CN112540753A - 一种案件特征解析方法 - Google Patents
一种案件特征解析方法 Download PDFInfo
- Publication number
- CN112540753A CN112540753A CN202011538455.0A CN202011538455A CN112540753A CN 112540753 A CN112540753 A CN 112540753A CN 202011538455 A CN202011538455 A CN 202011538455A CN 112540753 A CN112540753 A CN 112540753A
- Authority
- CN
- China
- Prior art keywords
- case
- analysis method
- business
- characteristic analysis
- events
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 56
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 3
- 230000006854 communication Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013173 literature analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
- G06F8/313—Logic programming, e.g. PROLOG programming language
-
- 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/42—Syntactic analysis
- G06F8/427—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q10/0633—Workflow 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—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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Molecular Biology (AREA)
- General Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Technology Law (AREA)
Abstract
本申请属于数据处理技术领域,特别是涉及一种案件特征解析方法。由于文本较多而且文本中的信息复杂,使得业务复杂而难以实现案件特征从文本中进行提取。本申请提供了一种案件特征解析方法,所述方法包括如下步骤:步骤1:提取文本中案件特征,获取所述案件特征的业务规则;步骤2:将所述业务规则通过可视化界面进行表述;步骤3:对所述业务规则进行步骤拆解,对每个步骤的动作进行解析,匹配相应的计算方法后,按照预设顺序有序执行计算。解决业务人员和技术人员一对一的交流过程,将技术人员完全释放出来了。
Description
技术领域
本申请属于数据处理技术领域,特别是涉及一种案件特征解析方法。
背景技术
文本,是指书面语言的表现形式,从文学角度说,通常是具有完整、系统含义(Message)的一个句子或多个句子的组合。一个文本可以是一个句子(Sentence)、一个段落(Paragraph)或者一个篇章(Discourse)。广义"文本":任何由书写所固定下来的任何话语。(利科尔)狭义"文本":由语言文字组成的文学实体,代指"作品",相对于作者、世界构成一个独立、自足的系统。
现有技术需要专业司法人员和技术开发人员共同讨论交流,技术开发人员必须充分理解司法业务逻辑的情况下才能执行下一步的软件编码实现,这样的缺点导致在人员交流过程中需要投入大量的人力资源,并且在司法领域中,案件特征的信息种类繁多,而且每一种信息业务规则,文本表示的方式多种多样,从而进一步增加人力成本。
发明内容
1.要解决的技术问题
由于现有技术采用具有专业司法知识背景的人员进行人工总业务规则,或者人工数据标注,再指导技术研发人员业务逻辑体现,技术人员依据业务逻辑进行软件实现。由于文本较多而且文本中的信息复杂,使得业务复杂而难以实现案件特征从文本中进行提取的问题,本申请提供了一种案件特征解析方法。
2.技术方案
为了达到上述的目的,本申请提供了一种案件特征解析方法,所述方法包括如下步骤:步骤1:提取文本中案件特征,获取所述案件特征的业务规则;步骤2:将所述业务规则通过可视化界面进行表述;步骤3:对所述业务规则进行步骤拆解,对每个步骤的动作进行解析,匹配相应的计算方法后,按照预设顺序有序执行计算。
