检察业务画像知识融合方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种检察业务画像知识融合方法、装置、电子设备及存储介质，加入对检察领域的大量业务知识的考虑，结合了传统特征选择算法和神经网络分类模型各自的优势，将人工确定的业务筛选知识特征与基于大数据抽取的知识特征进行融合，进一步地并提出特征组合信息递进约简的方法，得到了更好的特征约简子集和维度分类效果，以进一步实现检察业务画像的本体构建和体系知识融合的目的。构建和体系知识融合的目的。构建和体系知识融合的目的。

【技术实现步骤摘要】
检察业务画像知识融合方法、装置、电子设备及存储介质


[0001]本专利技术涉及软件
，更具体地说，涉及一种检察业务画像知识融合方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，随着“智慧检务”概念的提出，检察工作智能信息化成为发展趋势。随着人工智能、大数据领域的悄然兴起，围绕画像技术的相关研究也相继展开，并逐步成为众多学者关注的热点，将画像知识应用于检察领域成为顺应发展的必然工作。
[0003]检察业务画像技术，包含检察官画像和案件画像，对于分析检察官工作习惯、业务能力及其知识擅长领域及监督检察办案等问题有着广泛的应用前景，可以助力智能辅助办案、智能检察官培训以及智能检察官业绩考核等领域。面对多源异构的检务数据来源，利用自然语言处理、机器学习等技术同时结合人工知识的筛选，自动构建科学的检察业务画像本体成为迫切的需求。

技术实现思路

[0004]有鉴于此，为解决上述问题，本专利技术提供一种检察业务画像知识融合方法、装置、电子设备及存储介质，技术方案如下：
[0005]本专利技术一方面提供一种检察本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检察业务画像知识融合方法，其特征在于，所述方法包括：从已获取的检察业务数据中抽取检察业务画像的知识特征；针对目标指标，从所述知识特征中提取已确定的第一知识特征和未确定的第二知识特征；对所述第二知识特征进行约简处理，得到第三知识特征；将所述第一知识特征和所述第三知识特征作为训练特征对目标神经网络进行训练，以获得能够预测所述目标指标的分类模型。2.根据权利要求1所述的方法，其特征在于，所述检察业务数据的获取方式，包括：从目标数据源中获取原始检察业务数据；对所述原始检察业务数据进行数据清洗，得到所述检察业务数据。3.根据权利要求1所述的方法，其特征在于，所述对所述第二知识特征进行约简处理，包括：采用过滤式特征选择算法计算所述第二知识特征的权重，所述权重与知识特征的重要程度成正比；基于权重从所述第二知识特征中选取重要程度满足对应条件的目标第二知识特征；对所述目标第二知识特征中具有相关性的知识特征进行特征组合。4.根据权利要求3所述的方法，其特征在于，所述采用过滤式特征选择算法计算所述第二知识特征的权重之前，所述方法还包括：对所述第二知识特征进行预处理。5.根据权利要求1所述的方法，其特征在于，所述将所述第一知识特征和所述第三知识特征作为训练特征对目标神经网络进行训练，包括：根据知识特征间的相关性将所述第三知识特征聚类至第一类别和第二类别下；调用目标神经网络，并初始化所述目标神经网络的网络参数；以遍历方式分别从所述第一类别和所述第二类别下提取每次迭代的第三知识特征，以对所述目标神经网络执行多次迭代训练，直到遍历完所述第一类别/所述第二类别时结束第一阶段的训练；对所述目标神经网络每次迭代训练的过程如下：将所提取的两个第三知识特征和所述第一知识特征作为本此迭代训练用的训练特征，对所述目标神经网络进行部分训练，以调整所述目标神经网络的网络参数；计算所述目标神经网络本次迭代训练的分类准确率和学习进度；如果所述分类准确率或者所述学习进度不满足对应的阈值，则将所述目标神经网络的网络参数回溯至本次迭代训练前，删除本次迭代训练从所述第一类别/所述第二类别下所提取的第三知识特征，从被删除的类别下以遍历方式重新提取第三知识特征，并返回执行所述将所提取的两个第三知识特征和所述第一知识特征作为本此迭代训练用的训练特征，这一步骤；如果所述分类准确率和所述学习进度均满足各自对应的阈值，则保存所提取的两个第三知识特征，进入下一次迭代训练。6.根据权利要求5所述的方法，其特征在于，所述将所述第一知识特征和所述第三知识特征作为训练特征对目标神经网络进行训练，还包括：
...

【专利技术属性】
技术研发人员：邬雨婷，梁鸿翔，王曦，
申请(专利权)人：北京北大英华科技有限公司，
类型：发明
国别省市：