一种风险智能评估方法技术

本发明专利技术提出的一种风险智能评估方法，首先通过对同类案例进行机器学习，获得风险评估模型，风险评估模型的输入为案例的提取信息，输出为风险系数；然后将待评估案例的提取信息输入风险评估模型，获得风险系数。本发明专利技术提出的一种风险智能评估方法，通过风险评估模型对案例提取信息进行标注，获得风险系数，实现了风险评估的智能化和实时性。同时，风险评估模型通过对待评估案例的同类案例进行机器学习而获得，保证了风险评估模型针对待评估案例的领域倾向和专一，有利于提高模型评估的精确度和有效性。

An intelligent risk assessment method

【技术实现步骤摘要】
一种风险智能评估方法
本专利技术涉及信息处理
，尤其涉及一种风险智能评估方法。
技术介绍
随着法治教育的普及和深入，越来越多的人懂得用法律维护自己的权益，各种维权行为的发起越来越频繁。出于成本的考虑，很多人都喜欢在发起维权行为前做一个风险评估。目前，行为风险的评估都是通过专业人士人为提供，主观影响大，且受限于评估人的经验、领域等，评估精确程度很难保证。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种风险智能评估方法。本专利技术提出的一种风险智能评估方法，首先通过对同类案例进行机器学习，获得风险评估模型，风险评估模型的输入为案例的提取信息，输出为风险系数；然后将待评估案例的提取信息输入风险评估模型，获得风险系数。优选的，风险评估模型的获得包括以下步骤：S1、对待评估案例提取关键字词作为第一信息；S2、根据预设的过滤词典，对第一信息中的字词进行过滤，获取检索信息；S3、根据检索信息进行检索，获取待评估案例的同类案例；S4、提取各同类案例的关键字词作为第二信息，并根据各同类案例的诉讼结果标注对应的第二信息的风险系数；胜诉的同类案例，风险系数标注为“≦X”；败诉的同类案例，风险系数标注为“≧Y”；X、Y均为预设常数，0≦X≦50％≦Y；S5、根据第二信息和对应的标注信息训练风险评估模型。优选的，X为0或者10％，Y为1或者90％。优选的，第一信息和第二信息中均包含：法院、地域、诉讼双方的籍贯或者注册地址；步骤S2具体为：根据预设的过滤词典，滤除第一信息中的法院、地域、诉讼双方的籍贯和注册地址，获取检索信息。优选的，将待评估案例的提取信息输入风险评估模型，获得风险系数的具体方法为：通过风险评估模型标注第一信息的风险系数并输出。优选的，具体包括：SA1、建立模型库，用于存储风险评估模型，且每一个风险评估模型均标注对应的检索信息；SA2、获取待评估案例，提取第一信息，并根据预设的过滤词典，对第一信息中的字词进行过滤，获取检索信息；SA3、检索模型库，判断是否存在检索信息对应的风险评估模型；SA4、存在，则根据对应的风险评估模型对第一信息标注风险系数并输出；SA5、不存在，则根据检索信息检索同类案例并训练对应的风险评估模型，对第一信息标注风险系数并输出；并将获得的风险评估模型添加到模型库中。优选的，步骤SA4具体为；获取风险评估模型的更新时间，判断更新时间距当前时间是否大于预设的有效周期；否，则根据该风险评估模型对第一信息标注风险系数；是，则根据检索信息检索同类案例并训练新的风险评估模型，然后根据新的风险评估模型对第一信息进行标注，并对模型库进行更新。优选的，有效周期大于或等于1个月并小于或等于6个月。优选的，检索信息包括类别，步骤SA1具体为，建立模型库，并在模型库中划分多个类别，将各风险评估模型根据检索信息存储到对应的类别中；步骤SA3中，根据检索信息在模型库内对应的类别中进行检索。优选的，风险评估模型采样神经网络模型。本专利技术提出的一种风险智能评估方法，通过风险评估模型对案例提取信息进行标注，获得风险系数，实现了风险评估的智能化和实时性。同时，本专利技术中，风险评估模型通过对待评估案例的同类案例进行机器学习而获得，保证了风险评估模型针对待评估案例的领域倾向和专一，有利于提高模型评估的精确度和有效性。且，本专利技术中，在训练风险评估模型时，样本局限于待评估案例的同类案例，有利于降低样本量，提高样本之间的相似性，从而保证模型训练的效率和精确度，有利于进一步提高案例的风险评估效率。附图说明图1为本专利技术提出的一种风险智能评估方法流程图；图2为风险评估模型训练流程图；图3为本专利技术提出的另一种风险智能评估方法流程图。具体实施方式参照图1，本专利技术提出的一种风险智能评估方法，首先通过对同类案例进行机器学习，获得风险评估模型，风险评估模型的输入为案例的提取信息，输出为风险系数；然后将待评估案例的提取信息输入风险评估模型，获得风险系数。具体的，风险评估模型可采样神经网络模型。本实施方式中，通过风险评估模型对案例提取信息进行标注，获得风险系数，实现了风险评估的智能化和实时性。同时，本实施方式中，风险评估模型通过对待评估案例的同类案例进行机器学习而获得，保证了风险评估模型针对待评估案例的领域倾向和专一，有利于提高模型评估的精确度和有效性。且，本实施方式中，在训练风险评估模型时，样本局限于待评估案例的同类案例，有利于降低样本量，提高样本之间的相似性，从而保证模型训练的效率和精确度，有利于进一步提高案例的风险评估效率。参照图2，本实施方式中的风险智能评估方法，其特征在于，风险评估模型的获得包括以下步骤：S1、对待评估案例提取关键字词作为第一信息。S2、根据预设的过滤词典，对第一信息中的字词进行过滤，获取检索信息。具体的，本实施方式中，第一信息包含：法院、地域、诉讼双方的籍贯或者注册地址。步骤S2具体为：根据预设的过滤词典，滤除第一信息中的法院、地域、诉讼双方的籍贯和注册地址，获取检索信息。S3、根据检索信息进行检索，获取待评估案例的同类案例。S4、提取各同类案例的关键字词作为第二信息，并根据各同类案例的诉讼结果标注对应的第二信息的风险系数。胜诉的同类案例，风险系数标注为“≦X”。败诉的同类案例，风险系数标注为“≧Y”。X、Y均为预设常数，0≦X≦50％≦Y。具体的，本实施方式中，胜诉指的是同类案例中，与待评估案例中处于相同立场的当事人的胜诉；同理，败诉指的是同类案例中，与待评估案例中处于相同立场的当事人的败诉。假设，待评估案件为一起侵权诉讼案件，发起风险评估的为被侵权方；某一同类案件中，被告为侵权方，原告为被侵权方，且原告胜诉，则该同类案件的风险系数为“≦X”；如果该同类案件中，被告胜诉，则该同类案件的风险系数为“≧Y”。S5、根据第二信息和对应的标注信息训练风险评估模型。第二信息与第一信息具有相同格式，以保证根据第二信息训练获得的风险评估模型对于第一信息的输入，并保证模型标注的精确程度。本实施方式中，第二信息包含：法院、地域、诉讼双方的籍贯或者注册地址，以保证第二信息和第一信息的格式相同。本实施方式中，通过在第一信息的基础上提取检索信息，实现了检索信息的精简，尤其适合通过法院、地域、诉讼双方的籍贯或者注册地址的精简，有利于保证同类案件在法律性质上的相似，降低地域性质等非通用特征造成的同类案例挑选的局域性，从而通过同类案例在法律性质上的偏重，更有利于保证风险评估模型标注的风险系数在法律性质的偏重，提高评估效果。具体实施时，X为0或者10％，Y为1或者90％。本实施方式中，将待评估案例的提取信息输入风险评估模型，获得风险系数的具体方法为：通过风险评估模型标注第一信息的风险系数并输出。本文档来自技高网...

