CN112883196B - 基于知识图谱的案件分配方法、***、介质及电子设备 - Google Patents
基于知识图谱的案件分配方法、***、介质及电子设备 Download PDFInfo
- Publication number
- CN112883196B CN112883196B CN202110138654.0A CN202110138654A CN112883196B CN 112883196 B CN112883196 B CN 112883196B CN 202110138654 A CN202110138654 A CN 202110138654A CN 112883196 B CN112883196 B CN 112883196B
- Authority
- CN
- China
- Prior art keywords
- case
- judge
- judges
- information
- relations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000006870 function Effects 0.000 claims description 30
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 15
- 230000008569 process Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于知识图谱的案件分配方法、***、介质及电子设备,所述法院案件均衡分配方法包括:获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息;基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系;基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。本发明通过构建知识图谱,结合整数规划来进行法院中案件分配的优化,可视化的展示影响案件分配的要素之间的关系,提升法院的工作质量和工作效率,可以智能辅助引导数据处理人员更准确的提供法官和案件的主要信息,提升分案人员的分案公平性,分案效率。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及法院案件管理技术领域。
背景技术
分案即案件的分配,是指将案件分配给具体法官审理的过程。分案是法院受理案件之后的面临的第一个问题。指出案件的分配是诉讼程序的重要环节,也是司法制度的重要内容。案件的公平分配不仅影响案件当事人的诉讼行为、法院对法官的管理方式,还关系到司法廉洁和司法公信力。
设计良好的法院分案机制,提高司法公正和公众对司法的信任度一直是各国政府高度重视的关键问题。分案制度是国家层面重点关注的问题之一,例如,最高人民法院在2005年发布的《人民法院第二个五年改革纲要》中提出将分案制度作为法院改革的重要内容之一。为了相应最高法院的号召,各地方法院纷纷开展分案机制改革。
随着法院信息化进程的推进,各地陆续出现一些自动分案的探索工作,并开发了一些有用的分案软件。但在开发过程中,设计者基本依赖于个人的经验或者有限的调研。由于软件开发者并不是法院专家,他们设计出的分案***很难综合考虑影响法院内部分案的关键因素。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于知识图谱的案件分配方法、***、介质及电子设备,用于解决现有技术中法院无法高效公平分配案件的技术问题。
为实现上述目的及其他相关目的,本发明提供一种基于知识图谱的案件分配方法,包括:获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息;基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系;基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。
于本发明的一实施例中,所述知识图谱的节点包括法官类型节点、法官结点、案件结点、案件类型结点、原告类型结点、被告类型结点和涉案人员结点中的多种组合;各节点之间的连线为节点关系,所述节点关系包括法官与法官之间的能力关系,法官与法官之间的教育背景关系,法官与法官之间的工作经历关系、法官与法官之间的审理经历关系、法官案件之间的案件审理关系、案件类型与法官之间的案件审理关系、原告和案件之间的诉讼关系,被告和案件之间的被诉讼关系,案件类型与法官之间的案件类型审理关系和案件类型被审理关系,原告类型和法官之间的原告类型审理关系,原告类型被审理关系,被告类型和法官之间的被告类型审理关系以及被告类型被审理关系中的多种组合。
于本发明的一实施例中,所述匹配度函数的一种表示方式为:
其中,n表示为案件的数量,m表示为法官的数量,aj表示法官j的能力,ci表示案件i的难度系数;aj-ci表示案件i和法官j之间的能力差值,Rij表示案件i和法官j之间的案件类型-法官的相关程度,Pij表示案件i和法官j之间的原告-法官类型相关程度,Dij表示案件i和法官j之间的被告-法官类型相关程度;k1,k2表示系数;当Match越大时,表示法官和案件的匹配程度越高;当Match越小时,表示法官和案件的匹配的程度越低。
