CN112015762A - 案件检索方法、装置、计算机设备和存储介质 - Google Patents
案件检索方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112015762A CN112015762A CN201910464301.2A CN201910464301A CN112015762A CN 112015762 A CN112015762 A CN 112015762A CN 201910464301 A CN201910464301 A CN 201910464301A CN 112015762 A CN112015762 A CN 112015762A
- Authority
- CN
- China
- Prior art keywords
- case
- information
- structured data
- matching degree
- matching
- 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 63
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 9
- 238000012015 optical character recognition Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
Abstract
本申请涉及一种案件检索方法、装置、计算机设备和存储介质。所述方法包括:获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度,将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。提取当前案件的结构化数据和非结构化数据,通过两个不同类型的数据检索案件,根据检索案件的两个不同的匹配度的加权结果确定目标案件,简化检索流程和提高检索准确度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种案件检索方法、装置、计算机设备和存储介质。
背景技术
目前常见的搜索功能,如微博内容检索、新闻检索等,主要是系统获取用户在输入框中输入关键词数据,在数据库中通过对比并抽取一些与关键词相关的信息推荐给用户,对于这类的检索功能,信息检索的准确性很大程度上取决于用户所输入的关键词,如果用户想提高信息检索的准确性,则需要通过联想相似的关键词、联想关联的关键词、构建检索式等方法,但由于关键词的整理具有较大的主观因素,不同人对不同信息整理出的关键词不相同,容易导致搜索不到想要的信息。
在公安机关的信息系统中,通常只记录了单个案件的案件情况,而在公安机关的日常工作中,常需要根据当前处理的案件,找到历史数据库中相关的案件,为当前处理的案件提供参考或串并联相关案件,以从中找到新的线索或破案思路。目前,对于相关的案件的检索只能通过输入关键词的方式进行检索,检索准确度低。
发明内容
为了解决上述技术问题,本申请提供了一种案件检索方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种案件检索方法,包括:
获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据;
通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度;
通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度;
获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度;
将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
第二方面,本申请提供了一种案件检索装置,包括:
数据提取模块,用于获取当前案件信息,从当前案件信息中提取结构化数据和非结构化数据;
第一匹配度计算模块,用于通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度;
第二匹配度计算模块,用于通过模糊匹配计算非结构化数据与各个案件的第二匹配度;
案件匹配度计算模块,用于获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件与各个案件的匹配度;
目标案件确定模块,用于将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
第三方面,本申请提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据;
通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度;
通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度;
获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度;
将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据;
