CN117610990A - 一种基于大数据的司法案例质量智能评价系统及方法 - Google Patents
一种基于大数据的司法案例质量智能评价系统及方法 Download PDFInfo
- Publication number
- CN117610990A CN117610990A CN202311505324.6A CN202311505324A CN117610990A CN 117610990 A CN117610990 A CN 117610990A CN 202311505324 A CN202311505324 A CN 202311505324A CN 117610990 A CN117610990 A CN 117610990A
- Authority
- CN
- China
- Prior art keywords
- judicial
- evaluation
- case
- evaluation index
- index
- 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 34
- 238000013441 quality evaluation Methods 0.000 title claims description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 401
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
-
- 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
- G06Q50/26—Government or public services
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于大数据的司法案例质量智能评价系统及方法,属于大数据技术领域。建立评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间搭建指标要素关联集,并对司法案例附加关联标签,建立数据库第一联络通道和数据库第二联络通道,分别用于分析司法语义要素对评价指标的重要性,和计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值,找寻与待评价司法案例相似的司法案例,形成待选取评价指标集,计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标;从而,能够结合大数据分析,根据司法案例的特点,有针对的智能化选取适合的评价指标。
Description
技术领域
本发明涉及大数据技术领域,具体为一种基于大数据的司法案例质量智能评价系统及方法。
背景技术
随着智慧法院建设的提出,大数据、人工智能与司法实践的融合开始不断推进,司法人工智能的本质是基于已有案例的审判工作,提出和辅助司法人员进行审判决策,进而为司法人员提供决策依据是司法智能化建设的重点;
现有技术中,一般结合司法案例评价体系,通过人为主观思想对司法案例的评价指标进行选取,选取的依据一般根据不同的司法要素来确定合适的指标进行评价,进而现有技术中,对于评价指标的选取依然存在主观化和人力化的不足,不够智能化,缺乏客观性。
发明内容
本发明的目的在于提供一种基于大数据的司法案例质量智能评价系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于大数据的司法案例质量智能评价系统,本系统包括:数据库模块、关联库模块、数据处理模块和智能评比模块;
所述数据库模块,用于摘录司法案例质量评价体系中的全部评价指标,生成评价指标数据库集,提取司法案例档案库中各个司法案例中的司法语义要素,生成司法语义要素数据库集;
所述关联库模块,根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,并对司法案例附加关联标签;
所述数据处理模块,用于建立数据库第一联络通道,分析司法语义要素对评价指标的重要性,建立数据库第二联络通道,计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值;
所述智能评比模块,用于在司法案例档案库中,找寻与待评价司法案例相似的司法案例,生成相似案例库集,统筹得到案例指标集,并形成待选取评价指标集;计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标。
进一步的,所述数据库模块还包括评价指标数据库单元和司法语义数据库单元;
所述评价指标数据库单元,用于构建统一的司法案例质量评价体系,摘录司法案例质量评价体系中的全部评价指标,并统一编制评价指标序号,建立评价指标数据库集,记为EI={eix|x∈[1,N]},其中,eix表示序号为x的评价指标,N表示评价指标的总数量;
所述司法语义数据库单元,用于接入司法案例档案库,提取司法案例档案库中各个司法案例中的司法语义要素,并统一编制司法语义要素序号,建立司法语义要素数据库集,记为JE={jeY|Y∈[1,M]},其中,jeY表示序号为Y的司法语义要素,M表示司法语义要素的总数量。
进一步的,所述关联库模块还包括指标要素关联单元和关联标签单元;
所述指标要素关联单元,根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,将所述指标要素关联集记为IE(eix)={jey|y∈[1,m]},其中,jey表示序号为y的司法语义要素,m表示评价指标eix评价过的司法语义要素的最大序号,且IE(eix)∈JE,m≤M;
所述关联标签单元,用于在司法案例档案库中,统一编制司法案例序号,任意选取一个司法案例,记为Ii,i表示司法案例的序号;根据评价指标数据库集EI和司法语义要素数据库集JE,对司法案例附加关联标签,记为AL(Ii)={WE(eia)|a∈[1,n]},其中,eia表示序号为a的评价指标,n表示对司法案例Ii评价时选取的评价指标的最大序号,且n≤N,WE(eia)表示对司法案例Ii评价时选取的评价指标eia评价过的司法语义要素组成的集合。