于本发明的一实施例中,法官j的能力aj的一种表示方式为:
aj=c1*WAj+c2*EBj+c3*WEj+c4*TLj;
其中,aj表示法官j的能力,WAj表示法官i的工作年限,EBj表示法官j的教育背景,WEj表示过去一段时间内法官j处理的案件的总数,TLj表示法官j的职称,cj(j=1,2,3,4)表示不同的加权系数。
于本发明的一实施例中,法官j的职称TLj的一种表示方式为:
TLj=s1*lawTj+s2*polTj;
其中,TLj表示法官j的职能能力,lawTj表示法官j的法律职称,polTj表示法官j的行政职称,s1,s2表示系数。
于本发明的一实施例中,案件i的难度系数ci的一种表示方式为:
ci=l1*Timei+l2*PeopleNumi+l3*PeopleTypei+l4*CTypei;
其中,ci表示案件i的难度系数,Timei表示案件的审理时长,PeopleNumi表示案件i的被告原告人数,PeopleNumi表示案件i的原告被告类型,CTypei表示案件i的案件类型,l1,l2表示系数。
于本发明的一实施例中,所述基于知识图谱的案件分配方法还包括:通过所述知识图谱展示分案的结果,并通过选择结点和关系分析分案的结果并进行管理。
本发明的实施例还提供一种基于知识图谱的案件分配***,包括:信息提取模块,用于获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息;知识图谱建立模块,用于基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系;分案辅助模块,用于基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。
本发明的实施例还提供一种电子设备,包括处理器和存储器,所述存储器存储有程序指令;所述处理器运行程序指令实现如上所述的基于知识图谱的案件分配方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有数据处理程序,所述数据处理程序被处理器执行时实现如上所述的基于知识图谱的案件分配方法的步骤。
如上所述,本发明的基于知识图谱的案件分配方法、***、介质及电子设备具有以下有益效果:
本发明通过构建知识图谱,结合整数规划来进行法院中案件分配的优化,可视化的展示影响案件分配的要素之间的关系,提升法院的工作质量和工作效率,可以智能辅助引导数据处理人员更准确的提供法官和案件的主要信息,提升分案人员的分案公平性,分案效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1显示为本申请一实施例中的基于知识图谱的案件分配方法的整体流程示意图。
图2显示为本申请一实施例中的基于知识图谱的案件分配方法的具体执行过程示意图。
图3显示为本申请一实施例中的基于知识图谱的案件分配***的原理框图。
图4显示为本申请一实施例中的电子设备的原理框图。
元件标号说明
100 基于知识图谱的案件分配***
110 信息提取模块
120 知识图谱建立模块
130 分案辅助模块
140 展示与管理模块
101 电子设备
1001 处理器
1002 存储器
S100~S300 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
本实施例的目的在于提供一种基于知识图谱的案件分配方法、***、介质及电子设备,通过构建知识图谱,结合整数规划来进行法院中案件分配的优化,可视化的展示影响案件分配的要素之间的关系,提升法院的工作质量和工作效率,有效解决现有技术中法院无法高效公平分配案件的技术问题。
以下将详细阐述本发明的基于知识图谱的案件分配方法、***、介质及电子设备的原理及实施方式,使本领域技术人员不需要创造性劳动即可理解本发明的基于知识图谱的案件分配方法、***、介质及电子设备。
实施例1
具体地,如图1所示,本实施例提供一种基于知识图谱的案件分配方法,所述基于知识图谱的案件分配方法包括:
步骤S100,获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息;
步骤S200,基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系;
步骤S300,基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。
以下对本实施例的基于知识图谱的案件分配方法的步骤S100至步骤S300进行详细说明。
步骤S100,获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息。
具体地,如图2所示,首先导入法官数据文件、案件数据文件和历史分案记录等分配案件所需的基本信息。若法官数据文件和案件数据文件以图像方式存储,通过OCR识别技术从中提取出所需的基本信息,然后将这些基本信息存储在存储器上,通过提取法官信息和案件信息的关键信息,完成信息的筛选。