本申请提供的另一种实施方式为:所述步骤1中案件特征包括案由/罪名、当事人姓名、当事人诉讼地位、审理法院、公司机关和地域。
本申请提供的另一种实施方式为:所述步骤2中采用图形化表示法将所述业务规则通过可视化界面进行表述。
本申请提供的另一种实施方式为:所述图形化为业务流程模型和标记法图形化。
本申请提供的另一种实施方式为:所述步骤3中基于有向图的拓扑排序实现业务流程模型和标记法工作流解析,将业务流程模型和标记法流程图中的每一个组件作为有向图的顶点进行初始化,通过拓扑排序算法进行排序,保证每个顶点的输入顶点优先执行,并通过解析逻辑表达式进行流程的分支判断,决定流程走向,从而完成对流程图的解析。
本申请提供的另一种实施方式为:所述可视化界面支持建流程顺序,逻辑判断和事件定义。
本申请提供的另一种实施方式为:所述流程顺序为所有元件按照一定的指向性顺序,按步执行,形成先后顺序;所述逻辑判断:通过判断性条件决定某个或某系列元件是否参与执行计算操作,所述事件定义为业务规则的核心内容是由各种各样的事件组合而成。
本申请提供的另一种实施方式为:所述事件包括分支事件、运算事件和合并事件,所述分支事件是将解析业务流程拆分成多个分支;所述运算事件为具体的执行算法,包含各种各样的计算规则;所述合并事件为将多个分支流程都运算结束后进行合并流程。
本申请提供的另一种实施方式为:所述运算事件包括字符截取、拼接和数值运算。本申请提供的另一种实施方式为:所述解析包括对字符串、数值类型、日期类型和自定结构体类型进行解析。
3.有益效果
与现有技术相比,本申请提供的一种案件特征解析方法的有益效果在于:
本申请提供的案件特征解析方法,利用图形化表示法,将文本中提取案件特征的业务规则通过可视化界面进行表述,再利用流程引擎技术,将业务规则转换成计算机计算过程,从而达到案件特征提取的目的。
本申请提供的案件特征解析方法,解决因业务复杂而难以实现案件特征从司法文本中提取的难题。
本申请提供的案件特征解析方法,主要针对司法文本进行案件特征解析。
本申请提供的案件特征解析方法,采用一种技术工具的办法,将各种提取过程进行流程拆解,对相同细节的业务逻辑过程提炼成共性方法,将共性方法封装成组件,对外提供技术参数处理不同的样本数据,通过对组件的逻辑组装,从而实现复杂业务逻辑解析操作。这个工具解决业务人员和技术人员一对一的交流过程,将技术人员完全释放出来了。
附图说明
图1是本申请的案件特征解析方法框架示意图。
具体实施方式
在下文中,将参考附图对本申请的具体实施例进行详细地描述,依照这些详细的描述,所属领域技术人员能够清楚地理解本申请,并能够实施本申请。在不违背本申请原理的情况下,各个不同的实施例中的特征可以进行组合以获得新的实施方式,或者替代某些实施例中的某些特征,获得其它优选的实施方式。
参见图1,本申请提供一种案件特征解析方法,所述方法包括如下步骤:步骤1:提取文本中案件特征,获取所述案件特征的业务规则。步骤2:将所述业务规则通过可视化界面进行表述。步骤3:对所述业务规则进行步骤拆解,对每个步骤的动作进行解析,匹配相应的计算方法后,按照预设顺序有序执行计算(流程引擎)。
依据BPMN中表述的顺序流程,实现一套解析流程引擎算法,对流程解析,并且按照顺序执行,对流程中每一个事件,转化成对应的运算方法;
进一步地,所述步骤1中案件特征包括案由/罪名、当事人姓名、当事人诉讼地位、审理法院、公司机关和地域。
进一步地,所述步骤2中采用图形化表示法将所述业务规则通过可视化界面进行表述。
进一步地,所述图形化为业务流程模型和标记法图形化。
BPMN定义了一个业务流程图(Business Process Diagram),该业务流程图基于一个流程图(flowcharting),该流程图被设计用于创建业务流程操作的图形化模型。而一个业务流程模型(Business Process Model),指一个由图形对象(graphical objects)组成的网状图,图形对象包括活动(activities)和用于定义这些活动执行顺序的流程控制器(flow controls)。BPMN就是业务流程模型和标记法(Business Process Model andNotation),是一套图形化表示法,用于以业务流程模型详细说明各种业务流程,包括这些图元如何组合成一个业务流程图(Business Process Diagram),讨论BPMN的各种的用途,包括以何种精度来影响一个流程图中的模型;BPMN作为一个标准的价值,以及BPMN未来发展的远景。
BPMN图形化表示案件特征提取的业务规则
设计一套图形可视化界面,支持构建流程顺序,逻辑判断,事件定义等一系列基础元件,利用这些基础元件,支撑图形可视化编辑具体的业务规则。
进一步地,所述步骤3中基于有向图的拓扑排序实现业务流程模型和标记法工作流解析,将业务流程模型和标记法流程图中的每一个组件作为有向图的顶点进行初始化,通过拓扑排序算法进行排序,保证每个顶点的输入顶点优先执行,并通过解析逻辑表达式进行流程的分支判断,决定流程走向,从而完成对流程图的解析。
