【技术实现步骤摘要】
一种基于形式概念分析的罪名预测方法和系统
[0001]本专利技术涉及数据挖掘
，尤其涉及一种基于形式概念分析的罪名预测方法和系统。
技术介绍
[0002]现如今，法院案件判决文书数量大量增加，而相关从业人员的数量并不足以及时处理大量的案件。因此，如何快速从案件判决文书中筛选出关键信息，同时根据关键信息结合相关法律法规对案件进行罪名判决预测是当前罪名预测方面的研究热点。
[0003]当前方法大多数案件罪名预测均采用基于数据挖掘、深度学习的案件罪名预测方式，该方法可以较好的提供可能的罪名供相关工作人员参考。但是，现有方法仍然存在一些问题，原因在于现有方法大多采用根据已有案件来构造模型，以此来对未处理的案件进行预测，此方法在面对常见案件时准确率较高，但是在面对较为少见的案件时，预测结果往往会有较大偏差。并且，现实生活中有许多案件均含有多个罪名，然而目前的罪名预测方法大多数只能预测出一种罪名，因此同时在面对多个罪名的时候，现有方法并不能发挥出很好的效果。
技术实现思路
[0004]针对传统的罪名预测方法...
【技术保护点】
【技术特征摘要】
1.一种基于形式概念分析的罪名预测方法，其特征在于，包括：步骤1：基于自然语言处理技术对既有案件裁判文书及相关法律法规进行处理，得到既有案件裁判文书及相关法律法规中的犯罪行为及罪名；步骤2：将既有案件裁判文书及相关法律法规中的犯罪行为及罪名处理为形式背景，并采用形式概念分析方法对所述形式背景进行处理，生成一系列含有犯罪行为与罪名相对应的值依赖蕴含式；步骤3：基于自然语言处理技术对待预测案件进行处理，得到所述待预测案件中所包含的犯罪行为，将所述待预测案件中犯罪行为与一系列所述值依赖蕴含式进行匹配，得到所述待预测案件中犯罪行为所对应的罪名。2.根据权利要求1所述的一种基于形式概念分析的罪名预测方法，其特征在于，步骤2中，所述将既有案件裁判文书及相关法律法规中的犯罪行为及罪名处理为形式背景，具体包括：步骤A1：将犯罪行为及罪名作为形式背景中的属性，将每个既有案件判决文书或相关法律法规作为形式背景中的一个对象；步骤A2：对于每个对象，若该对象含有对应的属性，则将该对象和该属性的交叉单元格标记为1，否则标记为0，直至标记完所有对象，得到一个只包含0、1、对象、属性的表格，该表格即为形式背景。3.根据权利要求1所述的一种基于形式概念分析的罪名预测方法，其特征在于，步骤2中，所述采用形式概念分析方法对所述形式背景进行处理，生成一系列含有犯罪行为与罪名相对应的值依赖蕴含式，具体包括：步骤B1：提取形式背景中的所有属性，并按照字典序的顺序对所有属性进行排序；步骤B2：针对字典序中的每个属性集合，按照字典序从小到大的顺序依次验证B
→
f（g（B））－B是否成立，其中B为字典序中的属性集合；若B
→
f（g（B））－B成立，则继续判断B是否等于f（g（B）），若B等于f（g（B）），则将B加入到概念内涵集合中；若B不等于f（g（B）），则将B
→
f（g（B））－B加入到值依赖蕴含式集合中；步骤B3：在按照步骤B2处理完字典序中所有的属性集合之后，对所述值依赖蕴含式集合中的所有值依赖蕴含式进行筛选，所述筛选条件为：将值依赖前键包含有决策属性或者值依赖后键包含有条件属性的值依赖蕴含式进行删除；步骤B4：针对筛选后的所有值依赖蕴含式，将值依赖蕴含式中的属性与罪名和/或犯罪行为进行对应，即得到一系列犯罪行为与罪名相对应的值依赖蕴含式。4.根据权利要求3所述的一种基于形式概念分析的罪名预测方法，其特征在于，步骤B1中，所述按照字典序的顺序对所有属性进行排序，具体包括：步骤B11：定义属性之间的大小顺序，具体为：若将所有犯罪行为分别采用a1、a2、a3...a
n1
表示，将所有罪名分别采用b1、b2、b3...b
n2
表示，则定义所有属性的大小顺序为：a1＜a2＜a3＜...＜a
n1
＜b1＜b2＜b3＜...＜b
n2
；步骤B12：定义属性集合之间的大小顺序，具体为：设定所有属性的集合G={a1,a2,a3...a
n1, b1,b2,b3...b
n2
}，存在属性集合A
⊆
G和属性集合B
⊆
G，属性集合A和B中的元素均按照步骤B11的定义进行排序，若A与B中从左开始的第一个不等元素中A的较大，B的较小，则定义A＜B；
步骤B13：将所有属性集合按照步骤B12中的定义进行排序，得到的从小到大的顺序即为字典序；其中，每个属性集合均不相同，且满足在各自的属性集合中顺序为...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。