一种基于改进KNN的检察官个性化推荐方法技术

本发明专利技术提供一种基于改进KNN的检察官个性化推荐方法，涉及个性化推荐技术领域。本发明专利技术通过对待推荐检察官列表进行检察官期望工作量分析，检察官当前办理案件的期望工作量预测，进行个性化检察官推荐，实现新到案件的分配。提高案件的分配合理性，提高案件办理效率。

【技术实现步骤摘要】
一种基于改进KNN的检察官个性化推荐方法
本专利技术涉及个性化推荐
，尤其涉及一种基于改进KNN的检察官个性化推荐方法。
技术介绍
KNN(K最近邻)算法是数据挖掘中的常见分类算法之一，即通过计算目标点与邻近节点的欧式距离，从中选出K个最邻近的节点来表示目标点。在检察院办案流程中，案件分配问题直接关系到案件的办理效率、检察官的办案积极性和激励制度的完善。司法改革以来，很多学者都对如何实现案件与检察官最优匹配这一问题进行过研究，但是目前的研究仅仅出于定性分析阶段，除了列举智能分案需要完成哪些具体目标之外，并没有具体给出影响智能分案结果的因素有哪些。因为不同案件由于案件类型存在较大差异，所以其所适合办理的检察官也会有所不同。通过对案件工作量和检察官办理案件的能力的分析，对不同类型的案件进行分配，并结合检察官的当前负荷，能有效得实现案件与检察官的最优匹配。
技术实现思路
为解决上述技术问题，本专利技术提出一种基于改进KNN的检察官个性化推荐方法，通过对待推荐检察官列表进行检察官期望工作量分析，检察官当前办理案件的期望本文档来自技高网...

【技术保护点】
1.一种基于改进KNN的检察官个性化推荐方法，其特征在于，包括以下步骤：/n步骤1：对检察院办案数据进行预处理，提取所有检察官数据得到检察官列表，获得其中每个检察官的办理历史案件集合以及检察官当前办理案件集合；/n步骤2：根据每个检察官历史办理的案件，计算检察官承办每个案件的期望工作量；然后对案件按照案件类型进行划分，根据案件期望工作量，计算检察官办理每类案件的期望工作量；/n步骤3：根据检察官当前办理的案件，使用回归决策树模型预测检察官当前办理的每个案件的期望工作量，并基于检察官办理的历史案件的期望工作量计算检察官的当前工作负荷；/n步骤4：根据检察官历史案件的期望工作量和检察官的当前工作负...

【技术特征摘要】
1.一种基于改进KNN的检察官个性化推荐方法，其特征在于，包括以下步骤：
步骤1：对检察院办案数据进行预处理，提取所有检察官数据得到检察官列表，获得其中每个检察官的办理历史案件集合以及检察官当前办理案件集合；
步骤2：根据每个检察官历史办理的案件，计算检察官承办每个案件的期望工作量；然后对案件按照案件类型进行划分，根据案件期望工作量，计算检察官办理每类案件的期望工作量；
步骤3：根据检察官当前办理的案件，使用回归决策树模型预测检察官当前办理的每个案件的期望工作量，并基于检察官办理的历史案件的期望工作量计算检察官的当前工作负荷；
步骤4：根据检察官历史案件的期望工作量和检察官的当前工作负荷，利用改进的KNN算法从待推荐检察官集合中选择与新到案件最匹配的检察官，测试数据集中每个案件都分配个最优检察官，进行检察官的个性化推荐，获取最适合办理新到案件的检察官。


2.根据权利要求1所述的一种基于改进KNN的检察官个性化推荐方法，其特征在于，步骤2中所述案件期望工作量Ts，如下式所示:其中dts表示案件s的办案时长，πc表示第c次迭代的权重，ρ表示固定时间区间内案件总数；
计算每类案件的平均期望工作量DS，如下式所示：其中S表示每类案件的总数；
得到检察官办理每类案件的平均期望工作量F，如下式所示：其中Q表示检察官办理每类案件的案件总数。


3.根据权利要求1所述的一种基于改进KNN的检察官个性化推荐方法，其特征在于，所述步骤3具体包括以下步骤：
步骤3.1：在训练数据集所在的输入空间中，递归地将每个区域划分为两个子区域并决定每个子区域上的输出值，构建二叉决策树：
步骤3.2：整合数据集，将案件期望工作量，每类案件的平均期望工作量，检察官办理每类案件的平均期望工作量与历史案件集合进行整合，生成数据集D；
步骤3.3：建立回归预测树模型，其中输入为包含案件期望工作量的数据集D，输出为检察官当前工作负荷fs(X)；
步骤3.4：选择数据集D最优切分变量j与切分点s，对下式进行求解，遍历变量j，对切分变量j扫描切分点s，选择使上式达到最小值的对(j，s)；



...

【专利技术属性】
技术研发人员：栗伟，闵新，杨金钊，王子晴，赵大哲，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21