通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度;
通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度;
获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度;
将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
上述案件检索方法、装置、计算机设备和存储介质,所述方法包括:获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度,将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。本发明以案件为输入单位,通过提取当前案件的结构化数据和非结构化数据,根据两种不同类型的数据对案件进行匹配,最终根据两种类型数据的匹配度的加权值确定目标案件,简化检索流程和提高检索准确度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中案件检索方法的应用环境图;
图2为一个实施例中案件检索方法的流程示意图;
图3为另一个实施例中案件检索方法的流程示意图;
图4为一个实施例中案件检索装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为一个实施例中案件检索方法的应用环境图。参照图1,该案件检索方法应用于案件检索系统。该案件检索系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端或服务器获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度,将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
请参阅图2,其为一个实施例中案件检索方法的流程示意图。本发明实施例提供了一种案件检索方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明。该案件检索方法具体包括如下步骤:
步骤S201,获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据。
具体地,当前案件信息为用户上传的或下载的任意一个用于描述案件过程、人物关系等信息,案件信息包括文字信息、图片信息中的至少一种。结构化数据包含涉案人员姓名、身份证号码、作案时间、作案地点等信息,非结构化数据包含用户上传的附件信息、作案过程记录等信息,其中用户上传的附件可以包含文档信息、图片信息等。
在一个实施例中,结构化数据包括原始结构化数据和对应的相关结构化数据,根据所述当前案件信息中确定结构化数据,包括:从当前案件信息中提取原始结构化数据,将原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据。
具体地,信息拓展数据库为预先定义好的数据库。相关结构化数据为根据原始结构化数据从信息拓展数据据中检索到的拓展数据。其中原始相关结构化数据可以为人物特征信息,人物特征信息用于描述人物特征的信息,如身份证号码、护照信息和签证信息等等。拓展信息为与人特征信息的存在关联的数据,该数据包括人物关系数据和账户信息等等。其中相关结构化数据可以根据需求自定义,如针对不同的类型的案件设置不同的检索限定。
在一个实施例中,接收用户输入的案件标识,根据案件标识获取当前案件信息,案件标识唯一对应案件信息。
具体地,案件标识是用于标识案件的标签数据,案件标识可以自定义设置,如可以采用文字、数字、字符中的至少一种表示。每个案件标识对应一个案件信息,获取与用户输入的案件标识对应的案件信息作为当前案件信息。采用案件标识获取案件信息,使得检索变得更为便捷。
在一个实施例中,相关结构化数据至少包括人物关系数据、证件信息和账号信息中的一种,将原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据,包括:将原始结构化数据中的身份信息输入到信息拓展数据库中,获取与身份信息相关的相关结构化数据。
具体地,其中信息拓展数据库包括人物关系数据库和/或人物信息数据库;通过身份信息检索人物关系数据库,得到与检索人物相关的人物关系数据,如检索到亲友、同学、同事、朋友和教师等等;通过身份信息检索人物信息数据库,得到与检索人物相关的人物信息,如与涉案人员的身份证号码关联的银行账号、车牌号码、电话号码、QQ号码、微信号等相关结构化数据等等。之所以检索人物关系数据库,是因为关系亲近的人对人物的影响较大,故关系亲近的人做出的行为对人物产生较大影响。通过身份检索案件行为人相关的人物,得到相关人物数据。通过身份证号码可以检索到该人名下的其他的账户信息和证件信息,如银行账号、车牌号码、电话号码、社交账号和护照等等。
步骤S202,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度。
