基于大数据的行政处罚自由裁量权合理性评估方法及装置制造方法及图纸

本发明专利技术涉及一种基于大数据的行政处罚自由裁量权合理性评估方法及装置，包括获取基础数据；对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内，在判断案件的处罚金额在所述处罚金额范围内后，构建处罚金额合理性评估模型并根据所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性；本发明专利技术建立了对自由裁量权的合理性评估方法及装置，本申请能够辅助执法人员准确行使行政处罚自由裁量权，科学执法科学决策，为规范行政处罚自由裁量权的运用以及解决行政执法中滥用自由裁量权的问题，提供了一种科学高效的解决方案。

【技术实现步骤摘要】
基于大数据的行政处罚自由裁量权合理性评估方法及装置
本专利技术属于大数据
，具体涉及一种基于大数据的行政处罚自由裁量权合理性评估方法及装置。
技术介绍
面对社会发展的无限可能性和行政事务的复杂性，行政处罚金额的合理性评估越来越重要，这是在行政处罚过程中很重要的一环。目前我国行政处罚相关的法律法规中，存在着对同一违法行为处罚金额判定范围较大的问题，罚款金额不能有一个量化的解释，很容易出现行政执法过程中滥用自由裁量权的问题。在行政处罚过程中，由于某些因素的影响，一些地区和单位会出现“处罚过轻、处罚过量、同案不同罚”的问题，且行政执法过程中执法人员单凭个人主观意识和经验无法准确行使行政处罚自由裁量权，这就容易产生比较严重的不良影响。因此，以上问题非常有必要开发相应的技术去解决，对行政处罚自由裁量权处罚金额合理性评估已经成为目前需要迫切的解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种基于大数据的行政处罚自由裁量权合理性评估方法及装置，以解决现有技术行政执法过程中执法人员单凭个人主观意识和经验无法准确行使行政处罚自由裁量权的问题。为实现以上目的，本专利技术采用如下技术方案：一种基于大数据的行政处罚自由裁量权合理性评估方法，包括：获取基础数据；对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内；在判断案件的处罚金额在所述处罚金额范围内后，构建处罚金额合理性评估模型并根据所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性。进一步的，所述获取基础数据，包括：获取数据库中的初始数据；对所述初始数据进行清洗，得到基础数据。进一步的，所述对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，包括：采用信息抽取技术抽取基础数据的基本特征；根据抽取的基本特征确定案件的案由。进一步的，所述并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内，包括：根据案由确定法律法规规定的处罚金额范围；判断所述案件的处罚金额是否在所述法律法规规定的处罚金额范围内。进一步的，所述根据案由确定法律法规规定的处罚金额范围，包括：根据案件的基本特征，确定处罚依据；根据所述处罚依据确定法律法规规定的处罚金额范围。进一步的，所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性，包括：对类案进行模型训练；根据案件的处罚依据，判断是否存在对处罚金额的自由裁量；若存在，那么根据案件内容，通过类案相似性判断模型获取相似案件，根据与相似案件的相似程度，判断处罚金额是否合理；否则，计算出行政处罚金额的分布函数，判断本案件的处罚金额是否满足该分布。进一步的，所述对类案进行模型训练，包括：获取类案数据，并以相同比例获取非类案数据，对所述类案数据和非类案数据进行格式化，构造格式化数据集；所述格式化数据集包括训练数据集和测试数据集，将所述训练数据集分成N份；将所述训练数据进行分词处理，用word2vec进行词向量的映射，输入到BiLSTM模型中进行训练，并输出结果；通过N次交叉验证，获得最优模型，保存所述最优模型；加载所述最优模型进行测试，将测试数据集中的测试数据输入所述最优模型，依次进行分词、词向量映射、类案相似性计算，评估模型性能。进一步的，所述BiLSTM模型包括词向量嵌入层、双向LSTM层、注意力机制层、分类器；所述词向量嵌入层用于将训练数据转换为词向量；所述双向LSTM层以词向量为输入，对所述词向量进行转换输出固定长度的特征向量；所述注意力机制层以双向LSTM层输出的特征向量为输入，根据文本中单词的重要程度加上不同的权重，得到更精确的文本表示；分类层用softmax归一化attention权重，加权求和再进行带参余弦相似度计算。本申请实施例提供一种基于大数据的行政处罚自由裁量权合理性评估装置，包括：获取模块，用于获取基础数据；抽取模块，用于对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内；判断模块，用于在判断案件的处罚金额在所述处罚金额范围内后，构建处罚金额合理性评估模型并根据所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性。进一步的，所述判断模块包括:训练单元，用于对类案进行模型训练；计算模块，用于根据案件的处罚依据，判断是否存在对处罚金额的自由裁量；若存在，那么根据案件内容，通过类案相似性判断模型获取相似案件，根据与相似案件的相似程度，判断处罚金额是否合理；否则，计算出行政处罚金额的分布函数，判断本案件的处罚金额是否满足该分布。本专利技术采用以上技术方案，能够达到的有益效果包括：本申请制定了一种基于大数据的行政处罚自由裁量权合理性评估方法，建立了对自由裁量权处罚金额的合理性评估函数，能够辅助执法人员准确行使行政处罚自由裁量权，科学执法科学决策；为规范行政处罚自由裁量权的运用，防止和解决行政执法中滥用自由裁量权的问题，提供了一种科学高效的解决方案。附图说明为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种基于大数据的行政处罚自由裁量权合理性评估方法的步骤示意图；图2为本专利技术一种基于大数据的行政处罚自由裁量权合理性评估方法的流程示意图；图3为本专利技术一种基于大数据的行政处罚自由裁量权合理性评估装置的结构示意图；图4为本专利技术一种基于大数据的行政处罚自由裁量权合理性评估方法涉及的硬件运行环境的计算机设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。下面结合附图介绍本申请实施例中提供的一个具体的基于大数据的行政处罚自由裁量权合理性评估方法及装置。如图1所示，本申请实施例中提供的基于大数据的行政处罚自由裁量权合理性评估方法，包括：S101，获取基础数据；数据库中存储有初始数据，首先获取数据库中的初始数据，对初始数据进行预处理，也就是对初始数据进行清洗，从而得到基础数据。S102，对基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是本文档来自技高网...