进一步的,所述数据处理模块还包括第一联络通道单元和第二联络通道单元;
所述第一联络通道单元,根据指标要素关联集,建立数据库第一联络通道,所述数据库第一联络通道用于在评价指标与司法语义要素之间搭建数字关系模型,所述数字关系模型用于分析司法语义要素对评价指标的重要性,计算司法语义要素对评价指标的重要度,具体计算公式如下:
其中,ID(jeY→eix)表示司法语义要素jeY对评价指标eix的重要度,如果司法语义要素jeY属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=1,如果司法语义要素jeY不属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=0;
所述第二联络通道单元,根据司法语义要素对评价指标的重要度和司法案例附加的关联标签,建立数据库第二联络通道,所述数据库第二联络通道用于搭建数字化评价标签模型,所述数字化评价标签模型用于计算对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,具体计算公式如下:
其中,LV(eia→Ii)表示对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,ID(jeb→eia)表示司法语义要素jeb对评价指标eia的重要度,b表示司法语义要素的序号。
进一步的,所述智能评比模块还包括相似分析单元和智能选择单元;
所述相似分析单元,用于提取待评价的司法案例Ij中的司法语义要素,j表示司法案例的序号,挖掘司法案例Ij中的司法语义要素与司法案例档案库中每一个司法案例的司法语义要素的重合数量,预设重合数量阈值,在司法案例档案库中,将大于等于重合数量阈值对应的司法案例提取出来,生成相似案例库集,记为R(Ij);
在相似案例库集R(Ij)中任意选取一个司法案例,记为Ik,统筹对司法案例Ik评价时选取的全部评价指标,并生成案例指标集,记为Q(Ik);根据案例指标集Q(Ik),生成司法案例Ij的待选取评价指标集,记为
所述智能选择单元,用于在待选取评价指标集BS中任意选取一个评价指标eiv,v表示评价指标的序号,计算评价指标eiv的候选值,具体计算公式如下:
其中,CV(eiv)表示评价指标eiv的候选值,如果评价指标eiv属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=LV(eiv→Ik),如果评价指标eiv不属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=0,LV(eiv→Ik)表示对任意一个司法案例Ik评价时选取的任意一个评价指标eiv的评价标签值;
预设候选值阈值,如果评价指标eiv的候选值大于等于候选值阈值,则将评价指标eiv作为待评价的司法案例Ij的评价指标;将作为待评价的司法案例Ij的全部评价指标发送至相关工作人员。
一种基于大数据的司法案例质量智能评价方法,本方法包括以下步骤:
步骤S100:摘录司法案例质量评价体系中的全部评价指标,生成评价指标数据库集,提取司法案例档案库中各个司法案例中的司法语义要素,生成司法语义要素数据库集;
步骤S200:根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,并对司法案例附加关联标签;
步骤S300:建立数据库第一联络通道,分析司法语义要素对评价指标的重要性,建立数据库第二联络通道,计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值;
步骤S400:在司法案例档案库中,找寻与待评价司法案例相似的司法案例,生成相似案例库集,统筹得到案例指标集,并形成待选取评价指标集;计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标。
进一步的,所述步骤S100的具体实施过程包括:
步骤S101:构建统一的司法案例质量评价体系,摘录司法案例质量评价体系中的全部评价指标,并统一编制评价指标序号,建立评价指标数据库集,记为EI={eix|x∈[1,N]},其中,eix表示序号为x的评价指标,N表示评价指标的总数量;
步骤S102:接入司法案例档案库,提取司法案例档案库中各个司法案例中的司法语义要素,并统一编制司法语义要素序号,建立司法语义要素数据库集,记为JE={jeY|Y∈[1,M]},其中,jeY表示序号为Y的司法语义要素,M表示司法语义要素的总数量。
进一步的,所述步骤S200的具体实施过程包括:
步骤S201:根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,将所述指标要素关联集记为IE(eix)={jey|y∈[1,m]},其中,jey表示序号为y的司法语义要素,m表示评价指标eix评价过的司法语义要素的最大序号,且IE(eix)∈JE,m≤M;
步骤S202:在司法案例档案库中,统一编制司法案例序号,任意选取一个司法案例,记为Ii,i表示司法案例的序号;根据评价指标数据库集EI和司法语义要素数据库集JE,对司法案例附加关联标签,记为AL(Ii)={WE(eia)|a∈[1,n]},其中,eia表示序号为a的评价指标,n表示对司法案例Ii评价时选取的评价指标的最大序号,且n≤N,WE(eia)表示对司法案例Ii评价时选取的评价指标eia评价过的司法语义要素组成的集合。
进一步的,所述步骤S300的具体实施过程包括:
步骤S301:根据指标要素关联集,建立数据库第一联络通道,所述数据库第一联络通道用于在评价指标与司法语义要素之间搭建数字关系模型,所述数字关系模型用于分析司法语义要素对评价指标的重要性,计算司法语义要素对评价指标的重要度,具体计算公式如下:
