一种法院案件工作量评估方法技术

本发明专利技术公开了一种法院案件工作量评估方法及系统，方法包括以下步骤：分析法院案件审判过程，选取合适指标建立案件工作量指标体系；根据建立的工作量指标体系，收集相关原始案件数据；对收集到的原始数据进行预处理操作；运用熵值法以及法院案件工作量折算标准计算案件工作量权重系数；搭建基于BP神经网络的工作量评估模型；计算BP神经网络输入指标的权重；以选取的基准案件为标准，计算相对案件工作量权重系数。通过BP神经网络的工作量评估模型更加贴合实际地评估法官的办案工作量。型更加贴合实际地评估法官的办案工作量。型更加贴合实际地评估法官的办案工作量。

【技术实现步骤摘要】
一种法院案件工作量评估方法


[0001]本专利技术属于数据处理领域，具体的涉及一种法院案件工作量评估方法。

技术介绍

[0002]近年来，“案多人少”已经是全中国法院运行面临的最大问题之一，并受多种因素的制约。而缓解这个问题的方案之一，就是对法官的案件工作量进行科学测算，并在科学测算的基上，进行有效的绩效考核与人员配置。法官工作量是司法改革中的一个重要的考虑因素，如果能够较好地评估法官的工作量，那么将对司法改革能够提供很多有效的帮助。
[0003]众所周知，法官面对的各类案件是有着明显的简单复杂之分，在各类案件中付出的体力脑力劳动也有着天渊之别，最初是以案件绝对数量来代表办案工作量的方法显然不够科学。所以，对案件工作量的评估引入了“案件权重”的思想，通过合理确定案件权重系数来科学考核法官工作量。
[0004]确定案件权重系数是指确定各案件相较于基准案件的相对工作量。由于案件类型复杂多样、各个法院办案程序千差万别，不同法院确定案件权重的方法也有不同，主要可分为俩种方法：第一种是主观经验法，即考核者(专家)凭自己以往的经验指定不同类型案件的工作量权重，但这种方法对考核者专业技能要求很高且不够客观，此外，此方法忽视了同类型案件之间工作量的差异；第二种方法是客观数量法，即通过分析利用以往的案件数据并通过一定的科学方法得出案件权重，它是案件权重测算的首选方法。其中颇具代表性的是上海方案，上海方案以庭审时间、笔录字数、审理天数、法律文书字数这四项指标为计算依据，用某一类案件各指标均值与全部案件各要素均值的比值，分别乘以0.25，再求和即可得出此类案件的权重系数。但上海方案中将四项指标权重均设为0.25，意味着四项指标对结果的影响程度相同，这显然是不合理的。
[0005]综上所述，现有的案件工作量评估方法存在的问题是：
[0006](1)由专家人员凭借经验直接指定案件类型的权重系数，缺乏客观性且忽视了同类型案件之间工作量的差异；
[0007](2)使用客观数量法来确定案件权重系数时，如何科学地确定指标权重系数有待解决。
[0008]因此，设计一种新的案件工作量评估方法是十分有必要的。