进一步地,所述可视化界面支持建流程顺序,逻辑判断和事件定义。
进一步地,所述流程顺序为所有元件按照一定的指向性顺序,按步执行,形成先后顺序;所述逻辑判断:通过判断性条件决定某个或某系列元件是否参与执行计算操作,所述事件定义为业务规则的核心内容是由各种各样的事件组合而成。
流程顺序具体的执行依据BPMN图中有方向的连接线指定的顺序依次执行,如果有;并行表示的连接线,则以线头备注第一个数值字符表示优先级,数值越小越先执行。
逻辑判断:通过判断性条件,BPMN图中菱形图表表示的是有选择性的操作流程,每一个选择执行有向线路上标注具体的可执行条件,也就是一个逻辑运算表达式,通过带入当前文书信息计算表达式结果是与否,决定某个或某系列元件是否参与执行计算操作。
进一步地,所述事件包括分支事件、运算事件和合并事件,所述分支事件是将解析业务流程拆分成多个分支;所述运算事件为具体的执行算法,包含各种各样的计算规则;所述合并事件为将多个分支流程都运算结束后进行合并流程。
进一步地,所述运算事件包括字符截取、拼接和数值运算。
进一步地,所述解析包括对字符串、数值类型、日期类型和自定结构体类型进行解析。如:对字符串截取、查找、拼接;又如:对数值类型求最大值、最小值、加减乘除运算等;再如:对日期数值做格式转换等等;
实施例
采用本申请中的方法建立司法文本解析平台,包括:
语料标注管理:建设一套管理工具,对标注人员、原始数据、标注任务、标注结果、结果测评、语料导出等进行人工标注数据全流程管理,将人工经验转化成机器可以识别的数据,同时保障数据质量的正确性。
机器学习能力:主要是通过训练数据模型的方式,辅助NLP技术提升解析精准度。其算法多种多样,常用的有CRF(条件随机场)、HMM(隐马尔科夫模型)、朴素贝叶斯分类器、决策树、SVM(支持向量机)、RNN(循环神经网络)等。
语言技术服务:机器学习和语料库产出的人工经验,也就是数据模型,通过这个模型为文本提供自然语言处理技术服务,包括:中文自动分词、词性识别、命名实体识别三种能力输出。
司法文书解析管理:利用一套工具对文本信息提取进行管理,对解析规则、解析维度、维度间的关系、文书种类、文书与维度的关系等内容形成严谨的逻辑结构。
司法文书解析服务:将非结构化的司法文本文书转化成结构化数据,为各种智能化应用系统提供基础能力,这种能力主要将各种司法文书中的各种关键业务信息进行提取的过程。为上层应用系统提供非结构化文本转化成结构化数据的能力。司法领域的软件应用系统往往需要处理各种司法文书,从司法文书中提炼有价值的案件信息,用于大数据分析进行数据挖掘,从文本中提炼出案件信息就变成不可或缺的一步了,本申请的方法就是解决这样的难题,并且极大的减少了人力成本的投入。
采用本申请中的方法建立a)检务服务大数据平台
检察大数据应用平台是够为检务决策提供智能支持的数据整合、展示、检索、分析系统
b)民事行政检察智能辅助系统
民事行政智能辅助系统服务人民检察院民事、行政检察监督业务,涵盖对生效判决、裁定、调解书的监督业务,对审判程序中审判人员违法行为的监督业务,对执行活动的监督业务,辅助检察官高质高效完成案件的办理。系统利用大数据技术、人工智能、司法文书解析等技术,辅助检察官依职权从海量裁判文书中发现监督线索,辅助检察官阅览电子卷宗审查案件,辅助检察官撰写大量办案文书。
尽管在上文中参考特定的实施例对本申请进行了描述,但是所属领域技术人员应当理解,在本申请公开的原理和范围内,可以针对本申请公开的配置和细节做出许多修改。本申请的保护范围由所附的权利要求来确定,并且权利要求意在涵盖权利要求中技术特征的等同物文字意义或范围所包含的全部修改。
Claims (10)
1.一种案件特征解析方法,其特征在于:所述方法包括如下步骤:
步骤1:提取文本中案件特征,获取所述案件特征的业务规则;
步骤2:将所述业务规则通过可视化界面进行表述;
步骤3:对所述业务规则进行步骤拆解,对每个步骤的动作进行解析,匹配相应的计算方法后,按照预设顺序有序执行计算。
2.如权利要求1所述的案件特征解析方法,其特征在于:所述步骤1中案件特征包括案由/罪名、当事人姓名、当事人诉讼地位、审理法院、公司机关和地域。
3.如权利要求1所述的案件特征解析方法,其特征在于:所述步骤2中采用图形化表示法将所述业务规则通过可视化界面进行表述。
4.如权利要求3所述所述的案件特征解析方法,其特征在于:所述图形化为业务流程模型和标记法图形化。
5.如权利要求4所述的案件特征解析方法,其特征在于:所述步骤3中基于有向图的拓扑排序实现业务流程模型和标记法工作流解析,将业务流程模型和标记法流程图中的每一个组件作为有向图的顶点进行初始化,通过拓扑排序算法进行排序,保证每个顶点的输入顶点优先执行,并通过解析逻辑表达式进行流程的分支判断,决定流程走向,从而完成对流程图的解析。