具体地,精确匹配是指当检索关键词与被检索信息中的词汇完全一致时,检索结果为匹配。如检索关键词为身份证号码“XXX”,则检索结果为“XXX”时才算匹配。结构化数据可以为一个或多个,案件库是指存储了许多的案件信息的数据库。第一匹配度是指根据结构化数据与各个案件中的信息的相似度确定的。结构化数据与各个案件的相似度的计算方法可以采用常见相似度计算方法计算。如可以根据预先定义的各个结构化数据对应的数据的相似度评分,根据结构化数据与各个案件中的信息的相似度评分,确定第一匹配度。
在一个实施例中,结构数据包含多个子原始结构化数据,相关结构化数据包含多个相关子结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,包括:计算各个子原始结构化数据与各个案件的第一子匹配度,计算各个相关子结构化数据与各个案件的第二子匹配度,对第一子匹配度和第二子匹配度进行加权求和,得到当前案件信息与各个案件的第一匹配度。
具体地,子原始结构化数据是指结构化数据中的不相同的结构化数据,如结构化数据包括涉案人员姓名、身份证号码、作案时间等。第一子匹配度是根据各个子原始结构化数据与各个案件的相似度计算得到的。不同的子原始结构化数据的权重可以根据需求自行设定,如身份证号属于唯一标识,可以设置身份证号的权重大于其他子原始结构化数据的权重。第二子匹配度是通过各个相关结构化数据与各个案件的相似度确定的,与第一匹配度的计算方法类似,各个相关子结构化数据的权重可以自定义设置,具体的设置根据经验和需求进行设计。各个案件对应的第一子匹配度和第二子匹配度加权求和,得到当前案件的结构化数据与各个案件的第一匹配度。
在一个具体的实施例中,根据涉案人员的身份信息对涉案人员的检索拓展到对与涉案人员相关的人员的检索,有利于检索出相关的群发案件。分析群发案件的作案特性可知,大量的群发案件以人员关系集中式分布,关系亲近的亲友在群发案件中占据着重要的角色,传统的案件检索功能仅能根据涉案的当事人检索,检索结果难以覆盖人员关系集中式的群发案件,容易造成案件数据的遗漏,通过检索与涉案人员关系密切的人,可以增加检索范围,从而更好的对案件进行分析。
在一个具体的实施例中,根据涉案人员的个人特征信息,如涉案人员的姓名、身份号码等信息,根据个人特征信息的检索拓展到对涉案人员相关的账号的检索。对涉案人员的账号检索能够有效的对现时多种常用服务实名制的制度下,涉案人员身份证号码相关的服务将会是串并联案件侦查中的关键检索对象。串联案件,即把发生在不同时间的具有相同特征的案件进行串联分析;并案侦查,即将发生在不同区域的具有相似特征的案件合并侦查。
在一个实施例中,原始结构化数据的权重大于相关结构化数据的权重。原始结构化数据为案件中的信息,相关结构化的数据为拓展数据,故拓展数据的权重小于本身数据时,能够将重点放在案件本身。
步骤S203,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度。
具体地,模糊匹配是指被检索信息中的存在检索关键字中的部分关键字时,表示匹配。如检索关键字为“ABCDEF”,则被检索的匹配信息包括“ABDEF”、“AXCDEF”或“CDEF”等。第二匹配度为非结构数据与案件的匹配度,第二匹配的计算方法可以与第一匹配度的计算方法相同,也可以不同。如非结构化数据中可以包括文字信息和图片信息,对于文字信息和图片信息在计算相似度时,采用的相似度计算方法可以为不同类型的方法。文字的相似度可以根据定义的相似度评分确定,或者根据词向量进行确定。图像的相似度可以采用常见的图像相似度计算方法确定,如欧式距离和余弦相似度等等。
在一个实施例中,对于存在多个非结构化子数据组成的非结构化数据时,计算第二匹配度,需要根据各个非结构化子数据的权重确定。
在一个实施例中,非结构化子数据中包括图像类和文字类,图像类的权重大于文字类的权重。
具体地,在图像中包含比较多的重要信息时,可以适当的调高图像类型的权重,提高检索准确度。
在一个实施例中,当非结构化数据包含图像类数据时,通过光学字符识别算法识别出图像类型的非结构数据的文字信息,或提取图像类型的非结构数据的图像特征,以通过文字信息及图像特征实现模糊匹配。
具体地,非结构化数据包含图像类数据时,通过光学字符识别算法识别出图像类的文字信息。图像特征是指根据常见的特征提取算法提取的特征,特征提取算法包括但不限于边缘特征提取算法、集合特征提取算法和分割算法等等。根据识别的文字信息和图像特征进行模糊匹配。根据图像类的非结构化数据的图像特征进行模糊匹配,由于图像中包含许多的视觉信息,根据视觉信息进行信息匹配能够提高检索准确度。
步骤S204,获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度。
具体地,权重映射表中包含各个结构化数据和各个非结构化数据对应的权重参数。权重映射表可以为预先配置的固定的映射表,也可以为根据具体情况自动更新或人为更新。如用户根据之前的匹配结果对权重映射表进行调整,也可以为是用户在匹配之前根据需求进行调整。根据权重映射表,计算得到各个案件与当前案件之间的匹配度。其中匹配为第一匹配度和第二匹配的加权结果。通过同时对结构化数据和非结构化数据同时检测匹配,使得匹配时考虑更为全面,得到的匹配结果更为准确。
在一个实施例中,计算各个非结构化子数据与各个案件的第二子相似度,对各个案件的第二子相似度进行加权求和,得到第二匹配度。