其中,ID(jeY→eix)表示司法语义要素jeY对评价指标eix的重要度,如果司法语义要素jeY属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=1,如果司法语义要素jeY不属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=0;
步骤S302:根据司法语义要素对评价指标的重要度和司法案例附加的关联标签,建立数据库第二联络通道,所述数据库第二联络通道用于搭建数字化评价标签模型,所述数字化评价标签模型用于计算对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,具体计算公式如下:
其中,LV(eia→Ii)表示对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,ID(jeb→eia)表示司法语义要素jeb对评价指标eia的重要度,b表示司法语义要素的序号;
根据上述方法,不同的司法案例特点不同,在选取评价指标时的侧重点也不同,同时,在选取评价指标时,一般根据司法要素进行选择,例如,案件诉求方面,“原告认为被告违法解除与原告的劳动关系,故原告起诉至法院,要求判决:被告向原告支付赔偿金XXX元”,司法语义要素为“解除劳动关系”和“支付经济补偿金”,则在选取评价指标时,可考虑“劳动关系的认定事实是否清楚”和“经济补偿金的数额是否合理”等;进而,司法语义要素对评价指标的重要度存在不同,一个司法要素可能存在多个评价指标考虑范围中,同时,造成不同案例选取的评价指标侧重点也不同,同一个评价指标在不同案例中表现得侧重点也不同;进而,司法语义要素对评价指标的重要度存在差异,将导致对任意一个司法案例评价时选取的任意一个评价指标的评价标签值也存在差异。
进一步的,所述步骤S400的具体实施过程包括:
步骤S401:提取待评价的司法案例Ij中的司法语义要素,j表示司法案例的序号,挖掘司法案例Ij中的司法语义要素与司法案例档案库中每一个司法案例的司法语义要素的重合数量,预设重合数量阈值,在司法案例档案库中,将大于等于重合数量阈值对应的司法案例提取出来,生成相似案例库集,记为R(Ij);
在相似案例库集R(Ij)中任意选取一个司法案例,记为Ik,统筹对司法案例Ik评价时选取的全部评价指标,并生成案例指标集,记为Q(Ik);根据案例指标集Q(Ik),生成司法案例Ij的待选取评价指标集,记为
步骤S402:在待选取评价指标集BS中任意选取一个评价指标eiv,v表示评价指标的序号,计算评价指标eiv的候选值,具体计算公式如下:
其中,CV(eiv)表示评价指标eiv的候选值,如果评价指标eiv属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=LV(eiv→Ik),如果评价指标eiv不属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=0,LV(eiv→Ik)表示对任意一个司法案例Ik评价时选取的任意一个评价指标eiv的评价标签值;
预设候选值阈值,如果评价指标eiv的候选值大于等于候选值阈值,则将评价指标eiv作为待评价的司法案例Ij的评价指标;将作为待评价的司法案例Ij的全部评价指标发送至相关工作人员;
根据上述方法,通过相似分析,得到与待评价案例具有相似特点得全部案例库,再根据相似案例库中每个司法案例中评价标签值的差异,得到候选评价指标的候选值,候选值越大,表示候选评价指标越具有代表性,可综合全部相似案例情况下,得到待评价司法案例的可选择的客观的评价指标。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种基于大数据的司法案例质量智能评价系统及方法中,建立评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间搭建指标要素关联集,并对司法案例附加关联标签,建立数据库第一联络通道和数据库第二联络通道,分别用于分析司法语义要素对评价指标的重要性,和计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值,找寻与待评价司法案例相似的司法案例,形成待选取评价指标集,计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标;从而,能够结合大数据分析,根据司法案例的特点,有针对的智能化选取适合的评价指标。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并且不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的司法案例质量智能评价系统的结构示意图;
图2是本发明一种基于大数据的司法案例质量智能评价方法的步骤示意图。
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,所描述的实施例仅仅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。
请参阅图1-图2,本发明提供技术方案:
请参阅图1,在本实施例一中:提供一种基于大数据的司法案例质量智能评价系统,该系统包括:数据库模块、关联库模块、数据处理模块和智能评比模块;
数据库模块,用于摘录司法案例质量评价体系中的全部评价指标,生成评价指标数据库集,提取司法案例档案库中各个司法案例中的司法语义要素,生成司法语义要素数据库集;
其中,数据库模块还包括评价指标数据库单元和司法语义数据库单元;
评价指标数据库单元,用于构建统一的司法案例质量评价体系,摘录司法案例质量评价体系中的全部评价指标,并统一编制评价指标序号,建立评价指标数据库集,记为EI={eix|x∈[1,N]},其中,eix表示序号为x的评价指标,N表示评价指标的总数量;
司法语义数据库单元,用于接入司法案例档案库,提取司法案例档案库中各个司法案例中的司法语义要素,并统一编制司法语义要素序号,建立司法语义要素数据库集,记为JE={jeY|Y∈[1,M]},其中,jeY表示序号为Y的司法语义要素,M表示司法语义要素的总数量;
