诉讼案件风险检测方法、装置、设备和可读存储介质制造方法及图纸

本申请公开了一种诉讼案件风险检测方法、装置、设备和可读存储介质，所述诉讼案件风险检测方法包括：获取目标诉讼案件对应的涉诉信息，并构建所述涉诉信息对应的诉讼特征数据；基于所述诉讼特征数据与预设分类模型，对所述目标诉讼案件进行分类，获得案件分类结果；基于所述案件分类结果、所述诉讼特征数据与预设风险检测模型，对所述目标诉讼案件进行诉讼风险检测，获得目标风险检测结果。本申请解决了诉讼案件风险检测准确性低的技术问题。诉讼案件风险检测准确性低的技术问题。诉讼案件风险检测准确性低的技术问题。

【技术实现步骤摘要】
诉讼案件风险检测方法、装置、设备和可读存储介质


[0001]本申请涉及机器学习
，尤其涉及一种诉讼案件风险检测方法、装置、设备和可读存储介质。

技术介绍

[0002]随着计算机技术的飞速发展，机器学习的应用也越来越广泛，当前，银行通常会将企业的诉讼案件作为评估企业信用的一个指标，进而为了便于进行企业信用风险预警，首先通常通过爬虫爬取诉讼案件的公开涉诉信息，进而直接基于公开涉诉信息中的直接案件信息，进行诉讼案件的风险检测，但是，由于爬虫得到的诉讼案件的原始案信息通常不够准确，进而直接基于公开涉诉信息进行诉讼案件的风险检测的准确性较低。