然后根据提取的内容信息,抽取可能影响法官分案的因素。在该步骤中,需要提取的法官信息包括但不限于:部门,姓名,性别,生日,年龄,法律职务,行政职务,教育背景,政治面貌和政法工作日期等。需要提取的案件信息包括但不限于:承办法院,案号全称,立案日期,立案案由,案件来源,原告,被告,承办部门,承办人,结案日期,结案方式,结案案由,生效日期,案件类型等。
通过对案件数据文件和历史分案记录等信息的统计分析,确定案件的类型,例如,将案件的类型分为是否危害公安,是否破坏公共秩序,是否侵犯人身权利,是否妨碍社会秩序,是否贪污受贿和是否侵犯个人财产六类。
在数据计算的过程中,同时统计每种案件的原告与被告的人数。采取简单量化,原告和被告人数越多,案件的复杂度越高。同时统计每种案件的原告与被告的类型。例如,经过统计分析,将原告被告的类型分为公司,个人,政府,医院四类。
此外,在数据计算的过程中,同时抽取所有的原告和被告,并通过统计建立每个原告和被告所涉及的案件列表。
每种影响因素对后续构建的匹配度函数的影响能力不同,过多引入对匹配度函数影响较小的因素会影响最终的效果和增大模型的复杂程度,所以先通过统计分析,得到每个因素对函数的影响相关度。
实际中,分案的实践重点考虑哪些因素仍然尚未定论。从法院管理来说,了解这些因素有助于从宏观理解分案的实践,设计更好的制度保证司法公正。随着法院信息化进程的推进,各地陆续出现一些自动分案的探索工作,并开发了一些有用的分案软件。在开发过程中,设计者基本依赖于个人的经验或者有限的调研。由于软件开发者并不是法院专家,他们设计出的分案***很难综合考虑影响法院内部分案的关键因素。从分案软件的角度,这些了解这些因素有助于开发者设计更有效的自动分案方法。
步骤S200,基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系。
获取法官信息例如工作年限,法官的能力,法官的加权职称等,然后建立所属的各种结点和关系,形成知识图谱,并把各种结点和关系导入到neo4j数据库中,将知识图谱应用于后续新到的案件分配。构建的知识图谱蕴含法官教育水平、法官的经历的相似程度、法官的工作量等可能影响法院的分案的因素。
其中,所述知识图谱的节点包括但不限于法官类型节点、法官结点、案件结点、案件类型结点、原告类型结点、被告类型结点和涉案人员结点中的多种组合。
各节点之间的连线(即边)为节点关系,所述节点关系但不限于包括法官与法官之间的能力关系,法官与法官之间的教育背景关系,法官与法官之间的工作经历关系、法官与法官之间的审理经历关系、法官案件之间的案件审理关系、案件类型与法官之间的案件审理关系、原告和案件之间的诉讼关系,被告和案件之间的被诉讼关系,案件类型与法官之间的案件类型审理关系和案件类型被审理关系,原告类型和法官之间的原告类型审理关系,原告类型被审理关系,被告类型和法官之间的被告类型审理关系以及被告类型被审理关系中的多种组合。
对于每一种关系,系都先建立一系列列表来存储这些关系,然后在依次建立这些关系。建立关系的过程就是在对应的结点之间添加边的过程。通过例如neo4j数据库所支持的Cypher语句中的create和match语句进行法官类型节点、法官结点、案件结点以及边(节点连线)的建立。
具体地,于本实施例中,首先建立相应的结点。例如,结点包括法官类型节点,法官结点,案件结点,案件类型结点,原告类型结点,被告类型结点和涉案人员结点。
其中,法官类型结点的属性包括不限于:部门,姓名,性别,生日,年龄,法律职务,行政职务,教育背景,政治面貌和政法工作日期。案件类型的结点的属性包括不限于:承办法院,案号全称,立案日期,立案案由,案件来源,原告,被告,承办部门,承办人,结案日期,结案方式,结案案由和生效日期。涉案人员结点的属性包含涉案类型。
然后在建立各节点相关的关系,具体的,建立关系时,包括:
1)将有相似工作年限之间的法官建立关系。例如,具体将其划分为8个区间,0-5,5-10,10-15,15-20,20-25,25-30,30-35,35-40。对在相同区间的法官建立“相似工作年限(SimilarWA)”关系。
2)对于有相同的学历的法官之间建立关系,***分为本科以下,本科,硕士,博士4个不同的类别。对属于相同类别的法官建立“相似教育背景(SimilarEB)”关系。
3)对于有了相似能力的法官建立关系,对于计算得到的法官能力值,划分为10个区间,对在相同区间的法官之间建立“相似能力值(SimilarAB)”关系。
4)对于处理过相同案件的法官,建立链表将其存储起来。每个法官之间建立“处理过相同案件(SimilarExp)”关系。
5)对于某一种案件类型,利用统计得到的审理过该类型案件的法官列表,建立该案件类型结点到每个法官结点之间的“案件类型被审理”关系。同时,根据每个法官审理的案件数量占该类型案件数量总数的百分比,给关系指定百分比属性,用于体现该类型案件和每位法官之间的匹配程度。
6)对于某位法官,利用统计得到的法官审理过的案件类型信息,得到所有法官审理过的案件类型列表,建立法官到每个案件类型之间的“案件类型审理”关系。并根据该类型案件占法官审理过的所有案件的百分比,建立关系的百分比属性,用于体现法官与每种案件类型之间的擅长程度。
7)对于每个涉案人员结点,利用统计得到的涉案人员对应的案件的列表,建立原告和案件之间的“诉讼”关系以及被告和案件的之间的“被诉讼的”关系。