【技术保护点】
1.一种基于大数据的行政处罚自由裁量权合理性评估方法，其特征在于，包括：/n获取基础数据；/n对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内；/n在判断案件的处罚金额在所述处罚金额范围内后，构建处罚金额合理性评估模型并根据所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性。/n

【技术特征摘要】
1.一种基于大数据的行政处罚自由裁量权合理性评估方法，其特征在于，包括：
获取基础数据；
对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内；
在判断案件的处罚金额在所述处罚金额范围内后，构建处罚金额合理性评估模型并根据所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性。


2.根据权利要求1所述的方法，其特征在于，所述获取基础数据，包括：
获取数据库中的初始数据；
对所述初始数据进行清洗，得到基础数据。


3.根据权利要求1所述的方法，其特征在于，所述对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，包括：
采用信息抽取技术抽取基础数据的基本特征；
根据抽取的基本特征确定案件的案由。


4.根据权利要求1所述的方法，其特征在于，所述并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内，包括：
根据案由确定法律法规规定的处罚金额范围；
判断所述案件的处罚金额是否在所述法律法规规定的处罚金额范围内。


5.根据权利要求4所述的方法，其特征在于，所述根据案由确定法律法规规定的处罚金额范围，包括：
根据案件的基本特征，确定处罚依据；
根据所述处罚依据确定法律法规规定的处罚金额范围。


6.根据权利要求1所述的方法，其特征在于，所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性，包括：
对类案进行模型训练；
根据案件的处罚依据，判断是否存在对处罚金额的自由裁量；若存在，那么根据案件内容，通过类案相似性判断模型获取相似案件，根据与相似案件的相似程度，判断处罚金额是否合理；否则，计算出行政处罚金额的分布函数，判断本案件的处罚金额是否满足该分布。


7.根据权利要求6所述的方法，其特征在于，所述对类案进行模型训练，包括：
获取类案数...

【专利技术属性】
技术研发人员：周晓琳，张莹，何晓萌，熊冠铭，
申请(专利权)人：北京北大软件工程股份有限公司，
类型：发明
国别省市：北京;11