基于大数据的法规识别方法、装置、电子设备及介质制造方法及图纸

本发明专利技术涉及人工智能领域，揭露一种基于大数据的法规识别方法，包括：利用预构建的关系识别模型对法规数据和案件数据中的字符进行位置向量编码、特征提取及结构提取，并识别法规数据和案件数据的预测关联关系；计算预测关联关系与实际关联关系的损失值，调整关系识别模型参数，得到标准关系识别模型；利用标准关系识别模型识别待受理案件的第一法规；将待受理案件与历史案件匹配的法规作为待受理案件的第二法规；将第一法规和第二法规相同法规作为待受理案件的最终法规。本发明专利技术还涉及一种区块链技术，所述最终法规可以存储在区块链节点中。本发明专利技术还提出一种基于大数据的法规识别装置、电子设备以及介质。本发明专利技术可以提高法规识别的准确率和效率。别的准确率和效率。别的准确率和效率。

【技术实现步骤摘要】
基于大数据的法规识别方法、装置、电子设备及介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于大数据的法规识别方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]网格化管理是将城市管理辖区按照一定的标准划分成为单元网格，当前，网格化监管具有“一岗多责”的特性，且监管执法人员在监管过程中需要根据不同类型不同行业不同经营范围的主体，应用不同的法律法规法条。
[0003]但是，大量监管的工作都集中在执法过程中法规依据的自我学习和宣导，由于工作量大，工作对象复杂，相关法规繁多，在监管执法人员对一些不同类型不同行业不同经营范围违法案件的违法案件选取对应的法规时，仅凭人工理解法规并选择合适法规，使得法规识别的效率和准确率都较低。

