CN113761230B - 一种测算全国各地文书公开率的方法 - Google Patents

一种测算全国各地文书公开率的方法 Download PDF

Info

Publication number
CN113761230B
CN113761230B CN202111052421.5A CN202111052421A CN113761230B CN 113761230 B CN113761230 B CN 113761230B CN 202111052421 A CN202111052421 A CN 202111052421A CN 113761230 B CN113761230 B CN 113761230B
Authority
CN
China
Prior art keywords
case
county
province
district
city
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.)
Active
Application number
CN202111052421.5A
Other languages
English (en)
Other versions
CN113761230A (zh
Inventor
张雨侠
刘庄
汪天翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Research Institute of Big Data SRIBD
Original Assignee
Shenzhen Research Institute of Big Data SRIBD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Research Institute of Big Data SRIBD filed Critical Shenzhen Research Institute of Big Data SRIBD
Priority to CN202111052421.5A priority Critical patent/CN113761230B/zh
Publication of CN113761230A publication Critical patent/CN113761230A/zh
Application granted granted Critical
Publication of CN113761230B publication Critical patent/CN113761230B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/313—Selection or weighting of terms for indexing
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Library & Information Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明一种测算全国各地文书公开率的方法，使用了利用文书的最大案号的无偏估计算法，通过使用有限残缺的样本，对于整体样本进行有效的估计，再通过区域位置的定位，最终得到全国各地的司法透明度。本发明提供了一种较为有效、准确的司法透明度测算方法。