具体地,对于存在多个非结构化子数据时,计算各个非结构化子数据与各个案件的第二子相似度,对于各个案件对应的各个非结构化子数据的第二子相似度进行加权求和,得到第二匹配度。
步骤S205,将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
具体地,预设匹配度为预先设置的匹配度临界值,当大于或等于预设匹配度时,表示当前案件信息与匹配的案件较为相似。其中相似的案件的行为具有类似的犯案过程或犯案动机等等。通过预设匹配度对案件进行筛选,提高筛选准确度。
在一个实施例中,当当前案件信息与各个案件的匹配度均小于预设匹配度时,更新权重映射表。
具体地,当前案件信息与各个案件的匹配度小于预先设置的匹配度,表示当前案件信息与各个案件都不匹配,此时可以根据匹配结果适当的更新权重映射表。可以人为调整,也可以自动根据匹配结果进行调整。
上述案件检索方法,包括获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度,将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。本发明以案件为输入单位,通过提取当前案件的结构化数据和非结构化数据,根据两种不同类型的数据对案件进行匹配,最终根据两种类型数据的匹配度的加权值确定目标案件,简化检索流程和提高检索准确度。
请参阅图3,其为另一个实施例中案件检索方法的流程示意图。本发明实施例提供了一种案件检索方法,包括:
将每个案件中的案件信息分为结构化数据及非结构化数据。如结构化数据包含涉案人员姓名、身份证号码、作案时间、作案地点等信息,非结构化数据包含用户上传的附件信息、作案过程记录等信息,其中用户上传的附件可以包含文档信息、图片信息等。
步骤S301,获取用户输入的案件号码,获取输入案件的案件信息,案件号码唯一对应案件信息。
步骤S302,提取输入案件的结构化数据,识别结构化数据中的可拓展信息,将可拓展信息导入拓展数据库,得到相关结构化数据。
具体地,如可拓展信息为人物特征信息,如涉案人员的身份证号码,将人物特征信息导入人物关系数据库,得到与人物特征信息相关的相关人物特征信息,相关人物特征信息即相关结构化数据。将人物特征信息导入人物信息数据库中,得到与人物特征信息直接相关的其他相关信息,如与涉案人员的身份证号码关联的银行账号、车牌号码、电话号码、QQ号码、微信号等相关结构化数据。其中,输入案件的结构化数据的权重大于相关结构化数据的权重。
将基于涉案人员的检索拓展到对与涉案人员相关的人员的检索,是考虑到以目前的群发案件分析,大量的群发案件以人员关系集中式分布,关系亲近的亲友在群发案件中占据着重要的角色,传统的案件检索功能仅能根据涉案的当事人检索,检索结果难以覆盖人员关系集中式的群发案件,容易造成案件数据的遗漏。
将基于涉案人员的姓名、身份号码等信息的检索拓展到对涉案人员相关的账号的检索,是考虑到现时多种常用服务实名制的制度下,涉案人员身份证号码相关的服务将会是串并联案件侦查中的关键检索对象。串联案件,即把发生在不同时间的具有相同特征的案件进行串联分析;并案侦查,即将发生在不同区域的具有相似特征的案件合并侦查。
步骤S303,基于输入案件的结构化数据及相关结构化数据,对案件数据库中的案件进行精确匹配,得到其他案件与输入案件中的结构化数据的匹配值。某案件与输入案件的结构化数据的匹配值计算方法为如公式(1)所示:
δstri为输入案件的第i项结构化数据或相关结构化数据的权重,Pstri为某案件与输入案件的第i项结构化数据或相关结构化数据的相似度;N为结构化数据的类别数及相关结构化数据的类别数的总和。
步骤S304,提取输入案件的非结构化数据,识别非结构化数据中的文字信息和/或及图片信息。
步骤S305,计算非结构化数据的匹配值。识别图片信息的内容,若图片信息包含图案数据,如涉案物品的拍摄照片,将该图案数据导入到预设的图形识别数据库,提取图案数据中的图案特征信息,若图片信息包含文字数据,如涉案的交易单据照片时,则通过光学字符识别算法识别出图片信息中的文字数据,整合到非结构化数据中的文字信息中;将文字信息及图案特征信息分别输入到案件数据库中进行模糊匹配,将文字信息的匹配值及图案特征信息的匹配值相加得到其他案件与输入案件中非结构化数据的匹配值;非结构化数据的匹配值计算方法与结构化数据匹配值计算方法类似。
步骤S306,将结构化数据的匹配值与非结构化数据的匹配值相加,得到其他案件与输入案件的匹配结果。
其中,关于权重设置,系统预设了各项数据的权重,用户在默认情况下直接套用该权重设置来计算匹配值,用户也可以根据实际需要灵活设置各项数据的权重,使检索结果更合乎用户实际需要。比如用户想搜索出来的案件与输入案件的涉案物品相似的案件,则可以将涉案物品的拍摄照片的权重值增大,以输出与涉案物品更为相似的案件。
将整个案件作为输入,输出相关的案件;输入案件的各检索项对应各自的权重,根据权重与相似度的乘积,得到其他案件与输入案件的匹配值。
由于案件的案情信息包括结构化数据及非结构化数据,因而具有较强的兼容性和扩展性,可以支持多种案件类型。对案件中的结构化数据进行拓展,系统地扩大检索范围,有助于检索到更多与案件相关联的案件。对于案件中各检索项的权重分配可以做到灵活调配,生成不同的相似度匹配结果,检索结果能满足操作者的需求。用户可以通过调整各检索项的权重以调整检索策略。