8)对于每个原告类型和被告类型,根据统计得到的审理过该原告,被告类型的法官列表,建立该原告类型,被告类型到法官之间的“原告类型被审理”关系和“被告类型被审理”关系。同时,根据每个法官审理的该原告类型,被告类型的案件数量占原告类型,被告类型案件数量总数的百分比,给关系指定百分比属性,用于体现该原告类型,被告类型案件和每位法官之间的匹配程度。
9)对于某位法官,利用统计得到的法官审理过的原告,被告类型信息,得到所有法官审理过的原告类型列表和被告类型列表,建立法官到每个原告类型和被告类型之间的“原告类型审理”和“被告类型审理关系”关系。并根据该原告类型案件和被告类型案件占法官审理过的所有案件的百分比,建立关系的百分比属性,用于体现法官与每种原告类型和被告类型的擅长程度。
10)将案件按照结案案由进行分类,将对于每个案件与该案件的审理法官之间建立“案件审理”关系。
法官案件匹配程度一定程度上可以由法官审理过的与此案件相同类型的案件的数量来体现。在知识图谱中,就体现为这种类型的关系的数量。如果这种类型的关系数量较多,则这个案件与该法官之间的相匹配程度就较高。
步骤S300,基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。
在知识图谱支持下,构建法官与案件的匹配度函数。该匹配度函数可以作为整数规划的目标函数,通过寻求该匹配度函数的最优解,提供给整数规划进一步优化分案结果,可以对给定案件和法官进行分案。分案的方案能同时满足最佳匹配和均衡的目标,从而提升法院分案的公平性和效率。
基于知识图谱的法官和案件匹配计算函数。需要计算的信息包括法官相关的法官的工作能力,法官过去一段时间内的工作量,法官的加权职称,审理过相同案件的法官,法官的工龄和某一法官审理过的案件。与案件相关的信息包括案件的复杂程度,案件的所属类型,案件原被告的所属类型和案件的审理时长。
具体地,于本实施例中,所述匹配度函数的一种表示方式为:
其中,n表示为案件的数量,m表示为法官的数量,aj表示法官j的能力,ci表示案件i的难度系数;aj-ci表示案件i和法官j之间的能力差值,Rij表示案件i和法官j之间的案件类型-法官的相关程度,Pij表示案件i和法官j之间的原告-法官类型相关程度,Dij表示案件i和法官j之间的被告-法官类型相关程度;k1,k2表示系数;当Match越大时,表示法官和案件的匹配程度越高;当Match越小时,表示法官和案件的匹配的程度越低。
于本发明的一实施例中,法官j的能力aj的一种表示方式为:
aj=c1*WAj+c2*EBj+c3*WEj+c4*TLj;
其中,aj表示法官j的能力,WAj表示法官i的工作年限,EBj表示法官j的教育背景,WEj表示过去一段时间内法官j处理的案件的总数,TLj表示法官j的职称,cj(j=1,2,3,4)表示不同的加权系数。其中,法官的教育背景,法官的工作年限都可以由提取出来的法官信息直接获得。
于本实施例中,法官的职称包括:法律职称和行政职称。法官j的职称TLj的一种表示方式为:
TLj=s1*lawTj+s2*polTj;
其中,TLj表示法官j的职能能力,lawTj表示法官j的法律职称,polTj表示法官j的行政职称,s1,s2表示系数。
于本发明的一实施例中,案件i的难度系数ci的一种表示方式为:
ci=l1*Timei+l2*PeopleNumi+l3*PeopleTypei+l4*CTypei;
其中,ci表示案件i的难度系数,Timei表示案件的审理时长,PeopleNumi表示案件i的被告原告人数,PeopleNumi表示案件i的原告被告类型,CTypei表示案件i的案件类型,l1,l2表示系数。
法官过去一段时间内的审理量、一段时间内法官审理的案件、案件的审理时间,案件的结案案由和案件的原告被告人数是由筛选出的信息统计得到的。
在数据计算的过程中,同时统计每个案件的结案案由,并将案件按照结案案由进行分类。例如法官j审理过的类型为(t1,t2...,tn)的案件,统计出每种类型案件占总案件的比例,作为法官j对此类案件的熟悉程度,用于法官案件匹配程度的计算。这里体现的时对于法官j而言,是否擅长该类型的案件。
在数据计算的过程中,同时统计每种案件的结案案由,并按照结案案由的分类,统计每种结案案由类型下各种法官的占比,用来表示这种类型的案件和这个法官的匹配程度。这体现的是这种案件类型是否适合由法官j来审理。
此外,于本实施例中,所述基于知识图谱的案件分配方法还包括:通过所述知识图谱展示分案的结果,并通过选择结点和关系分析分案的结果并进行管理。
将所述知识图谱导入到数据库后,通过网页的形式展示出来并进行管理。
于本实施例中,将属于同一关系下的节点之间建立的关系通过网页的形式展示出来。并且可以进行结点,边的管理。例如,在网页端,可以通过cypher语言对数据库进行管理,包括增删改查。在展示知识图谱时,可以选择不同关系进行展示,也可选择不同颜色,不同的数量进行展示。所以本实施例通过可视化的展示影响案件分配的要素之间的关系,可以提升法院的工作质量和工作效率。
具体地,还可以通过查询各种类型的结点,或通过查询各种关系,查看该关系所对应的知识图谱。本实施例中,查询结点或者关系的时候,查看内容包括但不限于:查看结点的属性;指定查看结点数量;指定查看关系的数量;按照关系属性的大小排序并查看,以体现不同关系的权重;可选择不同颜色进行展示;通过数据的更新会自动更新知识图谱和基础数据。