关联库模块,根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,并对司法案例附加关联标签;
其中,关联库模块还包括指标要素关联单元和关联标签单元;
指标要素关联单元,根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,将指标要素关联集记为IE(eix)={jey|y∈[1,m]},其中,jey表示序号为y的司法语义要素,m表示评价指标eix评价过的司法语义要素的最大序号,且IE(eix)∈JE,m≤M;
关联标签单元,用于在司法案例档案库中,统一编制司法案例序号,任意选取一个司法案例,记为Ii,i表示司法案例的序号;根据评价指标数据库集EI和司法语义要素数据库集JE,对司法案例附加关联标签,记为AL(Ii)={WE(eia)|a∈[1,n]},其中,eia表示序号为a的评价指标,n表示对司法案例Ii评价时选取的评价指标的最大序号,且n≤N,WE(eia)表示对司法案例Ii评价时选取的评价指标eia评价过的司法语义要素组成的集合;
数据处理模块,用于建立数据库第一联络通道,分析司法语义要素对评价指标的重要性,建立数据库第二联络通道,计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值;
其中,数据处理模块还包括第一联络通道单元和第二联络通道单元;
第一联络通道单元,根据指标要素关联集,建立数据库第一联络通道,数据库第一联络通道用于在评价指标与司法语义要素之间搭建数字关系模型,数字关系模型用于分析司法语义要素对评价指标的重要性,计算司法语义要素对评价指标的重要度,具体计算公式如下:
其中,ID(jeY→eix)表示司法语义要素jeY对评价指标eix的重要度,如果司法语义要素jeY属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=1,如果司法语义要素jeY不属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=0;
第二联络通道单元,根据司法语义要素对评价指标的重要度和司法案例附加的关联标签,建立数据库第二联络通道,数据库第二联络通道用于搭建数字化评价标签模型,数字化评价标签模型用于计算对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,具体计算公式如下:
其中,LV(eia→Ii)表示对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,ID(jeb→eia)表示司法语义要素jeb对评价指标eia的重要度,b表示司法语义要素的序号;
智能评比模块,用于在司法案例档案库中,找寻与待评价司法案例相似的司法案例,生成相似案例库集,统筹得到案例指标集,并形成待选取评价指标集;计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标;
其中,智能评比模块还包括相似分析单元和智能选择单元;
相似分析单元,用于提取待评价的司法案例Ij中的司法语义要素,j表示司法案例的序号,挖掘司法案例Ij中的司法语义要素与司法案例档案库中每一个司法案例的司法语义要素的重合数量,预设重合数量阈值,在司法案例档案库中,将大于等于重合数量阈值对应的司法案例提取出来,生成相似案例库集,记为R(Ij);
在相似案例库集R(Ij)中任意选取一个司法案例,记为Ik,统筹对司法案例Ik评价时选取的全部评价指标,并生成案例指标集,记为Q(Ik);根据案例指标集Q(Ik),生成司法案例Ij的待选取评价指标集,记为
智能选择单元,用于在待选取评价指标集BS中任意选取一个评价指标eiv,v表示评价指标的序号,计算评价指标eiv的候选值,具体计算公式如下:
其中,CV(eiv)表示评价指标eiv的候选值,如果评价指标eiv属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=LV(eiv→Ik),如果评价指标eiv不属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=0,LV(eiv→Ik)表示对任意一个司法案例Ik评价时选取的任意一个评价指标eiv的评价标签值;
预设候选值阈值,如果评价指标eiv的候选值大于等于候选值阈值,则将评价指标eiv作为待评价的司法案例Ij的评价指标;将作为待评价的司法案例Ij的全部评价指标发送至相关工作人员。
请参阅图2,在本实施例二中:提供一种基于大数据的司法案例质量智能评价方法,该方法包括以下步骤:
步骤S100:摘录司法案例质量评价体系中的全部评价指标,生成评价指标数据库集,提取司法案例档案库中各个司法案例中的司法语义要素,生成司法语义要素数据库集;
具体的,构建统一的司法案例质量评价体系,摘录司法案例质量评价体系中的全部评价指标,并统一编制评价指标序号,建立评价指标数据库集,记为EI={eix|x∈[1,N]},其中,eix表示序号为x的评价指标,N表示评价指标的总数量;
接入司法案例档案库,提取司法案例档案库中各个司法案例中的司法语义要素,并统一编制司法语义要素序号,建立司法语义要素数据库集,记为JE={jeY|Y∈[1,M]},其中,jeY表示序号为Y的司法语义要素,M表示司法语义要素的总数量;
步骤S200:根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,并对司法案例附加关联标签;
具体的,根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,将指标要素关联集记为IE(eix)={jey|y∈[1,m]},其中,jey表示序号为y的司法语义要素,m表示评价指标eix评价过的司法语义要素的最大序号,且IE(eix)∈JE,m≤M;