【技术保护点】
1.一种风险智能评估方法，其特征在于，首先通过对同类案例进行机器学习，获得风险评估模型，风险评估模型的输入为案例的提取信息，输出为风险系数；然后将待评估案例的提取信息输入风险评估模型，获得风险系数。/n

【技术特征摘要】
1.一种风险智能评估方法，其特征在于，首先通过对同类案例进行机器学习，获得风险评估模型，风险评估模型的输入为案例的提取信息，输出为风险系数；然后将待评估案例的提取信息输入风险评估模型，获得风险系数。


2.如权利要求1所述的风险智能评估方法，其特征在于，风险评估模型的获得包括以下步骤：
S1、对待评估案例提取关键字词作为第一信息；
S2、根据预设的过滤词典，对第一信息中的字词进行过滤，获取检索信息；
S3、根据检索信息进行检索，获取待评估案例的同类案例；
S4、提取各同类案例的关键字词作为第二信息，并根据各同类案例的诉讼结果标注对应的第二信息的风险系数；胜诉的同类案例，风险系数标注为“≦X”；败诉的同类案例，风险系数标注为“≧Y”；X、Y均为预设常数，0≦X≦50％≦Y；
S5、根据第二信息和对应的标注信息训练风险评估模型。


3.如权利要求2所述的风险智能评估方法，其特征在于，X为0或者10％，Y为1或者90％。


4.如权利要求2所述的风险智能评估方法，其特征在于，第一信息和第二信息中均包含：法院、地域、诉讼双方的籍贯或者注册地址；步骤S2具体为：根据预设的过滤词典，滤除第一信息中的法院、地域、诉讼双方的籍贯和注册地址，获取检索信息。


5.如权利要求2所述的风险智能评估方法，其特征在于，将待评估案例的提取信息输入风险评估模型，获得风险系数的具体方法为：通过风险评估模型标注第一信息的风险系数并输出。


6.如权利要...

【专利技术属性】
技术研发人员：董霞，李颖，齐苗苗，
申请(专利权)人：合肥长远知识产权管理有限公司，
类型：发明
国别省市：安徽;34