本实施例中基于构建的知识图谱和匹配度函数进行案件分配的过程如下:
法官案件匹配程度,可以通过法官和案件之间的知识图谱得到一定程度的体现。例如若法官和案件之间的匹配程度越高,则该案件类型和法官之间被审理关系的属性值就应该较大,并且该法官与案件类型之间的案件审理关系的属性值也应该较大。该案件的原告类型和被告类型与法官之间的原告类型审理关系,被告类型审理关系的属性值也应该较大。
根据本实施例方法得到的参考,分案人员可以建立一些法官和案件的约束,例如根据法官的能力值,案件的复杂程度和法官和案件的匹配程度来选择约束,再根据法官案件匹配度,利用整数规划的原理,可以较好的将案件分配给某个法官,从而提高分案的效率。
整数规划模型会尝试在对匹配度函数求解出非整数解后再进一步进行整数迭代的方式进行最优解求解。对于不进行迭代求解的求解方式,则往往采用启发式搜索的方法直接尝试所有满足限制条件的变量取值组合,选取最优的目标函数对应的组合作为最终结果返回。整数规划在线性规划的基础上,进一步要求最终求解结果中,变量的取值均为整数。最后本实施例通过知识图谱展示分案的结果,并可以通过选择结点和关系具体分析分案的结果。
所以本实施例的基于知识图谱的案件分配方法利用知识图谱的特性,分析法官和案件的特点,可视化的展示了法官之间,法官和案件之间的关系,为法院分案提供了参考,也为分案程序的开发提供了借鉴。
实施例2
如图3所示,本实施例提供一种基于知识图谱的案件分配***100,所述基于知识图谱的案件分配***100至少包括:信息提取模块110,知识图谱建立模块120以及分案辅助模块130;还优选包括展示与管理模块140。
于本实施例中,所述信息提取模块110用于获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息。
于本实施例中,所述知识图谱建立模块120用于基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系;
于本实施例中,所述分案辅助模块130用于基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。
于本实施例中,所述展示与管理模块140用于关系导入到数据库后,通过网页的形式展示知识图谱并对知识图谱和分案结果进行管理。
本实施例的基于知识图谱的案件分配***100具体实现的技术特征与前述实施例中的基于知识图谱的案件分配方法基本相同,实施例间可以通用的技术内容不作重复赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,所述知识图谱建立模块120可以为单独设立的处理元件,也可以集成在电子终端的某一个芯片中实现,此外,也可以以程序代码的形式存储于终端的存储器中,由上述终端的某一个处理元件调用并执行以上追踪计算模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable GateArray,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
实施例3
如图4所示,本实施例提供一种电子设备101,电子设备101包括:处理器1001及存储器1002;所述存储器1002用于存储计算机程序;所述处理器1001用于执行所述存储器1002存储的计算机程序,以使所述电子设备101执行如实施例1中基于知识图谱的案件分配方法的各步骤。由于基于知识图谱的案件分配方法的各步骤的具体实施过程已经在实施例1中进行了详细说明,在此不再赘述。
处理器1001为CPU(Central Processing Unit,中央处理器)。存储器1002通过***总线与处理器1001连接并完成相互间的通信,存储器1002用于存储计算机程序,处理器1001用于运行计算机程序,以使所述处理器1001执行所述的基于知识图谱的案件分配方法。存储器1002可能包含随机存取存储器(RandomAccess Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
此外,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器1001执行时实现所述的基于知识图谱的案件分配方法。上述已经对所述基于知识图谱的案件分配方法进行了详细说明,在此不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本发明通过构建知识图谱,结合整数规划来进行法院中案件分配的优化,可视化的展示影响案件分配的要素之间的关系,提升法院的工作质量和工作效率,可以智能辅助引导数据处理人员更准确的提供法官和案件的主要信息,提升分案人员的分案公平性,分案效率。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包括通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种基于知识图谱的案件分配方法,其特征在于:包括:
获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息;所述法官信息包括:部门,姓名,性别,生日,年龄,法律职务,行政职务,教育背景,政治面貌,政法工作日期,工作年限和工作能力;所述案件信息包括:承办法院,案号全称,立案日期,立案案由,案件来源,原告,被告,承办部门,承办人,结案日期,结案方式,结案案由,生效日期和案件类型;
基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系;
基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。
所述匹配度函数的一种表示方式为:
其中,n表示为案件的数量,m表示为法官的数量,aj表示法官j的能力,ci表示案件i的难度系数;aj-ci表示案件i和法官j之间的能力差值,Rij表示案件i和法官j之间的案件类型-法官的相关程度,Pij表示案件i和法官j之间的原告-法官类型相关程度,Dij表示案件i和法官j之间的被告-法官类型相关程度;k1,k2表示系数;当Match越大时,表示法官和案件的匹配程度越高;当Match越小时,表示法官和案件的匹配的程度越低;
法官j的能力aj的一种表示方式为:
aj=c1*WAj+c2*EBj+c3*WEj+c4*TLj;
其中,aj表示法官j的能力,WAj表示法官i的工作年限,EBj表示法官j的教育背景,WEj表示过去一段时间内法官j处理的案件的总数,TLj表示法官j的职称,cj表示不同的加权系数,j=1,2,3,4;
法官j的职称TLj的一种表示方式为:
TLj=s1*lawTj+s2*polTj;
其中,TLj表示法官j的职能能力,lawTj表示法官j的法律职称,polTj表示法官j的行政职称,s1,s2表示系数;
案件i的难度系数ci的一种表示方式为:
ci=l1*Timei+l2*PeopleNumi+l3*PeopleTypei+l4*CTypei;
其中,ci表示案件i的难度系数,Timei表示案件的审理时长,PeopleNumi表示案件i的被告原告人数,PeopleNumi表示案件i的原告被告类型,CTypei表示案件i的案件类型,l1,l2表示系数。
2.根据权利要求1所述的基于知识图谱的案件分配方法,其特征在于:所述知识图谱的节点包括法官类型节点,法官结点,案件结点,案件类型结点,原告类型结点,被告类型结点和涉案人员结点中的多种组合;各节点之间的连线为节点关系,所述节点关系包括法官与法官之间的能力关系,法官与法官之间的教育背景关系,法官与法官之间的工作经历关系,法官与法官之间的审理经历关系,法官案件之间的案件审理关系,案件类型与法官之间的案件审理关系,原告和案件之间的诉讼关系,被告和案件之间的被诉讼关系,案件类型与法官之间的案件类型审理关系和案件类型被审理关系,原告类型和法官之间的原告类型审理关系,原告类型被审理关系,被告类型和法官之间的被告类型审理关系以及被告类型被审理关系中的多种组合。
3.根据权利要求1所述的基于知识图谱的案件分配方法,其特征在于:所述基于知识图谱的案件分配方法还包括:通过所述知识图谱展示分案的结果,并通过选择结点和关系分析分案的结果并进行管理。
4.一种基于知识图谱的案件分配***,执行如权利要求1至权利要求3任一权利要求所述的基于知识图谱的案件分配方法,其特征在于:所述基于知识图谱的案件分配***包括:
信息提取模块,用于获取分配案件所需的基本信息,并从所述基本信息中提取法官信息和案件信息;
知识图谱建立模块,用于基于法官信息和案件信息构建知识图谱;所述知识图谱包含多个影响分案的节点和节点关系;
分案辅助模块,用于基于所述知识图谱构建法官与案件的匹配度函数,并获取所述匹配度函数的最优解,基于所述最优解进行案件分配。
5.一种电子设备,其特征在于:包括处理器和存储器,所述存储器存储有程序指令;所述处理器运行程序指令实现如权利要求1至权利要求3任一权利要求所述的基于知识图谱的案件分配方法的步骤。
6.一种计算机可读存储介质,其特征在于所述计算机可读存储介质上存储有数据处理程序,所述数据处理程序被处理器执行时实现如权利要求1-3中任一项所述的基于知识图谱的案件分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138654.0A CN112883196B (zh) | 2021-02-01 | 2021-02-01 | 基于知识图谱的案件分配方法、***、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138654.0A CN112883196B (zh) | 2021-02-01 | 2021-02-01 | 基于知识图谱的案件分配方法、***、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883196A CN112883196A (zh) | 2021-06-01 |
CN112883196B true CN112883196B (zh) | 2022-08-16 |
Family