图2或3为一个实施例中案件检索方法的流程示意图。应该理解的是,虽然图2或3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2或3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种案件检索装置200,包括:
数据提取模块201,用于获取当前案件信息,从当前案件信息中提取结构化数据和非结构化数据。
第一匹配度计算模块202,用于通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度。
第二匹配度计算模块203,用于通过模糊匹配计算非结构化数据与各个案件的第二匹配度。
案件匹配度计算模块204,用于获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件与各个案件的匹配度。
目标案件确定模块205,用于将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
在一个实施例中,数据提取模块201具体用于接收用户输入的案件标识,根据案件标识获取当前案件信息,案件标识唯一对应案件信息。
在一个实施例中,数据提取模块201包括:
原始结构化数据提取单元,用于从当前案件信息中提取原始结构化数据;
相关结构化数据提取单元,用于将原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据。
在一个实施例中,相关结构化数据提取单元具体用于将原始结构化数据中的身份信息输入到信息拓展数据库中,获取与身份信息相关的相关结构化数据,其中相关结构化数据至少包括人物关系数据、证件信息和账号信息中的一种。
在一个实施例中,第一匹配度计算模块202包括:
第一子匹配度计算单元,用于计算各个子原始结构化数据与各个案件的第一子匹配度;
第二子匹配度计算单元,用于计算各个相关子结构化数据与各个案件的第二子匹配度;
加权求和单元,用于对第一子匹配度和第二子匹配度进行加权求和,得到当前案件信息与各个案件的第一匹配度。
其中结构数据包含多个子原始结构化数据,相关结构化数据包含多个相关子结构化数据。
在一个实施例中,上述案件检索装置,还包括:
权重更新模块,用于当当前案件信息与各个案件的匹配度均小于预设匹配度时,更新权重映射表。
在一个实施例中,上述案件检索装置,还包括:
图像类数据处理模块,用于当非结构化数据包含图像类数据时,通过光学字符识别算法识别出图像类的非结构数据的文字信息,或提取图像类的非结构数据的图像特征,以通过文字信息及图像特征实现模糊匹配。
图5示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图5所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现案件检索方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行案件检索方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5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的限定,具体的计算机设备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。
在一个实施例中,本申请提供的案件检索装置可以实现为一种计算机程序的形式,计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成该案件检索装置的各个程序模块,比如,图4所示的数据提取模块201、第一匹配度计算模块202、第二匹配度计算模块203、案件匹配度计算模块204和目标案件确定模块205。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的案件检索方法中的步骤。
例如,图5所示的计算机设备可以通过如图4所示的案件检索装置中的数据提取模块201执行获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据。计算机设备可通过第一匹配度计算模块202执行通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度。计算机设备可通过第一匹配度计算模块203执行通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度.计算机设备可通过案件匹配度计算模块204执行获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度。计算机设备可通过目标案件确定模块205执行将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度,将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
在一个实施例中,获取当前案件信息包括:接收用户输入的案件标识,根据案件标识获取所述当前案件信息,案件标识唯一对应案件信息。
