一种卷宗分析系统、分析方法、装置及其存储介质制造方法及图纸

本发明专利技术涉及一种分析系统，尤其是一种卷宗分析系统、分析方法、装置及其存储介质。一种卷宗分析系统，包括：数据支撑体系层，包括基础公共数据和政法行业数据；基础分析模型层，包括全文检索模式、自然语言处理模式及大数据碰撞检索模式；基础能力层：用于文本生成、文本分类、语义分析、情感分析、特征提取、信息检索、文本标识、信息推荐、命名实体识别、对比识别、文本向量化、文本推理、信息抽取、机器翻译；模型管理层，包括建模语言、可视化建模组件和案件模型管理。本发明专利技术提供的一种卷宗分析系统能有效辅助检察官、法官卷宗分析工作，提高工作质效，从侧面减少人为干预因素，提高人民群众的案件满意度。案件满意度。案件满意度。

【技术实现步骤摘要】
一种卷宗分析系统、分析方法、装置及其存储介质


[0001]本专利技术涉及一种分析系统，尤其是一种卷宗分析系统、分析方法、装置及其存储介质。

技术介绍

[0002]卷宗是一个案件的完整记录和再现，是案件活动的重要载体，是检验审判、执行活动准确性、合法性、严肃性的重要依据。在案件场景中，检察官、法官往往面临着含海量文本信息的案件卷宗。目前电子卷宗智能分析主要有两种模式：
[0003]一种是全文检索模式：程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。该方式的优点是查全率高、检索效率高；缺点是检准率低。
[0004]另一种是自然语言处理(NLP)模式：该模式中可利用决策树、朴素贝叶斯、支持向量机、逻辑回归、k
‑
means、神经网络等机器学习算法进行电子卷宗处理。该方式的优点是通过NLP技术可实现功能丰富，如可通过无监督方法进行新的关键词提取；缺点是算法的效果与训练样本的数量与数据多样性直接相关，维护一个庞大的训练集需要长期大量的人工投入。