在司法案例档案库中,统一编制司法案例序号,任意选取一个司法案例,记为Ii,i表示司法案例的序号;根据评价指标数据库集EI和司法语义要素数据库集JE,对司法案例附加关联标签,记为AL(Ii)={WE(eia)|a∈[1,n]},其中,eia表示序号为a的评价指标,n表示对司法案例Ii评价时选取的评价指标的最大序号,且n≤N,WE(eia)表示对司法案例Ii评价时选取的评价指标eia评价过的司法语义要素组成的集合;
步骤S300:建立数据库第一联络通道,分析司法语义要素对评价指标的重要性,建立数据库第二联络通道,计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值;
具体的,根据指标要素关联集,建立数据库第一联络通道,数据库第一联络通道用于在评价指标与司法语义要素之间搭建数字关系模型,数字关系模型用于分析司法语义要素对评价指标的重要性,计算司法语义要素对评价指标的重要度,具体计算公式如下:
其中,ID(jeY→eix)表示司法语义要素jeY对评价指标eix的重要度,如果司法语义要素jeY属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=1,如果司法语义要素jeY不属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=0;
根据司法语义要素对评价指标的重要度和司法案例附加的关联标签,建立数据库第二联络通道,数据库第二联络通道用于搭建数字化评价标签模型,数字化评价标签模型用于计算对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,具体计算公式如下:
其中,LV(eia→Ii)表示对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,ID(jeb→eia)表示司法语义要素jeb对评价指标eia的重要度,b表示司法语义要素的序号;
步骤S400:在司法案例档案库中,找寻与待评价司法案例相似的司法案例,生成相似案例库集,统筹得到案例指标集,并形成待选取评价指标集;计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标;
具体的,提取待评价的司法案例Ij中的司法语义要素,j表示司法案例的序号,挖掘司法案例Ij中的司法语义要素与司法案例档案库中每一个司法案例的司法语义要素的重合数量,预设重合数量阈值,在司法案例档案库中,将大于等于重合数量阈值对应的司法案例提取出来,生成相似案例库集,记为R(Ij);
在相似案例库集R(Ij)中任意选取一个司法案例,记为Ik,统筹对司法案例Ik评价时选取的全部评价指标,并生成案例指标集,记为Q(Ik);根据案例指标集Q(Ik),生成司法案例Ij的待选取评价指标集,记为
在待选取评价指标集BS中任意选取一个评价指标eiv,v表示评价指标的序号,计算评价指标eiv的候选值,具体计算公式如下:
其中,CV(eiv)表示评价指标eiv的候选值,如果评价指标eiv属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=LV(eiv→Ik),如果评价指标eiv不属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=0,LV(eiv→Ik)表示对任意一个司法案例Ik评价时选取的任意一个评价指标eiv的评价标签值;
预设候选值阈值,如果评价指标eiv的候选值大于等于候选值阈值,则将评价指标eiv作为待评价的司法案例Ij的评价指标;将作为待评价的司法案例Ij的全部评价指标发送至相关工作人员。
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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并且不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的司法案例质量智能评价方法,其特征在于,该方法包括以下步骤:
步骤S100:摘录司法案例质量评价体系中的全部评价指标,生成评价指标数据库集,提取司法案例档案库中各个司法案例中的司法语义要素,生成司法语义要素数据库集;
步骤S200:根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,并对司法案例附加关联标签;
步骤S300:建立数据库第一联络通道,分析司法语义要素对评价指标的重要性,建立数据库第二联络通道,计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值;
步骤S400:在司法案例档案库中,找寻与待评价司法案例相似的司法案例,生成相似案例库集,统筹得到案例指标集,并形成待选取评价指标集;计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标。
2.根据权利要求1所述的一种基于大数据的司法案例质量智能评价方法,其特征在于,所述步骤S100的具体实施过程包括:
步骤S101:构建统一的司法案例质量评价体系,摘录司法案例质量评价体系中的全部评价指标,并统一编制评价指标序号,建立评价指标数据库集,记为EI={eix|x∈[1,N]},其中,eix表示序号为x的评价指标,N表示评价指标的总数量;
步骤S102:接入司法案例档案库,提取司法案例档案库中各个司法案例中的司法语义要素,并统一编制司法语义要素序号,建立司法语义要素数据库集,记为JE={jeY|Y∈[1,M]},其中,jeY表示序号为Y的司法语义要素,M表示司法语义要素的总数量。
3.根据权利要求2所述的一种基于大数据的司法案例质量智能评价方法,其特征在于,所述步骤S200的具体实施过程包括:
