[发明专利]一种审判风险智能识别与预警方法、系统、介质及设备在审

专利信息
申请号: 202010053677.7 申请日: 2020-01-17
公开(公告)号: CN111260223A 公开(公告)日: 2020-06-09
发明(设计)人: 韩晓晖;尹义龙;崔超然;孟庆钢;陆忠一;王连海;徐淑奖 申请(专利权)人: 山东省计算中心(国家超级计算济南中心)
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q10/04;G06Q50/18;G06F16/35;G06F40/295
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 李琳
地址: 250014 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 审判 风险 智能 识别 预警 方法 系统 介质 设备
【说明书】:

本公开提供了一种审判风险智能识别与预警方法,获取案件要素并计算案件要素特征向量;将得到的案件要素特征向量输入训练好的多标记分类模型中,得到案件可能发生的风险类别集合;根据案件可能发生的风险类别集合,计算案件预警指数,根据预警指数的数值,选择预设的对应预警方式和预警对象进行预警;本公开能够自动识别审判过程中多个阶段和多种类别的复杂风险点,解决了目前复杂审判风险识别仍依赖于人工分析和评估的缺陷;同时实现了对审判风险的分类和分级智能化预警,能够帮助法院高效地对风险做出响应以降低风险危害。

技术领域

本公开涉及审判风险预警技术领域,特别涉及一种审判风险智能识别与预 警方法、系统、介质及设备。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有 技术。

随着我国全面依法治国的不断深入推进,法院审判工作的重要性愈加突出。 目前,我国法院审判工作存在量大、面广、线长、点多的特点,法院面临着严 重的案多人少的矛盾。在这种情况下,面对案情复杂的诉讼案件,审判工作中 难免会出现一些疏漏。这些疏漏是引发社会舆情和信访事件的风险点,一旦引 发舆情和信访事件,给法官和法院带来一系列负面影响,导致法院公信力的降 低。因此,各级法院迫切需要建立有效的案件审判风险识别与预警系统,从而 能够及早发现、及时预防、有效处置各类审判风险。

本公开发明人发现,目前各级法院大都建设有立案管理系统、案件管理系 统、审判管理系统、执行系统等业务系统,已经实现了审判业务的高度信息化。 然而,在审判风险的防控方面,现有的业务信息系统尚不具备有效的风险识别 和预警功能,具体体现在:首先,能够识别的审判风险类别单一,只能够对审 限超时这一类风险进行提示或预警,而对于更加复杂的风险点,通常需要人工 分析和评估,缺乏智能化的风险识别和预警工具;其次,识别方法简单,一般 仅通过人工设定的简单规则来识别审限超时风险;第三,缺乏智能化的风险预 警方式,未实现对审判风险的分类和分级预警。有鉴于上述不足,有必要提出一种覆盖面更广的、更为有效、更加智能的审判风险预警方案。

发明内容

为了解决现有技术的不足,本公开提供了一种审判风险智能识别与预警方 法、系统、介质及设备,能够自动识别审判过程中多个阶段和多种类别的复杂 风险点,解决了目前复杂审判风险识别仍依赖于人工分析和评估的缺陷;同时 实现了对审判风险的分类和分级智能化预警,能够帮助法院高效地对风险做出 响应以降低风险危害。

为了实现上述目的,本公开采用如下技术方案:

本公开第一方面提供了一种审判风险智能识别与预警方法。

一种审判风险智能识别与预警方法,包括以下步骤:

获取案件要素并计算案件要素特征向量;

将得到的案件要素特征向量输入训练好的多标记分类模型中,得到案件可 能发生的风险类别集合;

根据案件可能发生的风险类别集合,计算案件预警指数,根据预警指数的 数值,选择预设的对应预警方式和预警对象进行预警。

作为可能的一些实现方式,多标记分类模型的训练方法,具体为:

以目标法院的名称为主题词设置主题爬虫,通过运行主题爬虫在互联网上 收集与目标法院相关的舆情信息;

采用情感分析算法对已爬取的每一条信息进行情感分析,得到舆情信息中 的负向情感;

在获取的负向情感中提取命名实体,以提取的命名实体为关键词,在法院 业务系统数据库中检索相关的案件数据,如果存在与关键字匹配的案件,则视 该案件审判流程中存在风险;如不存在匹配案件,则视舆情与审判流程风险无 关;

在法院信访系统中,提取与信访事件关联的案件编号;以案件编号为关键 字,在法院业务系统中检索对应案件数据;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东省计算中心(国家超级计算济南中心),未经山东省计算中心(国家超级计算济南中心)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010053677.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top