Description

一种测算全国各地文书公开率的方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种测算全国各地文书公开率的方法。
背景技术
无偏估计(unbiased estimate)是用样本统计量来估计总体参数时的一种无偏推断。估计量的数学期望等于被估计参数的真实值，则称此估计量为被估计参数的无偏估计，即具有无偏性，是一种用于评价估计量优良性的准则。无偏估计的意义是：在多次重复下，它们的平均数接近所估计的参数真值。
在强调司法公开和司法透明的大背景下，使用一种客观公正的办法来对于全国各地的司法透明水平评价成为了最高法管理和学术研究共同密切关注的问题，但当前还缺少有效的测算方法。
发明内容
针对现有技术的不足，本发明旨在提供一种测算全国各地文书公开率的方法，结合了文书号和数学估计算法，测算出各地的司法文书公开率，从而获得各地的司法透明情况。
为了实现上述目的，本发明采用如下技术方案：
一种测算全国各地文书公开率的方法，具体过程为：
S1、获得原始文书集；
通过各地司法机构公开和与各地司法机构合作的方式获取到原始文书数据集；
S2、对步骤S1获得的原始文书数据集进行案号数据挖掘：
从各文书的内容中获取到对应的案号，从案号中获取相应的收案年度、法院代字、案件类型代字、案件编号；
从各文书的内容获取到相应的法院名称，进而获得该法院所属的省、市、区/县，从而得到该文书所属的省、市、区/县，然后根据各文书所属的省、市、区/县，得出各省、市、区/县下各个年度、各案件类型的案件编号列表，并对各个案件编号列表的案件编号进行去重，此时各个案件编号列表中的案件编号个数n为该省、市、区/县下该年度的该案件类型的公开案件总数量；
S3、测算全国各省、市、区/县下各年度的各案件类型的案件总量：
设对于某个法院、某年度、某案件类型的最大案件编号为Call，公开的文书的案件编号的递增序列为{ki},i＝1,...,n，则Call的无偏估计为：
根据各省、市、区/县下各年度的各案件类型的案件编号列表，通过无偏估计算法，预估得到各省、市、区/县下各年度的各案件类型的案件总量；
S4、计算目标区域的透明度指数：先计算该目标区域的公开案件数量，然后计算该目标区域下的公开案件数量和预估案件总量的比值，即为透明度指数；
公开案件数量Cdisclosed的计算公式如下：
其中：
当计算的是目标区域在某个时间区间内的综合透明度指数时，公开文书总数量是该省、市、区/县在该时间区间内所有公开的文书的总量，已知案号的公开文书总数量是该省、市、区/县在该时间区间内可以挖掘到案号数据的公开的文书总数量，公开案件总数量是该省、市、区/县在该时间区间内所有案件类型的公开案件总数量的总和；当计算的是省、市、区/县在某个时间区间内某个案件类型的透明度指数时，公开文书总数量是该省、市、区/县在该时间区间内该案件类型公开的文书的总量，已知案号的公开文书总数量是该省、市、区/县在该时间区间内该案件类型下可以挖掘到案号数据的公开的文书总数量，公开案件总数量是该省、市、区/县在该时间区间内该案件类型的公开案件总数量。
进一步地，步骤S2中，利用清理算法对案件类型代字进行规整化，具体过程为：先通过特征提取或者正则提取的方式将案件类型代字找到，判断案件类型代字中是否含有设定的案件类型的表述，如果有，则统一将该案件类型代字规整为仅含对应的设定的案件类型的表述。
进一步地，步骤S2中，通过错误去重算法对法院代字进行规整，保证一个省、市、区/县下只对应唯一一个法院代字，具体过程为：如果一个省、市、区/县下有多个法院代字的时候，通过数据库自动统计的方式，采用使用频次最多的法院代字作为唯一的法院代字，并将其他法院代字规整为该唯一的法院代字。
进一步地，步骤S3中，将初步预估得到的案件数量，反向评估相应的案件编号递增序列的数据项的合理性，如果有不合理项就挑出不合理的数据，再重新进行无偏估计算法，预估得到最终的各省、市、区/县下各年度的各案件类型的案件总量。
进一步地，步骤S4中，目标区域的透明度的计算公式如下：
即为目标区域下的预估案件总量。
本发明提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。
本发明提供一种电子设备，包括处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序时，实现上述方法。
本发明的有益效果在于：本发明使用了利用文书的最大案号的无偏估计算法，通过使用有限残缺的样本，对于整体样本进行有效的估计，再通过区域位置的定位，最终得到全国各地的司法透明度。本发明提供了一种较为有效、准确的司法透明度测算方法。
附图说明
图1为本发明实施例中方法的整体流程示意图；
图2为本发明实施例中步骤S2的具体流程示意图；
图3为本发明实施例中步骤S3的具体流程示意图.
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
本实施例提供一种测算全国各地文书公开率的方法，如图1所示，具体过程为：
S1、获得原始文书集；
通过各地司法机构公开和与各地司法机构合作的方式获取到原始文书数据集，本实施例中只涉及民事、刑事、行政三种类型的一审案件和二审案件的文书。
S2、对步骤S1获得的原始文书数据集进行案号数据挖掘；如图2所示，具体过程为：
从各文书的内容中获取到对应的案号，案号一般由收案年度、法院代字、案件类型代字、案件编号构成，从而形成案件的唯一标识；从案号中获取相应的收案年度、法院代字、案件类型代字、案件编号。
从各文书的内容获取到相应的法院名称，进而获得该法院所属的省、市、区/县(可利用地图数据等方式获取法院的地理位置，从而获取其省、市、区/县)，从而得到该文书所属的省、市、区/县，然后根据各文书所属的省、市、区/县，得出各省、市、区/县下各个年度、各案件类型的案件编号列表，并对各个案件编号列表的案件编号进行去重，此时各个案件编号列表中的案件编号个数n为该省、市、区/县下该年度的该案件类型的公开案件总数量。
进一步地，由于案号是人为编写，所以会有很多错误，例如将“民初XX号”写为“民初字XX号”等，本实施例方法对案号的一些错误或者不规范的数据规整化。