步骤S201:根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,将所述指标要素关联集记为IE(eix)={jey|y∈[1,m]},其中,jey表示序号为y的司法语义要素,m表示评价指标eix评价过的司法语义要素的最大序号,且IE(eix)∈JE,m≤M;
步骤S202:在司法案例档案库中,统一编制司法案例序号,任意选取一个司法案例,记为Ii,i表示司法案例的序号;根据评价指标数据库集EI和司法语义要素数据库集JE,对司法案例附加关联标签,记为AL(Ii)={WE(eia)|a∈[1,n]},其中,eia表示序号为a的评价指标,n表示对司法案例Ii评价时选取的评价指标的最大序号,且n≤N,WE(eia)表示对司法案例Ii评价时选取的评价指标eia评价过的司法语义要素组成的集合。
4.根据权利要求3所述的一种基于大数据的司法案例质量智能评价方法,其特征在于,所述步骤S300的具体实施过程包括:
步骤S301:根据指标要素关联集,建立数据库第一联络通道,所述数据库第一联络通道用于在评价指标与司法语义要素之间搭建数字关系模型,所述数字关系模型用于分析司法语义要素对评价指标的重要性,计算司法语义要素对评价指标的重要度,具体计算公式如下:
其中,ID(jeY→eix)表示司法语义要素jeY对评价指标eix的重要度,如果司法语义要素jeY属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=1,如果司法语义要素jeY不属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=0;
步骤S302:根据司法语义要素对评价指标的重要度和司法案例附加的关联标签,建立数据库第二联络通道,所述数据库第二联络通道用于搭建数字化评价标签模型,所述数字化评价标签模型用于计算对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,具体计算公式如下:
其中,LV(eia→Ii)表示对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,ID(jeb→eia)表示司法语义要素jeb对评价指标eia的重要度,b表示司法语义要素的序号。
5.根据权利要求4所述的一种基于大数据的司法案例质量智能评价方法,其特征在于,所述步骤S400的具体实施过程包括:
步骤S401:提取待评价的司法案例Ij中的司法语义要素,j表示司法案例的序号,挖掘司法案例Ij中的司法语义要素与司法案例档案库中每一个司法案例的司法语义要素的重合数量,预设重合数量阈值,在司法案例档案库中,将大于等于重合数量阈值对应的司法案例提取出来,生成相似案例库集,记为R(Ij);
在相似案例库集R(Ij)中任意选取一个司法案例,记为Ik,统筹对司法案例Ik评价时选取的全部评价指标,并生成案例指标集,记为Q(Ik);根据案例指标集Q(Ik),生成司法案例Ij的待选取评价指标集,记为
步骤S402:在待选取评价指标集BS中任意选取一个评价指标eiv,v表示评价指标的序号,计算评价指标eiv的候选值,具体计算公式如下:
其中,CV(eiv)表示评价指标eiv的候选值,如果评价指标eiv属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=LV(eiv→Ik),如果评价指标eiv不属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=0,LV(eiv→Ik)表示对任意一个司法案例Ik评价时选取的任意一个评价指标eiv的评价标签值;
预设候选值阈值,如果评价指标eiv的候选值大于等于候选值阈值,则将评价指标eiv作为待评价的司法案例Ij的评价指标;将作为待评价的司法案例Ij的全部评价指标发送至相关工作人员。
6.一种基于大数据的司法案例质量智能评价系统,其特征在于,所述系统包括:数据库模块、关联库模块、数据处理模块和智能评比模块;
所述数据库模块,用于摘录司法案例质量评价体系中的全部评价指标,生成评价指标数据库集,提取司法案例档案库中各个司法案例中的司法语义要素,生成司法语义要素数据库集;
所述关联库模块,根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,并对司法案例附加关联标签;
所述数据处理模块,用于建立数据库第一联络通道,分析司法语义要素对评价指标的重要性,建立数据库第二联络通道,计算对任意一个司法案例评价时选取的任意一个评价指标的评价标签值;
所述智能评比模块,用于在司法案例档案库中,找寻与待评价司法案例相似的司法案例,生成相似案例库集,统筹得到案例指标集,并形成待选取评价指标集;计算待选取评价指标集中任意选取一个评价指标的候选值,根据候选值,分析选取待评价司法案例的全部评价指标。
7.根据权利要求6所述的一种基于大数据的司法案例质量智能评价系统,其特征在于:所述数据库模块还包括评价指标数据库单元和司法语义数据库单元;
所述评价指标数据库单元,用于构建统一的司法案例质量评价体系,摘录司法案例质量评价体系中的全部评价指标,并统一编制评价指标序号,建立评价指标数据库集,记为EI={eix|x∈[1,N]},其中,eix表示序号为x的评价指标,N表示评价指标的总数量;
所述司法语义数据库单元,用于接入司法案例档案库,提取司法案例档案库中各个司法案例中的司法语义要素,并统一编制司法语义要素序号,建立司法语义要素数据库集,记为JE={jeY|Y∈[1,M]},其中,jeY表示序号为Y的司法语义要素,M表示司法语义要素的总数量。
8.根据权利要求7所述的一种基于大数据的司法案例质量智能评价系统,其特征在于:所述关联库模块还包括指标要素关联单元和关联标签单元;
所述指标要素关联单元,根据评价指标数据库集和司法语义要素数据库集,在评价指标与司法语义要素之间建立指标要素关联集,将所述指标要素关联集记为IE(eix)={jey|y∈[1,m]},其中,jey表示序号为y的司法语义要素,m表示评价指标eix评价过的司法语义要素的最大序号,且IE(eix)∈JE,m≤M;
