板中。
为了便于理解,例如案件登记所需的信息包含犯人的基本信息,业务内容信息主要包括姓名、性别、年龄、生日、身份证号码、民族、文化程度、职业、住址等,作案信息主要包括作案手段、案发时间、案发地点、丢失物品等,上述信息可从笔录关键信息重组后的内容中筛选出犯人的出生日期“1990年12月28日”、文化水平“初中文化”、家庭住址“湖南省益阳市安化县江南镇纱帽村*号”、案发经过与事实“2017年3月9日10时30分左右,来到在益阳市江南镇**小区9号楼1单元504室,通过锡纸打开了门锁,进入屋内,把主卧床头柜上边第一个抽屉里的7000元人民币现金、放在主卧衣柜抽屉内的9000元人民币现金和一个翡翠玉坠及放在次卧电脑桌上面柜子里的一条中华烟拿走,随后关门离开。”,并自动填入对应的表格模板中。
表1 案件信息表
如附图5所示,在本实施例中,在案件的知识图谱构建环节中,通过深度学习和自然语言处理技术从笔录文本中提取关键实体关系数据,构建案件知识图谱。所述案件知识图谱的构建具体包括有以下步骤:
步骤D1.通过命令实体识别、分词、词性标注、句法依存分析识别出笔录文本信息中的实体、实体之间的关系和实体的属性,形成知识图谱数据;
步骤D2.将提取的数据以结构化的格式关联到相关的案件,在华资数据交换平台中,利用图数据库存储案件相关的要素及关系,并形成知识图谱。
为了便于理解,例如某盗窃案的笔录信息记录如下:
“询问人:杨贵
问:我们是XXX公安局派出所的办案民警(出示执法证件),现依法对你进行询问,你要如实回答,对与案件无关的问题,你有拒绝回答的权利,你听清楚了吗?
答:我听清楚了。
问:有什么要求吗?
答:没有。
问:你的个人情况?
答:我叫马小美,女,1986年12月1日出生,汉族,户籍所在地小天村委会1111号,现住小天小区1栋1单元1111号,居民身份证号码452123198611111111,联系电话18588861111。
问:你今天来XXX公安局派出所有什么事吗?
答:我的摩托车被盗窃了,我是来报案的。
问:依照《中华人民共和国刑事诉讼法》有关规定,现将《被害人诉讼权利义务告知书》,给你阅读,你如果不识字,我们可以给你宣读?
答:我可以看。(看完《被害人诉讼权利义务告知书》),我看清楚了,并收到了告知书。
问:请你将事情的经过讲一下?
答:2018年4月26日17时20分许,我骑着一辆白色五羊本田二轮摩托车来到小天广场小天幼儿园接小孩,当时我把摩托车停在小天幼儿园大门的停车场前,没有锁车头锁和大锁我就上幼儿园接小孩去了,直至2018年4月26日17时37分许我接完小孩下楼来到我停车的地方取车时发现我的摩托车不见了,然后我就打电话报警了,事情的经过就是这样子的。
问:你被盗窃车辆的基本特征?
答:我被盗的是一辆五羊本田牌二轮摩托车,白色有尾箱,车牌:某AB55S,型号:WH888T-8;车架号:LWBTCH601F1021111,发动机号:15H01111,该车车主是我本人自己马小美,该车于2015年11月21日以9400元人民币购买的。
问:为什么你直到今天才到派出所来报案。
答:因为昨天我有点急事没有空,所以今天才到派出所来报案。
问:被盗窃的摩托车内是否还有什么贵重物品?
答:有该车的行驶证和我哥哥马家才的港澳通行证都一起放在车里被盗走了。
问:你被盗窃的摩托车有什么明显标志或者特征码?
答:没有。
问:被盗窃摩托车当时是否上锁了?
答:没有。
问:该摩托车是否有发票及相关票据?
答:除了行驶证放在车里一起被盗走以外,摩托车的发票以及相关证件我已经复印给你们公安机关了。
问:你还有什么需要补充说明的吗?
答:没有
问:你是否有阅读能力?