技术实现思路

[0009]专利技术目的：本专利技术提出了一种法院案件工作量评估方法，应用熵值法以及神经网络深度学习技术解决现有案件工作量评估方法的不足，使用主客观相结合的方式更加科学地评估法官的办案工作量，有助于缓解我国法院系统“案多人少”的矛盾。
[0010]技术方案：一种法院案件工作量评估方法，包括以下步骤：
[0011](1)选取合适指标构建案件工作量指标体系；
[0012](2)根据建立的工作量指标体系，收集相关原始案件数据；
[0013](3)对收集到的原始数据进行预处理操作；
[0014](4)为减少案件工作量评估中主观因素的影响，将通过步骤(3)处理后的数据，运用熵值法和法院案件工作量折算标准，计算主客观相结合的案件工作量权重系数；
[0015](5)使用步骤(4)中得出的案件工作量权重系数作为模型输出，搭建基于BP神经网络的工作量评估模型；
[0016](6)根据步骤(5)搭建的基于BP神经网络的工作量评估模型，计算模型输入指标的权重；
[0017](7)根据步骤(6)得出的指标权重系数，将指标权重与数据加权求和计算出待评估案件的工作量权重系数。
[0018]作为优选，所述步骤(1)中的建立案件工作量指标体系的步骤包括：
[0019](1.1)分析法院判案的整体流程，包括：庭前准备、开庭审理、结案归档；
[0020](1.2)从三大判案流程中选取可量化的指标，选取的指标例如：裁判文书字数、庭审时间、开庭次数；
[0021](1.3)从指标的通用性、是否易收集等角度进行分析，选取符合要求的指标构建案件工作量指标体系。
[0022]作为优选，所述步骤(3)中的数据预处理的步骤包括：首先去除工作量数据严重缺失的记录，这些数据会严重影响方法的准确性；其次，去除指标数据中值为负的或者不符合常理的记录，由于案件指标信息的度量一般是次数、字数、时间，故指标数据不可能为负值。
[0023]作为优选，所述步骤(4)中计算主客观相结合的案件工作量权重系数的步骤包括：
[0024](4.1)对处理好的数据基于熵值法计算案件工作量权重系数y1；
[0025](4.2)根据某地方法院的案件工作量折算标准，按照案件类型、案由等案件相关信息确定主观的案件工作量权重系数y2；
[0026](4.3)将客观的案件工作量权重系数y1与主观的案件工作量权重系数y2进行加权求和得出主客观相结合的客观相结合的案件工作量权重系数y，目前采用的的权重比是1:1，故计算公式为
[0027][0028]作为优选，所述步骤(4.1)中的运用熵值法评估案件工作量的步骤包括：
[0029](4.1.1)首先对数据进行归一化处理，消除物理量的影响，其计算公式为：
[0030][0031]其中，x
ij
是第i个案件的第j个指标值(i＝1,2,
…
,n；j＝1,2,
…
,m)，假设选取了n个案件作为样本、设计了m个指标，x
min
为第j个指标值的最小值，x
max
为第j个指标值的最大值。
[0032]随后，使用步骤(3)中处理好的数据，计算第j个指标下，第i个案件的贡献度p
ij
，其计算公式为：
[0033][0034](4.1.2)计算第j项指标的熵值e
j
，其计算公式为：
[0035][0036](4.1.3)计算差异性系数g
j
，其计算公式为：
[0037]g
j
＝1
‑
e
j
[0038](4.1.4)确定评价指标的权重系数w
j
，其计算公式为：
[0039][0040](4.1.5)选取基准案件(工作量权重系数为1)，设基准案件的综合评价分数为y
′
，计算待评估案件的工作量权重系数y
i
，其计算公式为：
[0041][0042]作为优选，所述步骤(5)中的搭建基于BP神经网络的工作量评估模型的步骤包括：
[0043](5.1)设计输入/输出训练样本数据。首先，由于该神经网络模型选择Sigmoid函数作为传输函数，故需要将输出数据(工作量数据)也作归一化处理，其计算公式如步骤(4.1.1)所示。随后，将步骤(4)中进行无量纲化处理后的指标数据与步骤(4)中得出的作为监督数据的案件工作量组合起来作为模型的样本数据，由此可以确定模型输入层神经单元个数为评价指标的个数，输出层神经单元个数为1。随后，选取其中的70％作为训练数据，30％作为模型验证数据；
[0044](5.2)现有理论已经证明，3层的前馈神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种法院案件工作量评估方法，其特征在于，包括以下步骤：(1)分析法院案件审判过程，选取指标构建案件工作量指标体系；(2)根据建立的工作量指标体系，收集相关原始案件数据信息；(3)对收集到的原始数据进行预处理操作，生成案件原始数据集；(4)为减少案件工作量评估中主观因素的影响，将通过步骤(3)处理后的数据，运用熵值法和法院案件工作量折算标准，计算主客观相结合的案件工作量权重系数；(5)搭建基于BP神经网络的工作量评估模型；(6)根据步骤(5)搭建的基于BP神经网络的工作量评估模型，计算出模型输入指标的权重系数；(7)利用步骤(6)中得出的模型输入指标的权重系数，计算出待评估案件的工作量权重系数。2.根据权利要求1所述的一种法院案件工作量评估方法，其特征在于，所述步骤(1)中的建立案件工作量指标体系的步骤包括：(1.1)分析梳理法院判案的整体流程，包括三大阶段：庭前准备、开庭审理、结案归档；(1.2)从三大判案流程中选取可量化的指标，选取的指标包括：裁判文书字数、庭审时间、开庭次数；(1.3)从指标的通用性、易收集性进行分析，选取符合要求的指标构建案件工作量指标体系。3.根据权利要求1所述的一种法院案件工作量评估方法，其特征在于，所述步骤(3)中的预处理操作包括：去除工作量数据严重缺失的记录、指标数据中值为负的记录以及噪声。4.根据权利要求1所述的一种法院案件工作量评估方法，其特征在于，所述步骤(4)中计算主客观相结合的案件工作量权重系数的步骤包括：(4.1)对处理好的数据基于熵值法计算客观的案件工作量权重系数y1；(4.2)根据某地方法院的案件工作量折算标准，按照案件类型、案由的案件相关信息确定主观的案件工作量权重系数y2；(4.3)将客观的案件工作量权重系数y1与主观的案件工作量权重系数y2进行加权求和得出主客观相结合的客观相结合的案件工作量权重系数y，采用的权重比是1:1，计算公式为5.根据权利要求4所述的一种法院案件工作量评估方法，其特征在于，所述步骤(4.1)中的运用熵值法计算客观的案件工作量权重系数的步骤包括：(4.1.1)首先对数据进行归一化处理，消除物理量的影响，其计算公式为：其中，x
ij
是第i个案件的第j个指标值(i＝1,2,
…
,n；j＝1,2,
…
,m)，假设选取了n个案件作为样本、设计了m个指标，x
...

【专利技术属性】
技术研发人员：汪梓扬，廖小平，
申请(专利权)人：河海大学，
类型：发明
国别省市：