其中，本实施例利用清理算法对案件类型代字进行规整化，具体过程为：先通过特征提取或者正则提取的方式将案件类型代字找到，判断案件类型代字中是否含有民初、民终、刑初、刑终、行初、行终中任一案件类型的表述，如果有，则统一将该案件类型代字规整为仅含对应的民初、民终、刑初、刑终、行初或行终的表述。例如，案号中案件类型代字为“民初字”，其中含有“民初”的表述，最终就会被规整为“民初”。
进一步地，由于文书可能出现很多人为的书写错误，如法院代字错误(例：“黑0122”写作“黑0112”)，这种情况会导致测算结果失真，本实施例中，还通过错误去重算法对法院代字进行规整，保证一个省、市、区/县下只对应唯一一个法院代字，具体过程为：如果一个省、市、区/县下有多个法院代字的时候，通过数据库自动统计的方式，采用使用频次最多的法院代字作为唯一的法院代字，并将其他法院代字规整为该唯一的法院代字(逻辑是正确的文书号肯定要比错误的多)。因为一个区/县下只有一个法院，因此本实施例直接统计一个省、市、区/县下所有法院代字的频次，统一出一个法院代字。
S3、测算全国各省、市、区/县下各年度的各案件类型的案件总量。如图3所示，具体过程为：
基于案件编号是从1开始的连续编号，设对于某个法院、某年度、某案件类型的最大案件编号为Call，公开的文书的案件编号的递增序列为{ki},i＝1,...,n，则Call的无偏估计为：
根据各省、市、区/县下各年度的各案件类型的案件编号列表，通过无偏估计算法，预估得到各省、市、区/县下各年度的各案件类型的案件总量。
进一步地，为了解决编号错误(如出现数字畸大的编号)的问题，本实施例再将预估得到的案件数量，反向评估相应的案件编号递增序列的数据项的合理性，如果有不合理项就挑出不合理的数据，再重新进行无偏估计算法，预估得到最终的各省、市、区/县下各年度的各案件类型的案件总量。
S4、计算目标区域的透明度指数：先计算该目标区域的公开案件数量，然后计算该目标区域下的公开案件数量和预估案件总量的比值，即为透明度指数。
公开案件数量Cdisclosed的计算公式如下：
其中：
公开文书总数量是指在公开的文书的总量；已知案号的公开文书总数量是指可以挖掘到案号数据的公开的文书总数量。
当计算的是目标区域在某个时间区间内(例如某一年)的综合透明度指数时，公开文书总数量是该省、市、区/县在该时间区间内所有公开的文书的总量，已知案号的公开文书总数量是该省、市、区/县在该时间区间内可以挖掘到案号数据的公开的文书总数量，公开案件总数量是该省、市、区/县在该时间区间内所有案件类型的公开案件总数量的总和；当计算的是省、市、区/县在某个时间区间内(例如某一年)某个案件类型的透明度指数时，公开文书总数量是该省、市、区/县在该时间区间内该案件类型公开的文书的总量，已知案号的公开文书总数量是该省、市、区/县在该时间区间内该案件类型下可以挖掘到案号数据的公开的文书总数量，公开案件总数量是该省、市、区/县在该时间区间内该案件类型的公开案件总数量。
以下进行更加详细的说明。
通过中国裁判文书网检索，可以获取某一法院、某年度、某案件类型的公开文书总数量，但无法直接获取公开的案件数量，需要用算法估计，即
所述已知案号的公开文书总数量为挖掘到案号数据的文书总数量，公开案件总数量是指案件编号经过去重后所得的最终个数，即n。通过上述算法，可以为每个法院、每年度、每个案件类型(民初、民终、刑初、刑终、行初、行终)都计算相应的案均公开文书数量。根据实验结果，平均每个案件的公开裁判文书数量约1～2篇。
需要说明的是，上述公式中公开文书总数量为中国裁判文书网中查询所得的文书总数量；而案均公开文书数量则是依据已经挖掘到案号的裁判文书数量计算的。所以，Cdisclosed事实上也是一个估算值。
进一步地，根据以上方法，可以估算每个法院的综合公开率，还可以分别估算民事案件、刑事案件、民事案件的公开率。
以民事案件为例，对应的案件类型代字为“民初”、“民终”(基层法院不涉及“民终”案件)。对于某一法院，其民事案件公开率计算公式如下：
其中：
Cdisclosed-Civil、Call-Civil分别为民事案件公开数量和民事案件总数量，上标1、2分别代表一审(民初)、二审(民终)数量。
类似地，还可以计算刑事案件、行政案件的公开率：
Cdisclosed-Crime、Call-Crime分别为刑事案件公开数量和刑事案件总数量，上标1、2分别代表一审、二审数量。Cdisclosed-Admin、Call-Admin分别为行政案件公开数量和行政案件总数量，上标1、2分别代表一审、二审数量。
还可以计算某一法院的综合公开率：
更进一步地，根据前文所界定的范围，通过对某地区所有法院进行加总计算，即可计算某地区的公开率。设某地区所辖法院有m个，记为i＝1,2,3,...,m，则：
其中，Cdisclosed-Civil-i为第i个法院民事案件公开数量；Call-Civil-i为第i个法院的民事案件总数量。
类似地，某地区的刑事案件、行政案件公开率：
其中，Cdisclosed-Crime-i为第i个法院刑事案件公开数量；Cdisclosed-crime-i为第i个法院的刑事案件总数量。Cdisclosed-Admin-i为第i个法院行政案件公开数量；Call-Admin-i为第i个法院的行政案件总数量。
最终计算某地区的综合公开率：
实施例2
本实施例提供一种实施例1所述方法的应用实例。
本实施例以黑龙江省哈尔滨市方正县为例进行估算。各层级行政区域只是覆盖的法院范围不同，计算方法并无太大差别。
方正县只涉及一个基层人民法院，所以县级公开率实际上就是方正县基层人民法院的公开率，且只涉及一审案件(民初、刑初、行初)。
(1)民事案件公开率
考察该法院2016年的民事一审案件公开率，通过中国裁判文书网查询，该法院2016年的民事案件公开文书总量为1472篇；其中，利用实施例1方法掌握到的已知案号编号的民事案件文书为1470篇，经编号去重后，得到不重复的编号数1369个，最小编号为3，最大编号为2308。通过无偏预估估算民事案件总量：
通过已掌握的案号编号，推算民事公开案件的案均公开文书数量：
估算民事案件的公开案件数量：
最终得出民事案件公开率：
(2)刑事案件、行政案件公开率
类似上述方法，计算该法院2016年的刑事案件、行政案件公开率。结果如表1所示。
表1
(3)综合公开率
将以上估算所得的案件总量、公开案件数量分别加总，可知2016年方正县案件总量约2501件，公开数量约1540件。
估算方正县2016年综合案件公开率：
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。