答:我有阅读能力。
问:以上笔录请你仔细阅看。如果记录有误请指出来,我们即给予更正。请你确认记录无误后再在笔录上逐页签名。
答:好的。”
通过命令实体识别、分词、词性标注、句法依存分析等技术手段,识别出该案件的实体包括当事人“马小美”、询问人“杨贵”、案件类型“盗窃案”、涉案物品“摩托车”等,实体之间的关系包括:杨贵为笔录的询问人,也是案件的办案人,马小美为案件的报案人,也是被盗摩托车的所属人,该案件“马小美摩托车被盗”属于盗窃案等。信息提取结果如图6所示
上述从笔录中识别出的要素及关系作为知识图谱数据,以结构化的格式存储于华资数据交换平台的图数据库中,并形成知识图谱如图7所示。基于构建的案件知识图谱进行案件的推理和比对,可帮助办案人分析处理笔录信息的矛盾点,提高信息的利用和检索能力。
综上所述,本实施例的处理方法有效地解决办案过程中对笔录文本材料的信息提取效率低、不规范、易出错的问题,节省了人力成本。运用人工智能技术及大数据技术实现关键信息的自动提取和分析,进而自动完成案件信息的登记和知识图谱构建,实现智能化执法办案,提高了办案效率,减轻了民警的工作难度和压力,从而缓解警力不足的问题。基于案件知识图谱进行案件分析,可从笔录信息中快速发掘出重要线索和关键实体关系数据,辅助民警更加直观轻松地对案件进行推理,提升破案效率,使得数据跨越原有的场景,提升了数据的应用边界和利用价值。
以上所述之实施例仅为本发明的较佳实施例,并非对本发明做任何形式上的限制。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,利用上述揭示的技术内容对本发明技术方案作出更多可能的变动和润饰,或修改均为本发明的等效实施例。故凡未脱离本发明技术方案的内容,依据本发明之思路所作的等同等效变化,均应涵盖于本发明的保护范围内。
Claims (7)
1.一种基于深度学习的智能辅助办案方法,其特征在于:通过深度学习、自然语言处理技术及大数据技术,实现辅助办案,所述办案方法包括如下步骤:
步骤1:笔录文本关键内容的提取;在所述步骤1中,运用深度学习及自然语言处理技术识别出笔录文本的文本内容和关键内容;
所述步骤1包括有以下步骤:
步骤A1.通过文本识别技术识别出笔录文本的具体文本内容;
步骤A2.将识别出的文本内容,通过词袋模型、TF-IDF算法、支持向量机算法进行文本预处理和信息分类,通过bert+bilistm+crf模型进行命令实体识别,利用分词、词性标注工具进行共指消解,通过句法依存分析进行关系提取,最终提取出结构化的关键业务内容信息;
步骤2:笔录文本关键内容的重组;
步骤3:案件信息的自动填充;
步骤4:案件知识图谱的构建。
2.根据权利要求1所述的一种基于深度学习的智能辅助办案方法,其特征在于:在所述步骤2中,运用华资数据交换平台、模糊地址匹配技术将提取的笔录文本关键业务内容进行标准化、规范化和重组,以得到符合业务要求的数据。
3.根据权利要求2所述的一种基于深度学习的智能辅助办案方法,其特征在于:所述步骤2包括有以下步骤:
步骤B1.将提取的文本关键内容,统一汇集存储至华资数据交换平台,进行数据清洗、数据转换和数据装载,得到符合业务要求的数据;
步骤B2.对于地址一类的数据,采用华资模糊地址智能匹配技术,构建地址标准模型,将地址数据进行区域标注,最终转换为标准规范的地址数据格式。
4.根据权利要求1所述的一种基于深度学习的智能辅助办案方法,其特征在于:在所述步骤3中,将识别出的业务内容信息自动填充至预设的表单模板中。
5.根据权利要求4所述的一种基于深度学习的智能辅助办案方法,其特征在于:所述步骤3包括有以下步骤:
步骤C1.从重组后的数据中筛选出所需的业务内容信息;
步骤C2.将所得到的业务内容信息填充至相对应的表单模板中。
6.根据权利要求1所述的一种基于深度学习的智能辅助办案方法,其特征在于:在所述步骤4中,通过深度学习和自然语言处理技术从笔录文本中提取关键实体关系数据,构建案件知识图谱。
7.根据权利要求6所述的一种基于深度学习的智能辅助办案方法,其特征在于:所述步骤4包括有以下步骤:
步骤D1.通过命令实体识别、分词、词性标注、句法依存分析识别出笔录文本信息中的实体、实体之间的关系和实体的属性,形成知识图谱数据;
步骤D2.将提取的数据以结构化的格式关联到相关的案件,在华资数据交换平台中,利用图数据库存储案件相关的要素及关系,并形成知识图谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010359962.1A CN111639479A (zh) | 2020-04-30 | 2020-04-30 | 一种基于深度学习的智能辅助办案方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010359962.1A CN111639479A (zh) | 2020-04-30 | 2020-04-30 | 一种基于深度学习的智能辅助办案方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111639479A true CN111639479A (zh) | 2020-09-08 |
Family
ID=72328804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010359962.1A Pending CN111639479A (zh) | 2020-04-30 | 2020-04-30 | 一种基于深度学习的智能辅助办案方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639479A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734604A (zh) * | 2020-12-25 | 2021-04-30 | 科讯嘉联信息技术有限公司 | 一种提供多模态智能报案的装置及其笔录生成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106919689A (zh) * | 2017-03-03 | 2017-07-04 | 中国科学技术信息研究所 | 基于术语释义知识单元的专业领域知识图谱动态构建方法 |