技术实现思路

[0004]本专利技术提供一种基于大数据的法规识别方法、装置、电子设备及计算机可读存储介质，其主要目的是为了提高法规识别的准确率和效率。
[0005]为实现上述目的，本专利技术提供的一种基于大数据的法规识别方法，包括：
[0006]获取法规数据和案件数据，并标记所述法规数据和案件数据的实际关联关系；
[0007]利用预构建的关系识别模型中的编码层分别对所述法规数据和案件数据中的字符进行位置向量编码，生成法规字符向量集和案件字符向量集；
[0008]利用所述关系识别模型中的前馈注意力机制对所述法规字符向量集和所述案件字符向量集分别进行特征提取和结构提取，得到特征法规字符向量集和特征案件字符向量集；
[0009]利用所述关系识别模型中的匹配模块对所述特征法规字符向量和特征案件字符向量进行关联关系识别，得到所述法规数据和案件数据的预测关联关系；
[0010]利用所述关系识别模型中的损失函数计算所述预测关联关系与所述实际关联关系的损失值，根据所述损失值调整所述关系识别模型的参数，直至所述关系识别模型满足预设条件时，得到训练完成的标准关系识别模型；
[0011]获取待受理案件，利用所述标准关系识别模型识别所述待受理案件对应的第一法规；
[0012]将所述待受理案件与预构建历史案件库中的历史案件进行匹配，并将匹配成功的所述历史案件对应的法规作为所述待受理案件的第二法规；
[0013]将所述第一法规和所述第二法规中的相同法规作为所述待受理案件的最终法规。
[0014]可选地，所述利用所述关系识别模型中的匹配模块对所述特征法规字符向量和特征案件字符向量进行关联关系识别，得到所述法规数据和案件数据的预测关联关系，包括：
[0015]获取所述特征法规字符向量对应的法规上下字符语义以及所述特征案件字符向
量对应的案件上下字符语义；
[0016]利用所述匹配模块中的隐马尔可夫算法分别对所述法规上下字符语义以及所述案件上下字符语义进行拼接，得到法规字符矩阵和案件字符矩阵；
[0017]利用所述匹配模块中的NLP匹配算法计算所述法规字符矩阵和案件字符矩阵的关联系数；
[0018]若所述关联系数小于或等于预设关联系数，则确定所述法规字符矩阵对应的法规数据和所述案件字符矩阵对应的案件数据不存在关联关系；
[0019]若所述关联系数大于预设关联系数，则确定所述法规则所述法规字符矩阵对应的法规数据和所述案件字符矩阵对应的案件数据存在关联关系。
[0020]可选地，所述利用所述预构建关系识别模型中的前馈注意力机制对所述法规字符向量集和所述案件字符向量集分别进行特征提取和结构提取，得到特征法规字符向量和特征案件字符向量，包括：
[0021]利用所述前馈注意力机制中的隐马尔可夫模块对获取到的所述法规字符向量和所述案件字符向量进行特征提取，得到特征字符向量；
[0022]利用所述前馈注意力机制中的编码器提取所述特征字符向量的结构信息，得到特征法规字符向量集和特征案件字符向量集。
[0023]可选地，所述利用预构建的关系识别模型中的编码层分别对所述法规数据和案件数据中的字符进行位置向量编码，生成法规字符向量集和案件字符向量集，包括：
[0024]利用所述编码层分别对所述法规数据和所述案件数据中的字符进行位置索引编码，得到法规字符位置索引和案件字符位置索引；
[0025]利用所述编码层将所述法规数据和所述案件数据中的字符分别转化成字符向量，得到初始法规字符向量和初始案件字符向量；
[0026]将所述法规字符位置索引和所述初始法规字符向量进行组合，生成法规字符向量集；
[0027]将所述案件字符位置索引和所述初始案件字符向量进行组合，生成案件字符向量集。
[0028]可选地，所述标记所述法规数据和案件数据的实际关联关系，包括：
[0029]利用预设的指针算法对所述法规数据和所述案件数据的实际关联关系进行标记。
[0030]可选地，所述利用所述关系识别模型中的损失函数计算所述预测关联关系与所述实际关联关系的损失值，包括：
[0031]利用下述损失函数计算所述预测关联关系与所述实际关联关系的损失值：
[0032][0033]其中，L(s)表示损失值，k表示预测关联关系的数量，y
i
表示第i个预测关联关系，y
′
i
表示第i个实际关联关系。
[0034]可选地，所述将所述待受理案件与预构建历史案件库中的历史案件进行匹配，并将匹配成功的所述历史案件对应的法规作为所述待受理案件的第二法规，包括：
[0035]计算所述待受理案件和所述预构建历史案件库中的历史案件的关联度；
[0036]若所述关联度大于预设关联度，则确定所述待受理案件和所述预构建历史案件库中的历史案件匹配成功，并将匹配成功的历史案件对应的法规作为所述待受理案件的第二法规。
[0037]为了解决上述问题，本专利技术还提供一种基于大数据的法规识别装置，所述装置包括：
[0038]标记模块，用于获取法规数据和案件数据，并标记所述法规数据和案件数据的实际关联关系；
[0039]模型训练模块，用于利用预构建的关系识别模型中的编码层分别对所述法规数据和案件数据中的字符进行位置向量编码，生成法规字符向量集和案件字符向量集，利用所述关系识别模型中的前馈注意力机制对所述法规字符向量集和所述案件字符向量集分别进行特征提取和结构提取，得到特征法规字符向量集和特征案件字符向量集，利用所述关系识别模型中的匹配模块对所述特征法规字符向量和特征案件字符向量进行关联关系识别，得到所述法规数据和案件数据的预测关联关系，利用所述关系识别模型中的损失函数计算所述预测关联关系与所述实际关联关系的损失值，根据所述损失值调整所述关系识别模型的参数，直至所述关系识别模型满足预设条件时，得到训练完成的标准关系识别模型；
[0040]法规获取模块，用于获取待受理案件，利用所述标准关系识别模型识别所述待受理案件对应的第一法规，将所述待受理案件与预构建历史案件库中的历史案件进行匹配，并将匹配成功的所述历史案件对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的法规识别方法，其特征在于，所述方法包括：获取法规数据和案件数据，并标记所述法规数据和案件数据的实际关联关系；利用预构建的关系识别模型中的编码层分别对所述法规数据和案件数据中的字符进行位置向量编码，生成法规字符向量集和案件字符向量集；利用所述关系识别模型中的前馈注意力机制对所述法规字符向量集和所述案件字符向量集分别进行特征提取和结构提取，得到特征法规字符向量集和特征案件字符向量集；利用所述关系识别模型中的匹配模块对所述特征法规字符向量和特征案件字符向量进行关联关系识别，得到所述法规数据和案件数据的预测关联关系；利用所述关系识别模型中的损失函数计算所述预测关联关系与所述实际关联关系的损失值，根据所述损失值调整所述关系识别模型的参数，直至所述关系识别模型满足预设条件时，得到训练完成的标准关系识别模型；获取待受理案件，利用所述标准关系识别模型识别所述待受理案件对应的第一法规；将所述待受理案件与预构建历史案件库中的历史案件进行匹配，并将匹配成功的所述历史案件对应的法规作为所述待受理案件的第二法规；将所述第一法规和所述第二法规中的相同法规作为所述待受理案件的最终法规。2.如权利要求1所述的基于大数据的法规识别方法，其特征在于，所述利用所述关系识别模型中的匹配模块对所述特征法规字符向量和特征案件字符向量进行关联关系识别，得到所述法规数据和案件数据的预测关联关系，包括：获取所述特征法规字符向量对应的法规上下字符语义以及所述特征案件字符向量对应的案件上下字符语义；利用所述匹配模块中的隐马尔可夫算法分别对所述法规上下字符语义以及所述案件上下字符语义进行拼接，得到法规字符矩阵和案件字符矩阵；利用所述匹配模块中的NLP匹配算法计算所述法规字符矩阵和案件字符矩阵的关联系数；若所述关联系数小于或等于预设关联系数，则确定所述法规字符矩阵对应的法规数据和所述案件字符矩阵对应的案件数据不存在关联关系；若所述关联系数大于预设关联系数，则确定所述法规则所述法规字符矩阵对应的法规数据和所述案件字符矩阵对应的案件数据存在关联关系。3.如权利要求1所述的基于大数据的法规识别方法，其特征在于，所述利用所述预构建关系识别模型中的前馈注意力机制对所述法规字符向量集和所述案件字符向量集分别进行特征提取和结构提取，得到特征法规字符向量和特征案件字符向量，包括：利用所述前馈注意力机制中的隐马尔可夫模块对获取到的所述法规字符向量和所述案件字符向量进行特征提取，得到特征字符向量；利用所述前馈注意力机制中的编码器提取所述特征字符向量的结构信息，得到特征法规字符向量集和特征案件字符向量集。4.如权利要求1所述的基于大数据的法规识别方法，其特征在于，所述利用预构建的关系识别模型中的编码层分别对所述法规数据和案件数据中的字符进行位置向量编码，生成法规字符向量集和案件字符向量集，包括：利用所述编码层分别对所述法规数据和所述案件数据中的字符进行位置索引编码，得
到法规字符位置索引和案件字符位置索引；利用所述编码层将所述法规数据和所述案件数据中的字符分别转化成字符向量，得到初始法规字符向量和初始案件字符向量；将所述法规字符位置索引和所述初始法...

【专利技术属性】
技术研发人员：罗斯洋，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：