技术实现思路

[0003]本申请的主要目的在于提供一种诉讼案件风险检测方法、装置、设备和可读存储介质，旨在解决现有技术中诉讼案件风险检测准确率低的技术问题。
[0004]为实现上述目的，本申请提供一种诉讼案件风险检测方法，所述诉讼案件风险检测方法应用于诉讼案件风险检测设备，所述诉讼案件风险检测方法包括：
[0005]获取目标诉讼案件对应的涉诉信息，并构建所述涉诉信息对应的诉讼特征数据；
[0006]基于所述诉讼特征数据与预设分类模型，对所述目标诉讼案件进行分类，获得案件分类结果；
[0007]基于所述案件分类结果、所述诉讼特征数据与预设风险检测模型，对所述目标诉讼案件进行诉讼风险检测，获得目标风险检测结果。
[0008]本申请还提供一种诉讼案件风险检测装置，所述诉讼案件风险检测装置为虚拟装置，且所述诉讼案件风险检测装置应用于诉讼案件风险检测设备，所述诉讼案件风险检测装置包括：
[0009]构建模块，用于获取目标诉讼案件对应的涉诉信息，并构建所述涉诉信息对应的诉讼特征数据；
[0010]分类模块，用于基于所述诉讼特征数据与预设分类模型，对所述目标诉讼案件进行分类，获得案件分类结果；
[0011]风险检测模块，用于基于所述案件分类结果、所述诉讼特征数据与预设风险检测模型，对所述目标诉讼案件进行诉讼风险检测，获得目标风险检测结果。
[0012]本申请还提供一种诉讼案件风险检测设备，所述诉讼案件风险检测设备为实体设备，所述诉讼案件风险检测设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述诉讼案件风险检测方法的程序，所述诉讼案件风险检测方法的程序被处理器执行时可实现如上述的诉讼案件风险检测方法的步骤。
[0013]本申请还提供一种可读存储介质，所述可读存储介质上存储有实现诉讼案件风险检测方法的程序，所述诉讼案件风险检测方法的程序被处理器执行时实现如上述的诉讼案
件风险检测方法的步骤。
[0014]本申请提供了一种诉讼案件风险检测方法、装置、设备和可读存储介质，相比于现有技术中采用的通过爬虫爬取诉讼案件的公开涉诉信息，进而直接基于公开涉诉信息中的直接案件信息，进行诉讼案件的风险检测的技术手段，本申请在获取目标诉讼案件对应的涉诉信息之后，首先构建所述涉诉信息对应的诉讼特征数据，进而基于所述诉讼特征数据与预设分类模型，对所述目标诉讼案件进行分类，获得案件分类结果，也即，生成目标诉讼案件的额外分类信息，其中，需要说明的是，不同类别的诉讼案件对企业的风险高低是不一致的，例如，企业与员工的劳务报酬纠纷诉讼案件对企业的风险低，而知识产权诉讼案件则对企业的风险高，进而只基于涉诉信息本身的直接案件信息进行风险检测的准确性较低，而本申请基于所述案件分类结果、所述诉讼特征数据与预设风险检测模型，对所述目标诉讼案件进行诉讼风险检测，也即，根据目标诉讼案件的额外类别信息，有针对性地对目标诉讼案件进行风险检测，进而提高了诉讼案件风险检测的准确性，克服了由于爬虫得到的诉讼案件的原始案信息通常不够准确，进而直接基于公开涉诉信息进行诉讼案件的风险检测的准确性低的技术缺陷，提高了诉讼案件风险检测的准确性。
附图说明
[0015]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0016]为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本申请诉讼案件风险检测方法第一实施例的流程示意图；
[0018]图2为本申请诉讼案件风险检测方法第二实施例的流程示意图；
[0019]图3为本申请诉讼案件风险检测方法第三实施例的流程示意图；
[0020]图4为本申请实施例方案涉及的硬件运行环境的设备结构示意图。
[0021]本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0022]应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0023]在本申请诉讼案件风险检测方法的第一实施例中，参照图1，述诉讼案件风险检测方法应用于第一设备，所述诉讼案件风险检测方法包括：
[0024]步骤S10，获取目标诉讼案件对应的涉诉信息，并构建所述涉诉信息对应的诉讼特征数据；
[0025]在本实施例中，需要说明的是，所述诉讼案件风险检测方法用于对企业的诉讼案件进行风险检测，以对企业进行风险预警，所述涉诉特征数据为具备诉讼案件特征的编码数据，用于表示所述涉诉信息，其中，所述诉讼案件特征包括当事人身份、案由和涉案金额等，
[0026]获取目标诉讼案件对应的涉诉信息，并构建所述涉诉信息对应的诉讼特征数据，具体地，获取目标诉讼案件对应的涉诉信息，并对所述涉诉信息进行特征提取，以提取所述
涉诉信息中的诉讼案件特征信息，获得所述涉诉信息对应的诉讼特征数据，其中，所述诉讼案件特征信息为诉讼案件特征对应的关联数据。
[0027]其中，所述涉诉信息包括涉诉案件文本，所述诉讼特征数据包括诉讼特征表示向量，
[0028]所述构建所述涉诉信息对应的诉讼特征数据的步骤包括：
[0029]步骤S11，从所述涉诉案件文本中提取预设数量的构造特征对应的目标特征值，并将各所述目标特征值组合为构造特征向量；
[0030]在本实施例中，需要说明的是，所述构造特征为人工构造的特征，所述构造特征包括事人身份、案由和涉案金额等。
[0031]从所述涉诉案件文本中提取预设数量的构造特征对应的目标特征值，并将各所述目标特征值组合为构造特征向量，具体地，在所述涉诉案件文本中提取每一所述构造特征对应的特征关联词，并对各所述特征关联词进行特征编码，生成各所述构造特征对应的目标特征值，进而将各所述目标特征值以预设排列顺序进行拼接，获得构造特征向量，例如，假设所述构造特征包括特征A、特征B和特征C，特征A对应的特征关联词为X，特征编码后获得的目标特征值为a，特征A对应的特征关联词为Y，特征编码后获得的目标特征值为b，特征C对应的特征关联词为Z，特征编码后获得的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诉讼案件风险检测方法，其特征在于，所述诉讼案件风险检测方法包括：获取目标诉讼案件对应的涉诉信息，并构建所述涉诉信息对应的诉讼特征数据；基于所述诉讼特征数据与预设分类模型，对所述目标诉讼案件进行分类，获得案件分类结果；基于所述案件分类结果、所述诉讼特征数据与预设风险检测模型，对所述目标诉讼案件进行诉讼风险检测，获得目标风险检测结果。2.如权利要求1所述诉讼案件风险检测方法，其特征在于，所述基于所述案件分类结果、所述诉讼特征数据与预设风险检测模型，对所述目标诉讼案件进行诉讼风险检测，获得目标风险检测结果的步骤包括：将所述诉讼特征数据输入所述预设风险检测模型，以基于所述诉讼特征数据，对所述目标诉讼案件进行诉讼风险检测，获得初始风险检测结果；获取所述案件分类结果对应的目标权重，并基于所述目标权重和所述初始风险检测结果，生成所述目标风险检测结果。3.如权利要求2所述诉讼案件风险检测方法，其特征在于，在所述基于所述案件分类结果、所述诉讼特征数据与预设风险检测模型，对所述目标诉讼案件进行诉讼风险检测，获得目标风险检测结果的步骤之后还包括：对所述初始风险检测结果进行针对于所述预设风险检测模型的模型解释，获得所述初始风险检测结果对应的诉讼案件风险影响因素；基于所述目标风险检测结果、所述案件分类结果和所述诉讼案件风险影响因素，生成诉讼案件风险检测报告。4.如权利要求3所述诉讼案件风险检测方法，其特征在于，所述对所述初始风险检测结果进行针对于所述预设风险检测模型的模型解释，获得所述初始风险检测结果对应的诉讼案件风险影响因素的步骤包括：确定所述诉讼特征数据对应的各诉讼案件特征；基于所述预设风险检测模型，分别计算各所述诉讼案件特征对所述初始风险检测结果的特征贡献度；基于各所述特征贡献度，在各所述诉讼案件特征中选取目标特征作为所述诉讼案件风险影响因素。5.如权利要求1所述诉讼案件风险检测方法，其特征在于，所述涉诉信息包括涉诉案件文本，所述诉讼特征数据包括诉讼特征表示向量，所述构建所述涉诉信息对应的诉讼特征数据的步骤包括：从所述涉诉案件文本中提取预设数量的构造特征对应的目标特征值，并将各所述目标特征值组合为构造特征向量；对所述涉诉案件文本进行关键词词频检测，生成关键词词频向量；将所述涉诉案件文本映射至预设数据维度空间，获得文本低维空间表示向量；将所述构造特征向量、所述关...

【专利技术属性】
技术研发人员：杨志勇，王玮，何方圆，洪雪芬，傅杰，孙健，马超，王平，
申请(专利权)人：招商银行股份有限公司，
类型：发明
国别省市：