(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210722980.0 (22)申请日 2022.06.24 (71)申请人 浪潮软件科技有限公司 地址 250100 山东省济南市高新区浪潮路 1036号浪潮科技园 (72)发明人 张庆兵　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 阚恭勇 (51)Int.Cl. G06Q 10/06(2012.01) G06N 20/10(2019.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01)G06F 16/25(2019.01) (54)发明名称 一种办案风险监 督评估系统 (57)摘要 本发明提供一种办案风险监督评估系统， 属 于风险监督技术领域， 本发明包括数据获取、 数 据加工处理、 数据知识库构建、 算法模型的训练 及模型应用。 构建案件质量、 风险、 控制、 分析决 策指标体系及数据仓库， 对样 本数据进行深度分 析。 对影响因素指标、 发展能力指标等进行因子 分析， 提取公因子得分， 计算 综合得分。 根据研究 需求进行多元线性回归分析， 建立算法和模型， 分析主要因子的综合影响， 获取内在联系， 形成 特定领域知识库。 对典型个案进行深入研究， 获 取相关规律； 完成相关 统计， 进行显著性 分析,形 成综合可视的研究成果。 权利要求书2页 说明书4页 附图2页 CN 115062987 A 2022.09.16 CN 115062987 A 1.一种办案风险监 督评估系统， 其特 征在于， 包括： 1)数据源层、 2)数据处 理及存储层、 3)算法模型层、 4)应用支撑层； 其中 1)数据源层， 包括法律文书库、 法律法规、 相 关文件、 各部门应用数据、 流媒体数据、 视 频监控系统及实时采集的数据； 2)数据处理及存储层， 各种来源的大数据在存入数据管理中心或者分析之前， 需要使 用相应的处 理工具对数据进行 预处理， 处理好的结构化数据作为知识库直接存 储到大数据存储中心； 通过业务梳理， 构建经验规则库； 3)算法模型层， 将各特征集及知识库作为训练数据搭配不同机器学习算法， 进行模型 训练； 4)应用支撑层， 集合实际业务需求， 调用相应机器学习算法模型和经验规则模型， 实现 办案质量评估、 风险识别预警以及办案过程控制和辅助决策。 2.根据权利要求1所述的系统， 其特 征在于， 阶段对采集的数据通过ETL处 理， 形成结构化数据， 包括： 数据清理： 通过填写缺失的值、 光滑噪声数据、 识别或删除离群点并解决不一致性的方 法来清理数据， 实现： 格式标准 化、 清除异常数据、 纠正 错误、 清除重复数据； 数据变换： 通过平滑聚集、 数据概化、 降维、 规范化的方式， 将数据转换成适用于数据分 析的形式； 其他数据经过N ‑Gram等特征抽取算法和实体、 要素标注， 形成各类特征集， 作 为机器学 习算法的预训练集。 3.根据权利要求2所述的系统， 其特 征在于， 梳理并分析办案过程中的风险特征； 从文书数据以及业务系统中的案卡信息数据， 运 用TF‑IDF算法和互信息抽取案件信息中描述案件风险的关键词； 结合n ‑gram算法、 关联规 则算法及词性 规则方法提取风险特 征关键短语。 4.根据权利要求3所述的系统， 其特 征在于， 对抽取出的风险特征词或短语进行统计分析， 得到案件中存在的高频风险源、 风险点、 风险引发的因素信息 。 5.根据权利要求 4所述的系统， 其特 征在于， 分析案件风险的办理阶段、 角色分工、 业务条线的信息差异性， 将这些阶段信息、 角色 信息、 业务信息作为案件的属性集， 利用决策树算法， 选择最好的属性值对这些数据集进 行 分支划分， 递归遍历 案件的属性集， 直到遍历 完所有划分数据集的属性， 或者每个 分支下的 所有案件都具有相同的分类， 结束递归过程； 最后利用构建好的决策树规则对案件进行实 时的风险分类和风险分级。 6.根据权利要求5所述的系统， 其特 征在于， 对海量的案件进行风险特 征分析， 并对风险特 征进行向量 化计算。 利用支持向量机(SVM)模型对这些数据进行训练， 得到风险类别和风 险级别的分类器 模型。 根据训练好的模型对风险进行自动预测。权　利　要　求　书 1/2 页 2 CN 115062987 A 27.根据权利要求6所述的系统， 其特 征在于， 将抽取的风险特征和案件特征作为该过程的输入数据； 将不同的风险因素、 案件特征 和案件成果作为一系列变量， 每个变量可以视为网络模型中的一个节点， 变量之间的依赖 关系通过有向边来表 示， 形成风险案件过程推理的贝叶斯(Bayes)网络模 型； 对一个新的案 件数据， 通过该模型预测出案件过程的可能性路径， 进而对案件的判决进 行预测， 实现对案 件内部全生命周期的风险过程的监 督。 8.根据权利要求7 所述的系统， 其特 征在于， 构建多层深度神经网络， 对案件风险的特征研究、 等级、 过程的信息进行量化， 作为神 经网络模型的输入数据， 输出案件的每 个风险点及其对应发生 风险的概 率； 根据不同的风险点风险发生概率的值来判断是否需要给出风险预警， 实现案件风险自 动预警功能； 根据案件风险的处置规则， 建立案件风险规避策略， 对可能发生风险的案件的风险预 警信息进行分析， 找出与之契合度最高的风险规避策略， 实现对案件的风险规避策略推荐 功能。 9.根据权利要求8所述的系统， 其特 征在于， 办案质量保证和监督系统应用构建： 基于办案过程实时监督服务和辅助办案模型、 办 案质量、 办案监 督风险及办案过程控制计算模型。权　利　要　求　书 2/2 页 3 CN 115062987 A 3