本技术属于数据处理,尤其涉及一种新型矛盾纠纷案件的预警方法和系统。
背景技术:
1、
2、随着社会经济大转型,各类矛盾纠纷类的法律案件多发高发,因此,急需一种针对矛盾纠纷类的法律案件的快速处理方法,提高案件处理效率。
技术实现思路
1、本技术旨在至少解决现有技术中存在的技术问题之一。为此,本技术提出一种新型矛盾纠纷案件的预警方法和系统,能有效针对各种矛盾纠纷的法律案件灵活执行预警操作,有利于减少因职责不明而形成积案难案的现象。
2、第一方面,本技术提供了一种新型矛盾纠纷案件的预警方法,包括:
3、获取待处理案件的第一内容向量以及涉及的所有涉事对象;
4、确定每个所述涉事对象在目标历史时段内的历史案件,并获取每个所述历史案件的第二内容向量;
5、将所述第一内容向量和所述第二内容向量输入已训练的综合风险识别模型中,得到所述待处理案件的目标风险等级,所述综合风险识别模型包括第一特征提取模型和第二特征提取模型,所述第一特征提取模型是基于空间关联性进行特征提取,所述第二特征提取模型是基于时间关联性进行特征提取;
6、根据所述目标风险等级对所述待处理案件进行相应的预警操作。
7、在一些实施例中,所述综合风险识别模型还包括和所述第一特征提取模型以及所述第二特征提取模型连接的分类模型,所述分类模型包括注意力模块和输出层,所述将所述第一内容向量和所述第二内容向量输入已训练的综合风险识别模型中,得到所述待处理案件的目标风险等级,包括:
8、将所述第一内容向量输入所述第一特征提取模型中,得到所述待处理案件对应的第一特征向量,并将所述第二内容向量输入所述第二特征提取模型中,得到所述历史案件对应的第二特征向量;
9、将所述第一特征向量和所述第二特征向量输入所述注意力模块中,得到融合特征向量;
10、将所述融合特征向量输入所述输出层,得到所述待处理案件的目标风险等级。
11、在一些实施例中,所述第二特征提取模型包括相连接的门控循环单元和变分自编码器,所述将所述第二内容向量输入所述第二特征提取模型中,得到所述历史案件对应的第二特征向量,包括:
12、将每个所述涉事对象对应的所有所述第二内容向量组织成一个时间序列,所述时间序列中的每个时间对应一组所述第二内容向量;
13、将每个所述时间序列输入所述门控循环单元中进行处理;
14、在所述门控循环单元的处理过程中,从所述时间序列中获取当前时间对应的一组所述第二内容向量,并获取所述变分自编码器上一时间输出的编码向量、以及所述门控循环单元上一时间输出的隐藏状态向量;
15、根据上一时间输出的所述编码向量、上一时间输出的所述隐藏状态向量和当前时间的所述一组第二内容向量,确定所述门控循环单元当前时间的输入向量,并输入所述门控循环单元中,以得到所述门控循环单元当前时间输出的隐藏状态向量;之后,将所述门控循环单元当前时间输出的所述隐藏状态向量输入所述变分自编码器中,以得到所述变分自编码器当前时间输出的编码向量,并将下一时间更新为当前时间,且返回执行所述从所述时间序列中获取当前时间对应的一组所述第二内容向量的步骤。
16、在一些实施例中,所述根据上一时间输出的所述编码向量、上一时间输出的所述隐藏状态向量和当前时间的所述一组第二内容向量,确定所述门控循环单元当前时间的输入向量,包括:
17、将上一时间输出的所述编码向量和上一时间输出的所述隐藏状态向量进行拼接,得到当前时间的拼接向量;
18、将当前时间的所述拼接向量和当前时间的所述一组第二内容向量,作为所述门控循环单元当前时间的输入向量。
19、在一些实施例中,所述将所述第一特征向量和所述第二特征向量输入所述注意力模块中,得到融合特征向量,包括:
20、通过所述注意力模块,将所述第一特征向量和所述第二特征向量映射到同一向量空间中;
21、对映射后的所述第一特征向量和所述第二特征向量进行加权求和,得到融合特征向量。
22、在一些实施例中,所述新型矛盾纠纷案件的预警方法还包括:
23、获取案件样本集中每个案件样本的第一样本内容向量、涉及的样本涉事对象以及风险等级标签;
24、获取每个所述样本涉事对象在样本历史时段内的样本历史案件,并获取每个所述样本历史案件的第二样本内容向量;
25、利用所述第一样本内容向量、所述第二样本内容向量和所述风险等级标签,对已创建的综合风险识别模型进行训练。
26、第二方面,本技术提供了一种新型矛盾纠纷案件的预警系统,包括:
27、第一获取模块,用于获取待处理案件的第一内容向量以及涉及的所有涉事对象;