技术实现思路

[0005]为解决上述问题，本专利技术提供电子卷宗智能分析模型，能有效减轻检察官、法官文本处理卷宗工作负担，提高工作质效，实现人工智能赋能卷宗分析的目的一种卷宗分析系统，具体技术方案为：
[0006]一种卷宗分析系统，包括：数据支撑体系层，包括基础公共数据和政法行业数据；基础分析模型层，包括全文检索模式、自然语言处理模式及大数据碰撞检索模式；基础能力层：用于文本生成、文本分类、语义分析、情感分析、特征提取、信息检索、文本标识、信息推荐、命名实体识别、对比识别、文本向量化、文本推理、信息抽取、机器翻译；模型管理层，包括建模语言、可视化建模组件和案件模型管理。
[0007]优选的，所述全文检索模式包括Lucene全文检索引擎；所述自然语言处理模式包括决策树、朴素贝叶斯、支持向量机、逻辑回归、梯度下降、K
‑
Means、LSTM网络、卷积神经网络、循环神经网络、随机森林中的一种或多种；所述大数据碰撞检索模式用于利用大数据基础公共信息库，通过多方数据融合比对碰撞，准确识别检索结果。
[0008]优选的，所述建模语言包含变量、运算符、判断、循坏、递归、数据类型、基本语法、程序结构、正则表达式、作用域规则；所述可视化建模组件包括变量管理、判定树节点、可视化建模；所述案件模型管理包括对已建立的案件模型进行分类管理、模型激活、取消激活、模型复制、模型新建、模型修改、模型删除、批量删除、正确率设置。
[0009]进一步的，所述变量管理包括对案件变量实现增/删/改/查操作，对作为变量的基
础信息通过对接基础信息公共库进行实时核验；所述判定树节点包括根节点、决策节点、叶子节点图标；所述可视化建模包括对判定树节点图标拖/拉/拽/放/连线/取消、决策节点编辑、决策线编辑、判定树模型断点/调试/运行的可视化操作。
[0010]优选的，还包括工具集，所述工具集通过对输入的电子卷宗进行智能分析，向检察官、法官提供案件类型匹配、案件要素提取、案情判罚预测，案件救助方案推荐、智能案件检索、类案推荐、技术工作指引、关键字回填、文本纠错、身份证识别、签名辨伪、倾斜校正、语言翻译、文本转语音、智能问答中的一种或多。
[0011]一种卷宗分析系统的分析方法，包括以下步骤：
[0012]卷宗导入，通过大数据接口从检察工作网获取和更新案件电子卷宗；
[0013]Lucene索引创建，通过Lucene全文检索引擎技术，对卷宗文本创建索引，实现全文检索；
[0014]运行模型，针对的一种案件，构建多棵不同条件的模型树，训练时将结果正确率在每棵决策模型树进行手动标注；运行时，汇总多棵决策树整合成森林来预测最终结果；
[0015]运行变量，运行模型树各决策节点中的变量：
[0016]得到结果，得到案件模型运行结果。
[0017]能力提供，将运行结果与数据支撑体系层中的数据资源进行深度关联整合，按照各专题所需的特定方式进行重组，形成满足各案件专题业务需求的数据库；
[0018]工具集提供，向检察官、法官提供输入电子卷宗分析结果及智能工作辅助工具集。
[0019]优选的，所述运行变量包括：大数据变量核验：对于选择需要大数据核验的基础信息变量通过对接基础公共大数据信息库，实现需要救助人群在册信息的实时核验；运行判定式：通过运算函数和变量根据运算符计算，返回判定结果；运行NLP算法：加载所需场景的自然语言处理算法。
[0020]一种卷宗分析系统的分析方法的装置，所述装置包括：处理器、存储器以及程序；所述程序存储在所述存储器中，所述处理器调用存储器存储的程序，以执行上述一种卷宗分析系统的分析方法的步骤。
[0021]一种计算机可读存储介质，所述计算机可读存储介质被配置成存储程序，所述程序被配置成执行上述一种卷宗分析系统的分析方法的步骤。
[0022]与现有技术相比本专利技术具有以下有益效果：
[0023]本专利技术提供的一种卷宗分析系统在对案件知识体系和业务深层次的理解和挖掘的基础上，基于自然语言处理(NLP)技术，设立电子卷宗智能分析模型，能有效减轻检察官、法官文本处理卷宗工作负担，提高工作质效，实现人工智能赋能卷宗分析的目的，能有效辅助检察官、法官卷宗分析工作，提高工作质效，从侧面减少人为干预因素，提高人民群众的案件满意度。
附图说明
[0024]图1是一种卷宗分析系统的结构框体；
[0025]图2是一种卷宗分析系统的分析方法的流程图；
[0026]图3是可视化建模的示意图。
具体实施方式
[0027]现结合附图对本专利技术作进一步说明。
[0028]基于检察官、法官的先验知识，利用全文检索模式检索效率高、查全率高的优点与自然语言处理(NLP)模式功能丰富、查准率高的优点，结合两者优势兼顾效率、准确率、及维护成本，通过电子卷宗智能分析模型，实现文本转换、特征要素提取、语义分析、案件类型匹配、卷宗解析、人物画像、智能筛查、案件推理等一系列功能的工具集；并与基础公共大数据信息库对接，实现需要救助人群在册信息的实时核验。
[0029]将检察官、法官从繁琐的的文本工作中解放出来，将精力聚焦于案件本身关键要素，实现高效精准工作，能有效辅助检察官、法官卷宗分析工作，提高工作质效，从侧面减少人为干预因素，提高人民群众的案件满意度。
[0030]实施例一
[0031]如图1至图3所示，一种卷宗分析系统，包括数据支撑体系层、基础分析模型层、基础能力层和模型管理层。
[0032]数据支撑体系层：包括基础公共数据、政法行业数据两块。基础公共数据与基础公共信息库对接，实现需要救助人群在册信息的数据接入、数据管理、数理加工。政法行政数据按一定标准、规则、模型、算法等对卷宗数据、案卡本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卷宗分析系统，其特征在于，包括：数据支撑体系层，包括基础公共数据和政法行业数据；基础分析模型层，包括全文检索模式、自然语言处理模式及大数据碰撞检索模式；基础能力层：用于文本生成、文本分类、语义分析、情感分析、特征提取、信息检索、文本标识、信息推荐、命名实体识别、对比识别、文本向量化、文本推理、信息抽取、机器翻译；模型管理层，包括建模语言、可视化建模组件和案件模型管理。2.根据权利要求1所述的一种卷宗分析系统，其特征在于，所述全文检索模式包括Lucene全文检索引擎；所述自然语言处理模式包括决策树、朴素贝叶斯、支持向量机、逻辑回归、梯度下降、K
‑
Means、LSTM网络、卷积神经网络、循环神经网络、随机森林中的一种或多种；所述大数据碰撞检索模式用于利用大数据基础公共信息库，通过多方数据融合比对碰撞，准确识别检索结果。3.根据权利要求1所述的一种卷宗分析系统，其特征在于，所述建模语言包含变量、运算符、判断、循坏、递归、数据类型、基本语法、程序结构、正则表达式、作用域规则；所述可视化建模组件包括变量管理、判定树节点、可视化建模；所述案件模型管理包括对已建立的案件模型进行分类管理、模型激活、取消激活、模型复制、模型新建、模型修改、模型删除、批量删除、正确率设置。4.根据权利要求3所述的一种卷宗分析系统，其特征在于，所述变量管理包括对案件变量实现增/删/改/查操作，对作为变量的基础信息通过对接基础信息公共库进行实时核验；所述判定树节点包括根节点、决策节点、叶子节点图标；所述可视化建模包括对判定树节点图标拖/拉/拽/放/连线/取消、决策节点编辑、决策线编辑、判定树模型断点/调试/运行的可视化操作。5.根据权利要求1所述的一种卷宗分析系统，其特征在于，还包括工具集，所述工具集通过对输入的电子卷宗进行智能分析，向...

【专利技术属性】
技术研发人员：徐一清，曾建平，李银晓，姜峻，朱慧丽，徐亮，牛大庆，
申请(专利权)人：浙江省磐安县人民检察院，
类型：发明
国别省市：