WO2018205739A1 (zh) * | 2017-05-10 | 2018-11-15 | 京东方科技集团股份有限公司 | 中医药知识图谱及其建立方法以及计算机系统 |
CN109388648A (zh) * | 2018-08-15 | 2019-02-26 | 王小易 | 一种在电子笔录中提取人员信息及关系人的方法 |
CN109658062A (zh) * | 2018-12-13 | 2019-04-19 | 广州华资软件技术有限公司 | 一种基于深度学习的电子档案智能处理方法 |
CN109800304A (zh) * | 2018-12-29 | 2019-05-24 | 北京奇安信科技有限公司 | 案件笔录的处理方法、装置、设备及介质 |
CN110188341A (zh) * | 2019-04-16 | 2019-08-30 | 中国电子科技集团公司电子科学研究院 | 一种警情分析系统 |
CN110956026A (zh) * | 2019-11-28 | 2020-04-03 | 北京华宇元典信息服务有限公司 | 法律文书生成方法、生成装置和电子设备 |
CN110955796A (zh) * | 2019-11-26 | 2020-04-03 | 北京明略软件系统有限公司 | 一种基于笔录信息的案件特征信息提取方法及装置 |
-
2020
- 2020-04-30 CN CN202010359962.1A patent/CN111639479A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106919689A (zh) * | 2017-03-03 | 2017-07-04 | 中国科学技术信息研究所 | 基于术语释义知识单元的专业领域知识图谱动态构建方法 |
WO2018205739A1 (zh) * | 2017-05-10 | 2018-11-15 | 京东方科技集团股份有限公司 | 中医药知识图谱及其建立方法以及计算机系统 |
CN109388648A (zh) * | 2018-08-15 | 2019-02-26 | 王小易 | 一种在电子笔录中提取人员信息及关系人的方法 |
CN109658062A (zh) * | 2018-12-13 | 2019-04-19 | 广州华资软件技术有限公司 | 一种基于深度学习的电子档案智能处理方法 |
CN109800304A (zh) * | 2018-12-29 | 2019-05-24 | 北京奇安信科技有限公司 | 案件笔录的处理方法、装置、设备及介质 |
CN110188341A (zh) * | 2019-04-16 | 2019-08-30 | 中国电子科技集团公司电子科学研究院 | 一种警情分析系统 |
CN110955796A (zh) * | 2019-11-26 | 2020-04-03 | 北京明略软件系统有限公司 | 一种基于笔录信息的案件特征信息提取方法及装置 |
CN110956026A (zh) * | 2019-11-28 | 2020-04-03 | 北京华宇元典信息服务有限公司 | 法律文书生成方法、生成装置和电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734604A (zh) * | 2020-12-25 | 2021-04-30 | 科讯嘉联信息技术有限公司 | 一种提供多模态智能报案的装置及其笔录生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110383319B (zh) | 大规模异构数据摄取和用户解析 | |
CN112182246B (zh) | 通过大数据分析建立企业画像的方法、系统、介质及应用 | |
CN109658062A (zh) | 一种基于深度学习的电子档案智能处理方法 | |
CN111427968A (zh) | 一种基于知识图谱的重点人员全息档案构建方法及装置 | |
CN111967761A (zh) | 一种基于知识图谱的监控预警方法、装置及电子设备 | |
CN110390084A (zh) | 文本查重方法、装置、设备及存储介质 | |
CN111198969A (zh) | 一种基于网络大数据的经济信息咨询系统和方法 | |
CN114117171A (zh) | 一种基于赋能思维的工程档案智能收整方法及系统 | |
CN115238688B (zh) | 电子信息数据关联关系分析方法、装置、设备和存储介质 | |
CN111639479A (zh) | 一种基于深度学习的智能辅助办案方法 | |
CN111191153A (zh) | 一种信息技术咨询服务展示装置 | |
CN109388648B (zh) | 一种在电子笔录中提取人员信息及关系人的方法 | |
CN112766904A (zh) | 政务审批辅助管理方法和系统 | |
CN116028467A (zh) | 智能服务大数据建模方法、系统、存储介质及计算机设备 | |
CN107016052A (zh) | 一种信息智能加工方法 | |
CN111652399A (zh) | 一种办税服务厅人脸识别无感刷脸取号的实现系统 | |
CN112347249B (zh) | 一种警情要素提取系统及其提取方法 | |
CN111428041A (zh) | 案件摘要生成方法、装置、系统和存储介质 | |
CN111813947A (zh) | 开庭询问提纲自动生成方法及装置 | |
CN115204393A (zh) | 一种基于知识图谱的智慧城市知识本体库构建方法和装置 | |
CN114492436A (zh) | 一种审计访谈信息的处理方法、装置和系统 | |
CN113111089A (zh) | 一种信息采集管理系统及方法 | |
CN113127673B (zh) | 一种声纹数据库的构建方法及其数据调用方法 | |
CN113468255B (zh) | 基于知识图谱的社会治安综合治理领域数据融合方法 | |
CN106157651B (zh) | 一种基于语音语义理解的交通电台路况信息播报系统 |
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 |