28、第二获取模块,用于确定每个所述涉事对象在目标历史时段内的历史案件,并获取每个所述历史案件的第二内容向量;
29、识别模块,用于将所述第一内容向量和所述第二内容向量输入已训练的综合风险识别模型中,得到所述待处理案件的目标风险等级,所述综合风险识别模型包括第一特征提取模型和第二特征提取模型,所述第一特征提取模型是基于空间关联性进行特征提取,所述第二特征提取模型是基于时间关联性进行特征提取;
30、预警模块,用于根据所述目标风险等级对所述待处理案件进行相应的预警操作。
31、在一些实施例中,所述综合风险识别模型还包括和所述第一特征提取模型以及所述第二特征提取模型连接的分类模型,所述分类模型包括注意力模块和输出层,所述识别模块具体用于:
32、将所述第一内容向量输入所述第一特征提取模型中,得到所述待处理案件对应的第一特征向量,并将所述第二内容向量输入所述第二特征提取模型中,得到所述历史案件对应的第二特征向量;
33、将所述第一特征向量和所述第二特征向量输入所述注意力模块中,得到融合特征向量;
34、将所述融合特征向量输入所述输出层,得到所述待处理案件的目标风险等级。
35、在一些实施例中,所述第二特征提取模型包括相连接的门控循环单元和变分自编码器,所述识别模块具体用于:
36、将每个所述涉事对象对应的所有所述第二内容向量组织成一个时间序列,所述时间序列中的每个时间对应一组所述第二内容向量;
37、将每个所述时间序列输入所述门控循环单元中进行处理;
38、在所述门控循环单元的处理过程中,从所述时间序列中获取当前时间对应的一组所述第二内容向量,并获取所述变分自编码器上一时间输出的编码向量、以及所述门控循环单元上一时间输出的隐藏状态向量;
39、根据上一时间输出的所述编码向量、上一时间输出的所述隐藏状态向量和当前时间的所述一组第二内容向量,确定所述门控循环单元当前时间的输入向量,并输入所述门控循环单元中,以得到所述门控循环单元当前时间输出的隐藏状态向量;之后,将所述门控循环单元当前时间输出的所述隐藏状态向量输入所述变分自编码器中,以得到所述变分自编码器当前时间输出的编码向量,并将下一时间更新为当前时间,且返回执行所述从所述时间序列中获取当前时间对应的一组所述第二内容向量的步骤。
40、在一些实施例中,所述识别模块具体用于:
41、所述根据上一时间输出的所述编码向量、上一时间输出的所述隐藏状态向量和当前时间的所述一组第二内容向量,确定所述门控循环单元当前时间的输入向量,包括:
42、将上一时间输出的所述编码向量和上一时间输出的所述隐藏状态向量进行拼接,得到当前时间的拼接向量;
43、将当前时间的所述拼接向量和当前时间的所述一组第二内容向量,作为所述门控循环单元当前时间的输入向量。
44、在一些实施例中,所述识别模块具体用于:
45、通过所述注意力模块,将所述第一特征向量和所述第二特征向量映射到同一向量空间中;
46、对映射后的所述第一特征向量和所述第二特征向量进行加权求和,得到融合特征向量。
47、在一些实施例中,所述新型矛盾纠纷案件的预警系统还包括训练模块,用于:
48、获取案件样本集中每个案件样本的第一样本内容向量、涉及的样本涉事对象以及风险等级标签;
49、获取每个所述样本涉事对象在样本历史时段内的样本历史案件,并获取每个所述样本历史案件的第二样本内容向量;
50、利用所述第一样本内容向量、所述第二样本内容向量和所述风险等级标签,对已创建的综合风险识别模型进行训练。
51、第三方面,本技术提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一项所述的新型矛盾纠纷案件的预警方法。
52、第四方面,本技术提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述任一项所述的新型矛盾纠纷案件的预警方法。
53、本技术实施例提供的新型矛盾纠纷案件的预警方法和系统,通过获取待处理案件的第一内容向量以及涉及的所有涉事对象;确定每个涉事对象在目标历史时段内的历史案件,并获取每个历史案件的第二内容向量;将第一内容向量和第二内容向量输入已训练的综合风险识别模型中,得到待处理案件的目标风险等级,综合风险识别模型包括第一特征提取模型和第二特征提取模型,第一特征提取模型是基于空间关联性进行特征提取,第二特征提取模型是基于时间关联性进行特征提取;根据目标风险等级对待处理案件进行相应的预警操作,从而能有效针对各种矛盾纠纷的法律案件灵活执行预警操作,有利于减少因职责不明而形成积案难案的现象,提高案件处理效率。