Claims (6)

1.一种测算全国各地文书公开率的方法，其特征在于，具体过程为：
S1、获得原始文书集；
通过各地司法机构公开和与各地司法机构合作的方式获取到原始文书数据集；
S2、对步骤S1获得的原始文书数据集进行案号数据挖掘：
从各文书的内容中获取到对应的案号，从案号中获取相应的收案年度、法院代字、案件类型代字、案件编号；
从各文书的内容获取到相应的法院名称，进而获得该法院所属的省、市、区/县，从而得到该文书所属的省、市、区/县，然后根据各文书所属的省、市、区/县，得出各省、市、区/县下各个年度、各案件类型的案件编号列表，并对各个案件编号列表的案件编号进行去重，此时各个案件编号列表中的案件编号个数n为该省、市、区/县下该年度的该案件类型的公开案件总数量；
S3、测算全国各省、市、区/县下各年度的各案件类型的案件总量：
设对于某个法院、某年度、某案件类型的最大案件编号为Call，公开的文书的案件编号的递增序列为{ki},i＝1,...,n，则Call的无偏估计为：
根据各省、市、区/县下各年度的各案件类型的案件编号列表，通过无偏估计算法，预估得到各省、市、区/县下各年度的各案件类型的案件总量；
S4、计算目标区域的透明度指数：先计算该目标区域的公开案件数量，然后计算该目标区域下的公开案件数量和预估案件总量的比值，即为透明度指数；
公开案件数量Cdisclosed的计算公式如下：
其中：
当计算的是目标区域在某个时间区间内的综合透明度指数时，公开文书总数量是该省、市、区/县在该时间区间内所有公开的文书的总量，已知案号的公开文书总数量是该省、市、区/县在该时间区间内可以挖掘到案号数据的公开的文书总数量，公开案件总数量是该省、市、区/县在该时间区间内所有案件类型的公开案件总数量的总和；当计算的是省、市、区/县在某个时间区间内某个案件类型的透明度指数时，公开文书总数量是该省、市、区/县在该时间区间内该案件类型公开的文书的总量，已知案号的公开文书总数量是该省、市、区/县在该时间区间内该案件类型下可以挖掘到案号数据的公开的文书总数量，公开案件总数量是该省、市、区/县在该时间区间内该案件类型的公开案件总数量。
2.根据权利要求1所述的方法，其特征在于，步骤S2中，利用清理算法对案件类型代字进行规整化，具体过程为：先通过特征提取或者正则提取的方式将案件类型代字找到，判断案件类型代字中是否含有设定的案件类型的表述，如果有，则统一将该案件类型代字规整为仅含对应的设定的案件类型的表述。
3.根据权利要求1所述的方法，其特征在于，步骤S2中，通过错误去重算法对法院代字进行规整，保证一个省、市、区/县下只对应唯一一个法院代字，具体过程为：如果一个省、市、区/县下有多个法院代字的时候，通过数据库自动统计的方式，采用使用频次最多的法院代字作为唯一的法院代字，并将其他法院代字规整为该唯一的法院代字。
4.根据权利要求1所述的方法，其特征在于，步骤S3中，将初步预估得到的案件数量，反向评估相应的案件编号递增序列的数据项的合理性，如果有不合理项就挑出不合理的数据，再重新进行无偏估计算法，预估得到最终的各省、市、区/县下各年度的各案件类型的案件总量。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4任一所述的方法。
6.一种电子设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序时，实现权利要求1-4任一所述的方法。
CN202111052421.5A 2021-09-08 2021-09-08 一种测算全国各地文书公开率的方法 Active CN113761230B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111052421.5A CN113761230B (zh) 2021-09-08 2021-09-08 一种测算全国各地文书公开率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111052421.5A CN113761230B (zh) 2021-09-08 2021-09-08 一种测算全国各地文书公开率的方法

