一种基于机器学习的智能审讯方法、设备及介质技术

本申请公开了一种基于机器学习的智能审讯方法、设备及介质，涉及图形数据读取领域，方法包括：获取审讯对象的静态信息；将静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略，并确定审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案；通过审讯策略对审讯对象进行审讯，并在审讯过程中，采集审讯对象的面部信息；根据面部信息，确定审讯策略当前对应的审讯阶段，并采用审讯阶段匹配的审讯方案，对审讯对象进行审讯。预先获取的静态信息，为审讯对象选取最匹配的审讯策略。在审讯过程中，基于审讯对象动态的面部信息，对审讯过程进行实时修正，以动静态信息结合的方式，提高审讯的效率和成功率。提高审讯的效率和成功率。提高审讯的效率和成功率。

【技术实现步骤摘要】
一种基于机器学习的智能审讯方法、设备及介质


[0001]本申请涉及图形数据读取领域，具体涉及一种基于机器学习的智能审讯方法、设备及介质。

技术介绍

[0002]在审讯场景中，目前常见的审讯实践是依赖于审讯人员的工作经验以及个体的感知能力，根据审讯对象的生理状态，例如，疲惫、精力充沛、平和等，以及审讯对象的心理状态，例如，警觉、紧张、冲动、平和、焦虑等，有针对性地调整审讯策略，从而促进审讯对象做出供述决策。
[0003]常见的审讯改进技术路径主要包括以下三种：其一，设计审讯椅、审讯桌以及安装智能审讯装置的配件装备。然而该种方式只能对设备进行改进，难以与审讯过程进行关联。其二，利用人工智能自然语言处理技术等前沿技术，进行自动转写和记录。然而该种方式只进行转写记录，也并未对审讯过程产生影响。其三，基于人工智能图像识别技术、语音识别技术，对审讯对象的生理活动进行监测并推断其心理活动，由此为审讯人员提供辅助支持的装备。然而该种方式只采集是否说谎等心理指标，导致信息量和参考性不足。

