[发明专利]基于案情语义分析的案件智能推送方法及系统

权利要求书

1.一种基于案情语义分析的案件智能推送方法，其特征在于，包括以下步骤：

S1，对案件的案情描述文本进行预处理，包括分词及词性标注、停用词去除；

S2，根据预处理后的案情描述文本，提取案件的重要特征，构成案情的特征向量；

S3，根据上述特征向量，关联相关案件，采用案件特征相似度计算方法获得该案件与各个相关案件的综合相似度，将相关案件按照相似度排序，推送相似度高的案件。

2.如权利要求1所述的基于案情语义分析的案件智能推送方法，其特征在于，所述步骤S1具体包括：

S1.1，采用分词器对案情描述文本进行分词与词性标注，识别出里面的名词、动词和动名词；

S1.2，根据分词及词性标注的结果，结合专业停用词典以及无用词性字典，去除专有停用词以及无意义的词。

3.如权利要求1所述的基于案情语义分析的案件智能推送方法，其特征在于，所述步骤S2具体包括：

S2.1，利用字典以及词性标注从预处理后的案情描述文本中抽取案件的时间、地点、类别；

S2.2，根据分词的词性标注从预处理后的案情描述文本中提取出案件人名；

S2.3，根据预设的正则，从预处理后的案情描述文本中提取出案件的号码特征；

S2.4，将上述三个步骤抽取到的案件的特征进行合并，并进行去重处理，构成案情的特征向量。

4.如权利要求1所述的基于案情语义分析的案件智能推送方法，其特征在于，所述步骤S3具体包括：

S3.1，提取案情特征向量中的号码、人名和类别，按这三个特征关联相关案件；

S3.2，采用层次分析法获取类别、地点、时间、人名和号码在案件相似度分析中所占的权重；

S3.3，根据案件的类别、地点、时间、人名和号码，计算该案件与各个相关案件之间的综合相似度，计算案件X与案件Y之间的综合相似度的计算公式如下：

sim(X,Y)＝α*sim_type(X,Y)+β*sim_place(X,Y)+γ*sim_time(X,Y)+δ*sim_name(X,Y)+ε*sim_number(X,Y)，

其中sim_type(X,Y)、sim_place(X,Y)、sim_time(X,Y)、sim_name(X,Y)、sim_number(X,Y)分别指案件之间的类别相似度、地点相似度、时间相似度、人名相似度、号码相似度；α、β、γ、δ、ε分别指类别、地点、时间、人名、号码的权重；

S3.4，将相关案件按照相似度排序，推送相似度高的案件。

5.如权利要求4所述的基于案情语义分析的案件智能推送方法，其特征在于：

案件之间的类别相似度的计算方法如下：

案件之间的时间相似度的计算方法如下：

案件之间的地点相似度的计算方法如下：

案件之间的人名相似度的计算方法如下：

案件之间的号码相似度的计算方法如下：

6.如权利要求1所述的基于案情语义分析的案件智能推送方法，其特征在于，该方法还包括：

S4，根据上述特征向量，对已破案件以及相关的违法犯罪人员进行分析，查询出关联人员，采用人员特征相似度计算方法获得人员相似度，推送出可能作案的高危人员。

7.一种基于案情语义分析的案件智能推送系统，其特征在于：包括案情语义分析模块、案情特征提取模块和案件特征信息关联模块：

所述案情语义分析模块用于对案情描述文本进行预处理，包括分词及词性标注、停用词去除；

所述案情特征提取模块用于根据预处理后的案情描述文本，提取案件的重要特征，构成案情的特征向量；

所述案件特征信息关联模块用于将案件按照特征向量进行关联，采用案件特征相似度计算方法获得该案件与各个相关案件的综合相似度，将相关案件按照相似度排序，推送相似度高的案件。