所述关联标签单元,用于在司法案例档案库中,统一编制司法案例序号,任意选取一个司法案例,记为Ii,i表示司法案例的序号;根据评价指标数据库集EI和司法语义要素数据库集JE,对司法案例附加关联标签,记为AL(Ii)={WE(eia)|a∈[1,n]},其中,eia表示序号为a的评价指标,n表示对司法案例Ii评价时选取的评价指标的最大序号,且n≤N,WE(eia)表示对司法案例Ii评价时选取的评价指标eia评价过的司法语义要素组成的集合。
9.根据权利要求8所述的一种基于大数据的司法案例质量智能评价系统,其特征在于:所述数据处理模块还包括第一联络通道单元和第二联络通道单元;
所述第一联络通道单元,根据指标要素关联集,建立数据库第一联络通道,所述数据库第一联络通道用于在评价指标与司法语义要素之间搭建数字关系模型,所述数字关系模型用于分析司法语义要素对评价指标的重要性,计算司法语义要素对评价指标的重要度,具体计算公式如下:
其中,ID(jeY→eix)表示司法语义要素jeY对评价指标eix的重要度,如果司法语义要素jeY属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=1,如果司法语义要素jeY不属于指标要素关联集IE(eix),则令F[if:jeY∈IE(eix)]=0;
所述第二联络通道单元,根据司法语义要素对评价指标的重要度和司法案例附加的关联标签,建立数据库第二联络通道,所述数据库第二联络通道用于搭建数字化评价标签模型,所述数字化评价标签模型用于计算对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,具体计算公式如下:
其中,LV(eia→Ii)表示对任意一个司法案例Ii评价时选取的任意一个评价指标eia的评价标签值,ID(jeb→eia)表示司法语义要素jeb对评价指标eia的重要度,b表示司法语义要素的序号。
10.根据权利要求9所述的一种基于大数据的司法案例质量智能评价系统,其特征在于:所述智能评比模块还包括相似分析单元和智能选择单元;
所述相似分析单元,用于提取待评价的司法案例Ij中的司法语义要素,j表示司法案例的序号,挖掘司法案例Ij中的司法语义要素与司法案例档案库中每一个司法案例的司法语义要素的重合数量,预设重合数量阈值,在司法案例档案库中,将大于等于重合数量阈值对应的司法案例提取出来,生成相似案例库集,记为R(Ij);
在相似案例库集R(Ij)中任意选取一个司法案例,记为Ik,统筹对司法案例Ik评价时选取的全部评价指标,并生成案例指标集,记为Q(Ik);根据案例指标集Q(Ik),生成司法案例Ij的待选取评价指标集,记为
所述智能选择单元,用于在待选取评价指标集BS中任意选取一个评价指标eiv,v表示评价指标的序号,计算评价指标eiv的候选值,具体计算公式如下:
其中,CV(eiv)表示评价指标eiv的候选值,如果评价指标eiv属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=LV(eiv→Ik),如果评价指标eiv不属于案例指标集Q(Ik),则令H[if:eiv∈Q(Ik)]=0,LV(eiv→Ik)表示对任意一个司法案例Ik评价时选取的任意一个评价指标eiv的评价标签值;
预设候选值阈值,如果评价指标eiv的候选值大于等于候选值阈值,则将评价指标eiv作为待评价的司法案例Ij的评价指标;将作为待评价的司法案例Ij的全部评价指标发送至相关工作人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311505324.6A CN117610990A (zh) | 2023-11-13 | 2023-11-13 | 一种基于大数据的司法案例质量智能评价系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311505324.6A CN117610990A (zh) | 2023-11-13 | 2023-11-13 | 一种基于大数据的司法案例质量智能评价系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117610990A true CN117610990A (zh) | 2024-02-27 |
Family
ID=89947220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311505324.6A Pending CN117610990A (zh) | 2023-11-13 | 2023-11-13 | 一种基于大数据的司法案例质量智能评价系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610990A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007172291A (ja) * | 2005-12-22 | 2007-07-05 | Hitachi Ltd | 業務プロセス品質の評価方法 |
WO2016189605A1 (ja) * | 2015-05-22 | 2016-12-01 | 株式会社Ubic | データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体 |
CN107851097A (zh) * | 2015-03-31 | 2018-03-27 | 株式会社Fronteo | 数据分析系统、数据分析方法、数据分析程序及存储介质 |
CN110516974A (zh) * | 2019-08-30 | 2019-11-29 | 贵州大学 | 基于证据匹配的案件质量评估方法 |
CN110532456A (zh) * | 2019-06-14 | 2019-12-03 | 平安科技(深圳)有限公司 | 案件查询方法、装置、计算机设备和存储介质 |