技术实现思路

[0004]为了解决上述问题，本申请提出了一种基于机器学习的智能审讯方法，包括：获取审讯对象的静态信息，所述静态信息用于形容所述审讯对象的身份信息中的多个维度；将所述静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略，并确定所述审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案；通过所述审讯策略对所述审讯对象进行审讯，并在审讯过程中，采集所述审讯对象的面部信息；根据所述面部信息，确定所述审讯策略当前对应的审讯阶段，并采用所述审讯阶段匹配的审讯方案，对所述审讯对象进行审讯。
[0005]另一方面，本申请还提出了一种基于机器学习的智能审讯设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如：获取审讯对象的静态信息，所述静态信息用于形容所述审讯对象的身份信息中的多个维度；将所述静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略，并确定所述审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案；通过所述审讯策略对所述审讯对象进行审讯，并在审讯过程中，采集所述审讯对
象的面部信息；根据所述面部信息，确定所述审讯策略当前对应的审讯阶段，并采用所述审讯阶段匹配的审讯方案，对所述审讯对象进行审讯。
[0006]另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：获取审讯对象的静态信息，所述静态信息用于形容所述审讯对象的身份信息中的多个维度；将所述静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略，并确定所述审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案；通过所述审讯策略对所述审讯对象进行审讯，并在审讯过程中，采集所述审讯对象的面部信息；根据所述面部信息，确定所述审讯策略当前对应的审讯阶段，并采用所述审讯阶段匹配的审讯方案，对所述审讯对象进行审讯。
[0007]通过本申请提出机器学习的智能审讯方法能够带来如下有益效果：通过预先获取的静态信息，可以为审讯对象选取最匹配的审讯策略，为实现高效审讯选取最合适的方向。在审讯过程中，基于审讯对象动态的面部信息，对审讯过程进行实时修正，从而以动静态信息结合的方式，提高审讯的效率和成功率。
附图说明
[0008]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例中基于机器学习的智能审讯方法的流程示意图；图2为本申请实施例中基于机器学习的智能审讯设备的示意图。
具体实施方式
[0009]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0010]以下结合附图，详细说明本申请各实施例提供的技术方案。
[0011]如图1所示，本申请实施例提供基于机器学习的智能审讯方法，包括：S101：获取审讯对象的静态信息，所述静态信息用于形容所述审讯对象的身份信息中的多个维度。
[0012]本文中的审讯指的是，符合相关法律的审讯过程，基于机器学习在审讯过程中为审讯人员提供相应的建议。在审讯过程开始之前获取静态信息，并根据静态信息进行处理。
[0013]具体地，采集审讯对象的人格信息p、教育信息e、性别信息s、年龄信息a，并汇总生成对应的静态信息。通常来说，需要采集审讯对象的这多个维度的信息，若是未采集到其中的部分维度，则可以用空null代替。
[0014]静态信息包括以上多个维度，人格信息对应的维度包括多个元素组成的集合，教
育信息对应的维度为连续变量，用于表示受教育年限，取整数值，性别信息对应的维度为分类变量，包括男性Male、女性Female两种类型，年龄信息对应的维度为连续变量，代表实际年龄。
[0015]进一步地，人格信息，其中，~这五个元素分别表示外向程度、情绪稳定程度、自控能力、创新能力、友善程度，用于形容一个人是否外向、是否情绪波动剧烈、是否自控能力强、是否想象力丰富、是否友善。这五个元素可以是[0，1]范围内的连续值，为连续变量。为气质类型，其可以包括暴躁型Bile、热情型Blood、冷静型Mucous、抑郁型Depress，其为分类变量。
[0016]人格信息中各元素的获取，可以基于对审讯对象的调查问卷、专家评估等方式得到。
[0017]S102：将所述静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略，并确定所述审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案。
[0018]预先定义多种审讯策略i，并将预设审讯时间以内成功的审讯定义为高效审讯is。成功指的是，达到审讯之前预先设定的目标，比如，从审讯对象中获取到想要获取的相关内容。对于不同的审讯对象来说，想要获取的相关内容是不同的，故而，只需要对“审讯策略”、“高效审讯”的概念进行定义。而针对于具体每个训练样本是否能够达到“高效审讯”，则需要人为的进行确定，并将确定结果以标签的形式标注在该训练样本中。这样在通过训练样本对机器学习模型（比如，下文中提到的贝叶斯模型）进行训练时，机器学习模型则可基于已标注的标签进行学习训练。
[0019]当然，若是预设审讯时间（比如，一个小时）以外才成功，则并不算高效审讯，并非是本次想要的结果。
[0020]根据审讯策略、高效审讯、静态信息生成贝叶斯模型，其中，is为高效审讯，p为人格信息，e为教育信息，a为年龄信息，s为性别信息，i为审讯策略。通过已采集的训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的智能审讯方法，其特征在于，包括：获取审讯对象的静态信息，所述静态信息用于形容所述审讯对象的身份信息中的多个维度；将所述静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略，并确定所述审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案；通过所述审讯策略对所述审讯对象进行审讯，并在审讯过程中，采集所述审讯对象的面部信息；根据所述面部信息，确定所述审讯策略当前对应的审讯阶段，并采用所述审讯阶段匹配的审讯方案，对所述审讯对象进行审讯。2.根据权利要求1所述的方法，其特征在于，获取审讯对象的静态信息，具体包括：采集审讯对象的人格信息、教育信息、性别信息、年龄信息，并汇总生成对应的静态信息；其中，所述静态信息包括多个维度，所述人格信息对应的维度包括多个元素组成的集合；所述教育信息对应的维度为连续变量，用于表示受教育年限；所述性别信息对应的维度为分类变量；所述年龄信息对应的维度为连续变量。3.根据权利要求2所述的方法，其特征在于，所述多个元素包括：外向程度、情绪稳定程度、自控能力、创新能力、友善程度、气质类型中的至少多种；其中，所述外向程度、所述情绪稳定程度、所述自控能力、所述创新能力、所述友善程度为连续变量，所述气质类型为分类变量。4.根据权利要求1所述的方法，其特征在于，将所述静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略之前，所述方法还包括：预先定义多种审讯策略，并将预设审讯时间以内成功的审讯定义为高效审讯；根据所述审讯策略、所述高效审讯、所述静态信息生成贝叶斯模型，其中，is为高效审讯，p为人格信息，e为教育信息，a为年龄信息，s为性别信息，i为审讯策略；通过已采集的训练样本，对所述贝叶斯模型进行训练。5.根据权利要求4所述的方法，其特征在于，将所述静态信息作为输入，通过预先训练的机器学习模型输出匹配的审讯策略，具体包括：针对每种审讯策略，将该审讯策略和所述静态信息作为输入，通过所述贝叶斯模型得到该审讯策略实现所述高效审讯对应的概率P值；在所有审讯策略中，选取P值最高的审讯策略作为匹配的审讯策略。6.根据权利要求1所述的方法，其特征在于，确定所述审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案，具体包括：根据所述审讯策略，提取出对应的心理活动过程模型，其中，为所述心理活动过程模型中定义的心理活动状态，每个心理活动状态对应于一个审讯阶段，且在每个审讯策略中，每个审讯阶段匹配有一个审讯方案。7.根据权利要求6所述的方法，其特征在于，确定所述审讯策略包括的多个审讯阶段，以及每个审讯阶段匹配的审讯方案，具体包括：
当所述审讯策略为第一审讯策略PEAC...

【专利技术属性】
技术研发人员：马皑，宋业臻，肖维斌，韩伟，曲继新，
申请(专利权)人：山东心法科技有限公司，
类型：发明
国别省市：