在一个实施例中,结构化数据包括原始结构化数据和对应的相关结构化数据,根据当前案件信息中确定结构化数据,包括:从当前案件信息中提取原始结构化数据,将原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据。
在一个实施例中,相关结构化数据至少包括人物关系数据、证件信息和账号信息中的一种,将原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据,包括:将原始结构化数据中的身份信息输入到信息拓展数据库中,获取与身份信息相关的相关结构化数据。
在一个实施例中,结构数据包含多个子原始结构化数据,相关结构化数据包含多个相关子结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,包括:计算各个子原始结构化数据与各个案件的第一子匹配度,计算各个相关子结构化数据与各个案件的第二子匹配度,对第一子匹配度和第二子匹配度进行加权求和,得到当前案件信息与各个案件的第一匹配度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当当前案件信息与各个案件的匹配度均小于预设匹配度时,更新权重映射表。
在一个实施例中,非结构化数据包含多个非结构化子数据,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,包括:计算各个非结构化子数据与各个案件的第二子相似度,对各个案件的第二子相似度进行加权求和,得到第二匹配度。
在一个实施例中,非结构化子数据中包括图像类和文字类,图像类的权重大于文字类的权重。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当非结构化数据包含图像类数据时,通过光学字符识别算法识别出图像类的非结构数据的文字信息,或提取图像类的非结构数据的图像特征,以通过文字信息及图像特征实现模糊匹配。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取当前案件信息,根据当前案件信息中确定结构化数据和非结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,获取权重映射表,根据权重映射表对各个案件的第一匹配度和第二匹配度进行加权求和,得到当前案件信息与各个案件的匹配度,将匹配度大于或等于预设匹配度的各个案件,作为与当前案件信息相关联的目标案件。
在一个实施例中,获取当前案件信息包括:接收用户输入的案件标识,根据案件标识获取所述当前案件信息,案件标识唯一对应案件信息。
在一个实施例中,结构化数据包括原始结构化数据和对应的相关结构化数据,根据当前案件信息中确定结构化数据,包括:从当前案件信息中提取原始结构化数据,将原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据。
在一个实施例中,相关结构化数据至少包括人物关系数据、证件信息和账号信息中的一种,将原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据,包括:将原始结构化数据中的身份信息输入到信息拓展数据库中,获取与身份信息相关的相关结构化数据。
在一个实施例中,结构数据包含多个子原始结构化数据,相关结构化数据包含多个相关子结构化数据,通过精确匹配计算结构化数据与案件库中各个案件的第一匹配度,包括:计算各个子原始结构化数据与各个案件的第一子匹配度,计算各个相关子结构化数据与各个案件的第二子匹配度,对第一子匹配度和第二子匹配度进行加权求和,得到当前案件信息与各个案件的第一匹配度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当当前案件信息与各个案件的匹配度均小于预设匹配度时,更新权重映射表。
在一个实施例中,非结构化数据包含多个非结构化子数据,通过模糊匹配计算结构化数据与案件库中各个案件的第二匹配度,包括:计算各个非结构化子数据与各个案件的第二子相似度,对各个案件的第二子相似度进行加权求和,得到第二匹配度。
在一个实施例中,非结构化子数据中包括图像类和文字类,图像类的权重大于文字类的权重。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当非结构化数据包含图像类数据时,通过光学字符识别算法识别出图像类的非结构数据的文字信息,或提取图像类的非结构数据的图像特征,以通过文字信息及图像特征实现模糊匹配。
本领域普通技术人员可以理解实现上述实施例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,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种案件检索方法,其特征在于,所述方法包括:
获取当前案件信息,根据所述当前案件信息确定结构化数据和非结构化数据;
通过精确匹配计算所述结构化数据与案件库中各个案件的第一匹配度;
通过模糊匹配计算所述非结构化数据与各个所述案件的第二匹配度;
获取权重映射表,根据所述权重映射表对各个所述案件的第一匹配度和第二匹配度进行加权求和,得到所述当前案件与各个所述案件的匹配度;