6.如权利要求1所述的案件特征解析方法,其特征在于:所述可视化界面支持建流程顺序,逻辑判断和事件定义。
7.如权利要求6所述的案件特征解析方法,其特征在于:所述流程顺序为所有元件按照一定的指向性顺序,按步执行,形成先后顺序;所述逻辑判断:通过判断性条件决定某个或某系列元件是否参与执行计算操作,所述事件定义为业务规则的核心内容是由各种各样的事件组合而成。
8.如权利要求7所述的案件特征解析方法,其特征在于:所述事件包括分支事件、运算事件和合并事件,所述分支事件是将解析业务流程拆分成多个分支;所述运算事件为具体的执行算法,包含各种各样的计算规则;所述合并事件为将多个分支流程都运算结束后进行合并流程。
9.如权利要求8所述的案件特征解析方法,其特征在于:所述运算事件包括字符截取、拼接和数值运算。
10.如权利要求1~9中任一项所述的案件特征解析方法,其特征在于:所述解析包括对字符串、数值类型、日期类型和自定结构体类型进行解析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011538455.0A CN112540753A (zh) | 2020-12-23 | 2020-12-23 | 一种案件特征解析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011538455.0A CN112540753A (zh) | 2020-12-23 | 2020-12-23 | 一种案件特征解析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112540753A true CN112540753A (zh) | 2021-03-23 |
Family
ID=75017930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011538455.0A Pending CN112540753A (zh) | 2020-12-23 | 2020-12-23 | 一种案件特征解析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112540753A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033748A (zh) * | 2010-12-03 | 2011-04-27 | 中国科学院软件研究所 | 一种数据处理流程代码的生成方法 |
CN107315834A (zh) * | 2017-07-12 | 2017-11-03 | 广东奡风科技股份有限公司 | 一种基于广度优先搜索算法的etl作业流程分析方法 |
CN110334214A (zh) * | 2019-07-09 | 2019-10-15 | 四川省广安市人民检察院 | 一种自动识别案件中虚假诉讼的方法 |
CN110825362A (zh) * | 2019-11-04 | 2020-02-21 | 广东道一信息技术股份有限公司 | 低代码应用软件开发系统及方法 |
CN111209463A (zh) * | 2020-01-02 | 2020-05-29 | 北京天元创新科技有限公司 | 互联网数据采集方法及装置 |
CN111369208A (zh) * | 2019-12-30 | 2020-07-03 | 云南省昆明市人民检察院 | 刑罚变更执行检察智能辅助办案系统 |
CN111651977A (zh) * | 2020-05-26 | 2020-09-11 | 中南民族大学 | 一种语言独立的法律合约与智能合约一致性度量方法 |
CN111680125A (zh) * | 2020-06-05 | 2020-09-18 | 深圳市华云中盛科技股份有限公司 | 诉讼案件分析方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-23 CN CN202011538455.0A patent/CN112540753A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033748A (zh) * | 2010-12-03 | 2011-04-27 | 中国科学院软件研究所 | 一种数据处理流程代码的生成方法 |
CN107315834A (zh) * | 2017-07-12 | 2017-11-03 | 广东奡风科技股份有限公司 | 一种基于广度优先搜索算法的etl作业流程分析方法 |
CN110334214A (zh) * | 2019-07-09 | 2019-10-15 | 四川省广安市人民检察院 | 一种自动识别案件中虚假诉讼的方法 |
CN110825362A (zh) * | 2019-11-04 | 2020-02-21 | 广东道一信息技术股份有限公司 | 低代码应用软件开发系统及方法 |
