基于规则注入无监督神经网络的金融行为认定方法及系统技术方案

本发明专利技术公开了一种基于规则注入无监督神经网络的金融行为认定方法及系统，根据金融行为事实认定规则范式，构建对应的事实认定规则范式和规则映射注入式标签，采取无监督神经网络信息抽取技术抽取出事实认定要素，分别对应关联到各个相关人；然后结合无监督抽取结果和事实认定规则范式，输出各个相关人的规则注入式事实认定结果；同时使用神经网络特征提取器和多标签分类器得到神经网络式事实认定结果；最后结合两种事实认定结果，采用规则注入仲裁机制，生成最终的事实认定结果。与现有技术相比，本发明专利技术能够同时兼备神经网络的高准确性和规则推理的高可解释性，两者的融合能够使得关于金融行为事实认定的分析结果具有更高的准确率。确率。确率。

【技术实现步骤摘要】
基于规则注入无监督神经网络的金融行为认定方法及系统


[0001]本专利技术涉及人工智能和知识图谱
，具体涉及一种基于规则注入式无监督神经网络的金融行为司法认定方法及系统。

技术介绍

[0002]金融行为不同于一般行为，往往涉及多人行为，一人多罪的情况。随着时间的推移，行为过程是越来越复杂化，使用简单的机器学习和深度学习的多标签分类器进行事实认定会伴随着准确率低、可解释性差的问题。目前事实认定推理的人工智能模型多以端到端模型(即神经网络模型)为主，对于无监督模型的规则注入事实认定推理架构尚未找到类似技术。
[0003]目前事实认定推理的人工智能模型，多以端到端模型(即神经网络模型)为主。绝大多数模型和方法只是进行行为特征要素抽取来进行事实认定模型的建模，并没有进行行为人和行为要素的关联。在金融行为中往往涉及多个行为人，而且每个行为人都有自身对应行为要素，在给每个行为人进行事实认定时，需要分别并充分考虑这些行为要素。利用主流方法所实现的建模对于金融行为司法领域智能事实认定往往具有以下各种缺陷：
[0004]1)事实认定结果可解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于规则注入无监督神经网络的金融行为认定方法，其特征在于，该方法包括以下步骤：步骤1、获取待事实认定的的金融行为事实文本；步骤2、生成规则注入式事实认定结果和神经网络式事实认定结果；步骤3、依据所述规则注入式事实认定结果和所述神经网络式事实认定结果的结合，运用规则注入仲裁机制进行智能分析，得到最终的事实认定结果。2.如权利要求1所述的基于规则注入无监督神经网络的金融行为认定方法，其特征在于，所述规则注入式事实认定结果：根据所述金融行为事实文本构建事实认定规则范式和规则映射注入式标签，将事实认定规则范式注入到无监督神经网络的行为特征抽取模型中，抽取出分别对应关联到各个相关人的事实认定要素，将所述事实认定要素输入到事实认定规则范式中得到各个相关人的规则注入式事实认定结果，输出各个相关人的规则注入式事实认定结果。所述神经网络式事实认定结果：对各个相关人的所述规则注入式事实认定结果使用神经网络特征提取器和多标签分类器，得到神经网络式事实认定结果。3.如权利要求1所述的基于规则注入无监督神经网络的金融行为认定方法，其特征在于，所述运用规则注入仲裁机制进行智能分析：以所述神经网络式事实认定结果作为基线事实认定结果，当满足所述神经网络式事实认定结果涉及金融行为认定结果或者所述各个相关人的规则注入式事实认定结果不为空时，使用规则注入式事实认定结果对基线事实认定结果进行仲裁，保留在所述规则注入式事实认定结果出现过的认定结果。4.一种基于规则注入无监督神经网络的金融行为事...

【专利技术属性】
技术研发人员：蔡志诚，梁鸿翔，李原，赵晓海，
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：