将匹配度大于或等于预设匹配度的各个所述案件,作为与所述当前案件信息相关联的目标案件。
2.根据权利要求1所述的方法,其特征在于,所述获取当前案件信息包括:
接收用户输入的案件标识,根据所述案件标识获取所述当前案件信息,所述案件标识唯一对应案件信息。
3.根据权利要求1所述的方法,其特征在于,所述结构化数据包括原始结构化数据和对应的相关结构化数据,所述根据所述当前案件信息中确定结构化数据,包括:
从所述当前案件信息中提取所述原始结构化数据;
将所述原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据。
4.根据权利要求3所述的方法,其特征在于,所述相关结构化数据至少包括人物关系数据、证件信息和账号信息中的一种,所述将所述原始结构化数据输入到信息拓展数据库中,获取对应的相关结构化数据,包括:
将所述原始结构化数据中的身份信息输入到信息拓展数据库中,获取与所述身份信息相关的相关结构化数据。
5.根据权利要求3或4所述的方法,其特征在于,所述结构数据包含多个子原始结构化数据,所述相关结构化数据包含多个相关子结构化数据,所述通过精确匹配计算所述结构化数据与案件库中各个案件的第一匹配度,包括:
计算各个所述子原始结构化数据与各个所述案件的第一子匹配度;
计算各个所述相关子结构化数据与各个所述案件的第二子匹配度;
对所述第一子匹配度和所述第二子匹配度进行加权求和,得到当前案件信息与各个所述案件的第一匹配度。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述当前案件与各个所述案件的匹配度均小于所述预设匹配度时,更新所述权重映射表。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述非结构化数据包含图像类数据时,通过光学字符识别算法识别出所述图像类的非结构数据的文字信息,或提取所述图像类的非结构数据的图像特征,以通过所述文字信息及所述图像特征实现模糊匹配。
8.一种案件检索装置,其特征在于,所述装置包括:
数据提取模块,用于获取当前案件信息,从所述当前案件信息中提取结构化数据和非结构化数据;
第一匹配度计算模块,用于通过精确匹配计算所述结构化数据与案件库中各个案件的第一匹配度;
第二匹配度计算模块,用于通过模糊匹配计算所述非结构化数据与各个所述案件的第二匹配度;
案件匹配度计算模块,用于获取权重映射表,根据所述权重映射表对各个所述案件的第一匹配度和第二匹配度进行加权求和,得到所述当前案件与各个所述案件的匹配度;
目标案件确定模块,用于将匹配度大于或等于预设匹配度的各个所述案件,作为与所述当前案件信息相关联的目标案件。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910464301.2A CN112015762A (zh) | 2019-05-30 | 2019-05-30 | 案件检索方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910464301.2A CN112015762A (zh) | 2019-05-30 | 2019-05-30 | 案件检索方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112015762A true CN112015762A (zh) | 2020-12-01 |
Family
ID=73501232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910464301.2A Pending CN112015762A (zh) | 2019-05-30 | 2019-05-30 | 案件检索方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015762A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114579871A (zh) * | 2022-05-06 | 2022-06-03 | 南京因由数字科技有限公司 | 基于专利信息的推荐方法、装置、电子设备及存储介质 |
CN115170045A (zh) * | 2022-02-16 | 2022-10-11 | 江苏省联合征信有限公司 | 一种惠企政策智能分析系统与方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870507A (zh) * | 2012-12-17 | 2014-06-18 | 阿里巴巴集团控股有限公司 | 一种基于类目的搜索方法和装置 |
CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
CN109284353A (zh) * | 2018-09-10 | 2019-01-29 | 平安科技(深圳)有限公司 | 医案检索方法、装置、计算机设备和存储介质 |
CN109446302A (zh) * | 2018-09-25 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 基于机器学习的问答数据处理方法、装置和计算机设备 |