CN111369208A (zh) * | 2019-12-30 | 2020-07-03 | 云南省昆明市人民检察院 | 刑罚变更执行检察智能辅助办案系统 |
CN111209463A (zh) * | 2020-01-02 | 2020-05-29 | 北京天元创新科技有限公司 | 互联网数据采集方法及装置 |
CN111651977A (zh) * | 2020-05-26 | 2020-09-11 | 中南民族大学 | 一种语言独立的法律合约与智能合约一致性度量方法 |
CN111680125A (zh) * | 2020-06-05 | 2020-09-18 | 深圳市华云中盛科技股份有限公司 | 诉讼案件分析方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
宋巍 等: "过程感知信息系统中过程的动态演化", 软件学报, no. 03, pages 417 - 436 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825882B (zh) | 一种基于知识图谱的信息系统管理方法 | |
CN109726293B (zh) | 一种因果事件图谱构建方法、系统、装置及存储介质 | |
CN107766371A (zh) | 一种文本信息分类方法及其装置 | |
CN111858935A (zh) | 一种航班点评的细粒度情感分类系统 | |
CN117033571A (zh) | 知识问答系统构建方法及系统 | |
Ott et al. | GinJinn: An object‐detection pipeline for automated feature extraction from herbarium specimens | |
CN113138920B (zh) | 基于知识图谱与语义角色标注的软件缺陷报告分派方法及装置 | |
JP2018025874A (ja) | テキスト解析装置及びプログラム | |
CN111985236A (zh) | 基于多维联动的可视化分析方法 | |
CN114238655A (zh) | 企业关联关系识别方法、装置、设备及介质 | |
Wu et al. | BERT for sentiment classification in software engineering | |
CN109800420A (zh) | 一种可研评审报告自动生成方法及存储介质 | |
CN115983571A (zh) | 一种基于人工智能的建筑业施工方案审核方法及其系统 | |
Kucher et al. | Visual Analysis of Text Annotations for Stance Classification with ALVA. | |
Radygin et al. | Application of text mining technologies in Russian language for solving the problems of primary financial monitoring | |
CN113918710A (zh) | 文本数据处理方法、装置、电子设备和可读存储介质 | |
CA3166556A1 (en) | Method and device for generating target advertorial based on deep learning | |
CN112540753A (zh) | 一种案件特征解析方法 | |
CN113051869B (zh) | 一种结合语义识别实现标识文本差异内容的方法及系统 | |
CN113868381B (zh) | 一种煤矿瓦斯爆炸事故信息抽取方法及系统 | |
Umar | Automated requirements engineering framework for agile development | |
Li et al. | NFRNet: a deep neural network for automatic classification of non-functional requirements | |
CN114239576A (zh) | 基于主题模型和卷积神经网络的issue标签分类方法 | |
CN114647734A (zh) | 舆情文本的事件图谱生成方法、装置、电子设备和介质 | |
Indahyanti et al. | Auto-generating business process model from heterogeneous documents: A comprehensive literature survey |
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 |