Publications (2)

Publication Number Publication Date
CN113761230A CN113761230A (zh) 2021-12-07
CN113761230B true CN113761230B (zh) 2023-08-15

Family

ID=78794108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111052421.5A Active CN113761230B (zh) 2021-09-08 2021-09-08 一种测算全国各地文书公开率的方法

Country Status (1)

Country Link
CN (1) CN113761230B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108255877A (zh) * 2016-12-29 2018-07-06 北京国双科技有限公司 裁判文书的存储方法及装置
CN108596386A (zh) * 2018-04-20 2018-09-28 上海市司法局 一种预测犯人重复犯罪概率的方法及系统
CN112581322A (zh) * 2019-09-29 2021-03-30 北京国双科技有限公司 裁判文书的处理方法及相关装置
CN113112486A (zh) * 2021-04-20 2021-07-13 中国科学院深圳先进技术研究院 一种肿瘤的运动估计方法、装置、终端设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090006156A1 (en) * 2007-01-26 2009-01-01 Herbert Dennis Hunt Associating a granting matrix with an analytic platform

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108255877A (zh) * 2016-12-29 2018-07-06 北京国双科技有限公司 裁判文书的存储方法及装置
CN108596386A (zh) * 2018-04-20 2018-09-28 上海市司法局 一种预测犯人重复犯罪概率的方法及系统
CN112581322A (zh) * 2019-09-29 2021-03-30 北京国双科技有限公司 裁判文书的处理方法及相关装置
CN113112486A (zh) * 2021-04-20 2021-07-13 中国科学院深圳先进技术研究院 一种肿瘤的运动估计方法、装置、终端设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
法治社会背景下我国法治人才建设评价研究――以CGSS2015数据为例;于铁山;;东莞理工学院学报;第26卷(第02期);56-62 *

Also Published As

Publication number Publication date
CN113761230A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN108632097B (zh) 异常行为对象的识别方法、终端设备及介质
CN104866610B (zh) 一种基于相似类型匹配估算的SQLite删除数据恢复方法
CN105760474A (zh) 一种基于位置信息的文档集的特征词提取方法及系统
CN109388634B (zh) 地址信息的处理方法、终端设备及计算机可读存储介质
CN115907173A (zh) 一种基于stirpat模型的碳峰值预测方法、系统和装置
CN112381433A (zh) 一种实用的面向现货市场结算的电量数据处理方法
CN113761230B (zh) 一种测算全国各地文书公开率的方法
Vandeskog et al. Quantile based modeling of diurnal temperature range with the five‐parameter lambda distribution
CN113095579B (zh) 一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法
Zhou et al. Identification and frequency analysis of drought–flood abrupt alternation events using a daily-scale standardized weighted average of the precipitation index
CN111861733B (zh) 基于地址模糊匹配的欺诈防控系统及方法
CN111581304B (zh) 一种基于社会人口家族关系自动绘制家系图谱的方法
CN116306909A (zh) 一种实现模型训练的方法、计算机存储介质及终端
CN116739795A (zh) 基于知识图谱的保险风险评估方法、装置和电子设备
CN105824871B (zh) 一种图片检测方法与设备
CN115344755A (zh) 数据标准中数据约束条件推荐方法及系统
CN114511225A (zh) 一种断面识别方法、装置、设备以及存储介质
CN110502731B (zh) 一种基于精化单元格聚类的电子表格缺陷检测方法
CN112685461A (zh) 一种基于预判模型的窃电用户判断方法
Cohn et al. Evaluation of recommended revisions to Bulletin 17B
CN113656267B (zh) 设备能效的计算方法、装置、电子设备及存储介质
CN109857773B (zh) 一种自动分析服务号码的方法和装置
CN113723775B (zh) 一种基于电力大数据的企业及行业运营风险的评估方法
CN113822048B (zh) 一种基于时空突发特征的社交媒体文本去噪方法
Wucchini et al. On the application of the bootstrap to assess the risk of deficient annual inflows to a reservoir

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
GR01 Patent grant
GR01 Patent grant