-
2019
- 2019-05-30 CN CN201910464301.2A patent/CN112015762A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870507A (zh) * | 2012-12-17 | 2014-06-18 | 阿里巴巴集团控股有限公司 | 一种基于类目的搜索方法和装置 |
CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
CN109284353A (zh) * | 2018-09-10 | 2019-01-29 | 平安科技(深圳)有限公司 | 医案检索方法、装置、计算机设备和存储介质 |
CN109446302A (zh) * | 2018-09-25 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 基于机器学习的问答数据处理方法、装置和计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170045A (zh) * | 2022-02-16 | 2022-10-11 | 江苏省联合征信有限公司 | 一种惠企政策智能分析系统与方法 |
CN115170045B (zh) * | 2022-02-16 | 2024-02-27 | 江苏省联合征信有限公司 | 一种惠企政策智能分析系统与方法 |
CN114579871A (zh) * | 2022-05-06 | 2022-06-03 | 南京因由数字科技有限公司 | 基于专利信息的推荐方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6986527B2 (ja) | ビデオを処理する方法及び装置 | |
CN108595695B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
WO2020077896A1 (zh) | 提问数据生成方法、装置、计算机设备和存储介质 | |
WO2020057022A1 (zh) | 关联推荐方法、装置、计算机设备和存储介质 | |
CN112561684B (zh) | 金融欺诈风险识别方法、装置、计算机设备及存储介质 | |
CN110929125B (zh) | 搜索召回方法、装置、设备及其存储介质 | |
CN110659298B (zh) | 财务数据处理方法、装置、计算机设备和存储介质 | |
CN109636582B (zh) | 信贷信息管理方法、装置、设备和存储介质 | |
CN112507116A (zh) | 基于客户应答语料的客户画像方法及其相关设备 | |
CN112101437A (zh) | 基于图像检测的细粒度分类模型处理方法、及其相关设备 | |
CN110502694B (zh) | 基于大数据分析的律师推荐方法及相关设备 | |
CN111192153B (zh) | 人群关系网络构建方法、装置、计算机设备和存储介质 | |
CN117114514B (zh) | 一种基于大数据的人才信息分析管理方法、系统及装置 | |
CN114399396A (zh) | 保险产品推荐方法、装置、计算机设备及存储介质 | |
CN112015762A (zh) | 案件检索方法、装置、计算机设备和存储介质 | |
CN109086386B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN113568934B (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
CN113420203A (zh) | 对象推荐方法、装置、电子设备及存储介质 | |
CN110162535B (zh) | 用于执行个性化的搜索方法、装置、设备以及存储介质 | |
CN110688516A (zh) | 图像检索方法、装置、计算机设备和存储介质 | |
CN115618415A (zh) | 敏感数据识别方法、装置、电子设备和存储介质 | |
CN115269765A (zh) | 账号识别方法、装置、电子设备和存储介质 | |
CN114820061A (zh) | 用户名单的推送方法、装置、计算机设备及存储介质 | |
CN111597453B (zh) | 用户画像方法、装置、计算机设备及计算机可读存储介质 | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 510000 no.2-8, North Street, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant after: Guangzhou huiruisitong Technology Co.,Ltd. Address before: 510000 no.2-8, North Street, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU HUIRUI SITONG INFORMATION TECHNOLOGY Co.,Ltd. |