本发明专利技术公开了一种全流程画像处理方法、系统、装置及存储介质。全流程画像处理方法通过获取业务系统中多维度的原始数据，并在预处理后得到事实数据信息，进而绘制案件初步画像和检察官初步画像，实现了对于业务数据的针对性的画像服务；并在初步画像的基础上采用预测算法和隐形知识化外技术进一步得到预测标签，从而利用预测标签实现了精准的分案和风险排查，实现了充分利用业务系统的原始数据来提高检查办案的效率以及案件分配的合理性。本发明专利技术可以广泛应用于画像处理技术领域。以广泛应用于画像处理技术领域。以广泛应用于画像处理技术领域。
【技术实现步骤摘要】
一种全流程画像处理方法、系统、装置及存储介质
[0001]本申请涉及画像处理
，尤其是一种全流程画像处理方法、系统、装置及存储介质。
技术介绍
[0002]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。近年来，随着检察信息化建设的深入推进，将画像知识应用于检察领域成为顺应发展的必然工作。
[0003]目前检察业务数据具有碎片化、分面低质、多源异构的特征，不能有效地发现和解决执法活动中遇到的问题，导致目前的检察画像处理技术无法有针对性地对检察业务提供完整清晰的画像服务，使得检察业务数据资源得不到充分利用，即目前检察业务的历史数据知识无法为检察办案提供帮助，可能会降低检察办案的效率以及降低案件分配的合理性。
技术实现思路
[0004]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0005]为此，本专利技术实施例的一个目的在于提供一种全流程画像处理方法、系统、装置及存储介质，以充分利用业务系统的原始数据提高检查办案的效率以及案件分配的合理性。
[0006]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0007]第一方面，本专利技术实施例提供了一种全流程画像处理方法，所述片上网络包括多个路由节点，所述方法包括以下步骤：
[0008]获取业务系统中的原始数据，所述原始数据包括结构化数据和非结构化数据；
[0009]对所述原始数据进行预处理，获取事实数据信息；r/>[0010]根据所述事实数据信息，采用机器学习的方法进行标签建模与标识，完成初步画像的绘制，所述初步画像包括案件初步画像以及检察官初步画像；
[0011]根据所述初步画像，采用预测算法和隐形知识化外技术得到预测标签；
[0012]根据所述预测标签进行分案和风险排查。
[0013]本专利技术实施例的一种全流程画像处理方法，通过获取业务系统中多维度的原始数据，并在预处理后得到事实数据信息，进而绘制案件初步画像和检察官初步画像，实现了对于业务数据的针对性的画像服务；并在初步画像的基础上采用预测算法和隐形知识化外技术进一步得到预测标签，从而利用预测标签实现了精准的分案和风险排查，实现了充分利用业务系统的原始数据来提高检查办案的效率以及案件分配的合理性。
[0014]另外，根据本专利技术上述实施例的一种全流程画像处理方法，还可以具有以下附加的技术特征：
[0015]进一步地，本专利技术实施例的一种全流程画像处理方法中，所述预处理包括数据清洗和文本挖掘；
[0016]所述对所述原始数据进行预处理，获取事实数据信息，包括：
[0017]对所述原始数据进行数据清洗；
[0018]采用分类和聚类算法对数据清洗后的所述原始数据进行文本挖掘，获取所述事实数据信息。
[0019]进一步地，在本专利技术的一个实施例中，所述根据所述事实数据信息，采用机器学习的方法进行标签建模与标识，完成所述案件初步画像的绘制，包括：
[0020]对所述事实数据信息进行拆解分析，获取第一案件标签，所述第一案件标签包括案件信息、特定人员信息和预测信息；
[0021]根据所述第一案件标签绘制所述案件初步画像。
[0022]进一步地，在本专利技术的一个实施例中，所述根据所述事实数据信息，采用机器学习的方法进行标签建模与标识，完成所述检察官初步画像的绘制，包括：
[0023]对所述事实数据信息进行拆解分析，获取第一检察官标签，所述第一检察官标签包括检察官基本信息、检察官办案信息和检察官辅助工具信息；
[0024]根据所述第一检察官标签绘制所述检察官初步画像。
[0025]进一步地，在本专利技术的一个实施例中，所述根据所述初步画像，采用预测算法和隐形知识化外技术得到预测标签，包括：
[0026]对所述初步画像进行特征提取，得到细粒度特征信息；
[0027]根据所述细粒度特征信息，采用预测算法和隐形知识化外技术得到预测标签。
[0028]进一步地，在本专利技术的一个实施例中，所述对所述初步画像进行特征提取，得到细粒度特征信息，包括：
[0029]采用共性特征提取技术对所述初步画像进行特征提取，得到粗粒度特征信息；