US10579651B1 (en) * | 2014-06-10 | 2020-03-03 | Astamuse Company, Ltd. | Method, system, and program for evaluating intellectual property right |
CN111339754A (zh) * | 2020-03-04 | 2020-06-26 | 昆明理工大学 | 基于案件要素句子关联图卷积的案件舆情摘要生成方法 |
CN113204567A (zh) * | 2021-05-31 | 2021-08-03 | 山东政法学院司法鉴定中心 | 大数据司法案件分析处理系统 |
-
2023
- 2023-11-13 CN CN202311505324.6A patent/CN117610990A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007172291A (ja) * | 2005-12-22 | 2007-07-05 | Hitachi Ltd | 業務プロセス品質の評価方法 |
US10579651B1 (en) * | 2014-06-10 | 2020-03-03 | Astamuse Company, Ltd. | Method, system, and program for evaluating intellectual property right |
CN107851097A (zh) * | 2015-03-31 | 2018-03-27 | 株式会社Fronteo | 数据分析系统、数据分析方法、数据分析程序及存储介质 |
WO2016189605A1 (ja) * | 2015-05-22 | 2016-12-01 | 株式会社Ubic | データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体 |
CN110532456A (zh) * | 2019-06-14 | 2019-12-03 | 平安科技(深圳)有限公司 | 案件查询方法、装置、计算机设备和存储介质 |
CN110516974A (zh) * | 2019-08-30 | 2019-11-29 | 贵州大学 | 基于证据匹配的案件质量评估方法 |
CN111339754A (zh) * | 2020-03-04 | 2020-06-26 | 昆明理工大学 | 基于案件要素句子关联图卷积的案件舆情摘要生成方法 |
CN113204567A (zh) * | 2021-05-31 | 2021-08-03 | 山东政法学院司法鉴定中心 | 大数据司法案件分析处理系统 |
Non-Patent Citations (1)
Title |
---|
王天保: "检察机关案件质量评价指标体系的应用与思考", 《行政与法》, no. 03, 20 March 2023 (2023-03-20), pages 119 - 129 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629630B (zh) | 一种基于特征交叉联合深度神经网络的广告推荐方法 | |
CN112001572B (zh) | 一种工单智能分派方法 | |
CN114757432B (zh) | 基于流程日志和多任务学习的未来执行活动及时间预测方法及系统 | |
CN113902534A (zh) | 一种基于股票社区关系图谱的交互风险团伙识别方法 | |
CN115439099A (zh) | 基于bim模型的施工项目协同监管系统 | |
Erfani et al. | Predictive risk modeling for major transportation projects using historical data | |
CN114862506A (zh) | 一种基于深度强化学习的金融产品推荐方法 | |
CN117610990A (zh) | 一种基于大数据的司法案例质量智能评价系统及方法 | |
CN114579739A (zh) | 文本数据流的话题检测与追踪方法 | |
CN116723540A (zh) | 一种5g网络数据的质差检测模型训练及质差检测方法 | |
CN111340516A (zh) | 基于信息熵与变异系数融合算法的满意度评价系统及方法 | |
CN114187012A (zh) | 基于区块链的通信建设监管服务系统及方法 | |
CN113379211A (zh) | 基于区块链的物流信息平台违约风险管控系统及方法 | |
CN116468446A (zh) | 一种基于多源数据的交易信息监管系统及方法 | |
CN113222471A (zh) | 一种基于新媒体数据的资产风控方法及设备 | |
CN116977062B (zh) | 一种用于金融业务的风险标签管理系统及方法 | |
WO2017095017A1 (ko) | 기업 정보 유출 상황 인지 시스템 및 방법, 그리고 이 방법을 처리하는 프로그램이 기록된 저장 매체 | |
CN116991932B (zh) | 一种基于人工智能的数据分析治理系统及其方法 | |
CN112286986B (zh) | 一种基于企业族谱的产权分析管理系统 | |
CN112184298A (zh) | 一种电力市场风险管理系统及方法 | |
CN116775888B (zh) | 一种用于档案形成单位开放审核的方法及系统 | |
CN113537712B (zh) | 一种基于轨迹重演的业务流程剩余活动序列预测方法 | |
CN117094703B (zh) | 一种面向道路裂缝的路网养护维修顺序确定方法 | |
CN117408644A (zh) | 一种基于多维数据的综合分析管理系统及方法 | |
CN117745409A (zh) | 一种基于区块链的产业链金融风控模型构建方法 |
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 |