[0030]采用特征差异性分析技术对所述粗粒度特征信息进行去重和消歧，得到所述细粒度特征信息。
[0031]进一步地，在本专利技术的一个实施例中，所述预测标签包括第二案件标签和第二检察官标签，所述第二案件标签包括案件属性、特定人员属性和案件预测，所述第二检察官标签包括检察官属性、检察官办案能力和检察官辅助需求；
[0032]所述根据所述细粒度特征信息，采用预测算法和隐形知识化外技术得到预测标签，包括：
[0033]根据所述细粒度特征信息，采用预测算法和隐形知识化外技术将所述第一案件标签转化为所述第二案件标签；
[0034]根据所述细粒度特征信息，采用预测算法和隐形知识化外技术将所述第一检察官标签转化为所述第二检察官标签。
[0035]第二方面，本专利技术实施例提出了一种全流程画像处理系统，包括：
[0036]原始数据获取模块，用于获取业务系统中的原始数据，所述原始数据包括结构化数据和非结构化数据；
[0037]事实数据信息获取模块，用于对所述原始数据进行预处理，获取事实数据信息；
[0038]初步画像绘制模块，用于根据所述事实数据信息，采用机器学习的方法进行标签建模与标识，完成初步画像的绘制，所述初步画像包括案件初步画像以及检察官初步画像；
[0039]预测标签生成模块，用于根据所述初步画像，采用预测算法和隐形知识化外技术
得到预测标签；
[0040]预测模块，用于根据所述预测标签进行分案和风险排查。
[0041]第三方面，本专利技术实施例提供了一种全流程画像处理装置，包括：
[0042]至少一个处理器；
[0043]至少一个存储器，用于存储至少一个程序；
[0044]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现第一方面所述的一种全流程画像处理方法。
[0045]第四方面，本专利技术实施例提供了一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的一种全流程画像处理方法。
[0046]本专利技术的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到：
[0047]本专利技术实施例通过获取业务系统中多维度的原始数据，并在预处理后得到事实数据信息，进而绘制案件初步画像和检察官初步画像，实现了对于业务数据的针对性的画像服务；并在初步画像的基础上采用预测算法和隐形知识化外技术进一步得到预测标签，从而利用预测标签实现了精准的分案和风险排查，实现了充分利用业务系统的原始数据来提高检查办案的效率以及案件分配的合理性。
附图说明
...
【技术保护点】
【技术特征摘要】
1.一种全流程画像处理方法，其特征在于，包括以下步骤：获取业务系统中的原始数据，所述原始数据包括结构化数据和非结构化数据；对所述原始数据进行预处理，获取事实数据信息；根据所述事实数据信息，采用机器学习的方法进行标签建模与标识，完成初步画像的绘制，所述初步画像包括案件初步画像以及检察官初步画像；根据所述初步画像，采用预测算法和隐形知识化外技术得到预测标签；根据所述预测标签进行分案和风险排查。2.根据权利要求1所述的一种全流程画像处理方法，其特征在于，所述预处理包括数据清洗和文本挖掘；所述对所述原始数据进行预处理，获取事实数据信息，包括：对所述原始数据进行数据清洗；采用分类和聚类算法对数据清洗后的所述原始数据进行文本挖掘，获取所述事实数据信息。3.根据权利要求1所述的一种全流程画像处理方法，其特征在于，所述根据所述事实数据信息，采用机器学习的方法进行标签建模与标识，完成所述案件初步画像的绘制，包括：对所述事实数据信息进行拆解分析，获取第一案件标签，所述第一案件标签包括案件信息、特定人员信息和预测信息；根据所述第一案件标签绘制所述案件初步画像。4.根据权利要求3所述的一种全流程画像处理方法，其特征在于，所述根据所述事实数据信息，采用机器学习的方法进行标签建模与标识，完成所述检察官初步画像的绘制，包括：对所述事实数据信息进行拆解分析，获取第一检察官标签，所述第一检察官标签包括检察官基本信息、检察官办案信息和检察官辅助工具信息；根据所述第一检察官标签绘制所述检察官初步画像。5.根据权利要求4所述的一种全流程画像处理方法，其特征在于，所述根据所述初步画像，采用预测算法和隐形知识化外技术得到预测标签，包括：对所述初步画像进行特征提取，得到细粒度特征信息；根据所述细粒度特征信息，采用预测算法和隐形知识化外技术得到预测标签。6.根据权利要求5所述的一种全流程画像处理方法，其特征在于，所述对所述初步画像进行特征提取，得到细...
【专利技术属性】
技术研发人员：范丽艳，马海银，李岩川，盛慧，陈宝龙，
申请(专利权)人：北明软件有限公司，
类型：发明
国别省市：
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。