ID=76052395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110138654.0A Active CN112883196B (zh) | 2021-02-01 | 2021-02-01 | 基于知识图谱的案件分配方法、***、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883196B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720786B (zh) * | 2023-08-01 | 2023-10-03 | 中国科学院工程热物理研究所 | 一种融合kg和plm的装配质量稳定性预测方法、***及介质 |
CN117235279B (zh) * | 2023-09-04 | 2024-03-19 | 上海峻思寰宇数据科技有限公司 | 一种融合大语言模型和知识图谱的关键任务开发*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767070A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 案件分配方法、装置、计算机设备和存储介质 |
CN109872052A (zh) * | 2019-01-28 | 2019-06-11 | 广州大学 | 一种法院案件智能化分案辅助方法及*** |
CN110866174A (zh) * | 2018-08-17 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 庭审问题的推送方法、装置和*** |
CN111241241A (zh) * | 2020-01-08 | 2020-06-05 | 平安科技(深圳)有限公司 | 基于知识图谱的案件检索方法、装置、设备及存储介质 |
CN111291161A (zh) * | 2020-02-20 | 2020-06-16 | 平安科技(深圳)有限公司 | 法律案件知识图谱查询方法、装置、设备及存储介质 |
CN112053074A (zh) * | 2020-09-11 | 2020-12-08 | 南京通达海科技股份有限公司 | 一种法院案件自动分案***及其方法 |
-
2021
- 2021-02-01 CN CN202110138654.0A patent/CN112883196B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866174A (zh) * | 2018-08-17 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 庭审问题的推送方法、装置和*** |
CN109767070A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 案件分配方法、装置、计算机设备和存储介质 |
CN109872052A (zh) * | 2019-01-28 | 2019-06-11 | 广州大学 | 一种法院案件智能化分案辅助方法及*** |
CN111241241A (zh) * | 2020-01-08 | 2020-06-05 | 平安科技(深圳)有限公司 | 基于知识图谱的案件检索方法、装置、设备及存储介质 |
CN111291161A (zh) * | 2020-02-20 | 2020-06-16 | 平安科技(深圳)有限公司 | 法律案件知识图谱查询方法、装置、设备及存储介质 |
CN112053074A (zh) * | 2020-09-11 | 2020-12-08 | 南京通达海科技股份有限公司 | 一种法院案件自动分案***及其方法 |
Non-Patent Citations (2)
Title |
---|
"人工智能分案机制探析";金昌伟;《中国政法大学学报》;20200310;全文 * |
王小新." 法院分案***的检视与重构——以X法院刑事案件分配为例".《法律适用》.2016, * |
Also Published As
Publication number | Publication date |
---|---|
CN112883196A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Amini et al. | Mahamgostar. com as a case study for adoption of laravel framework as the best programming tools for php based web development for small and medium enterprises | |
Mariani et al. | Artificial intelligence in innovation research: A systematic review, conceptual framework, and future research directions | |
Amiri et al. | A new fuzzy approach based on BWM and fuzzy preference programming for hospital performance evaluation: A case study | |
CN112883196B (zh) | 基于知识图谱的案件分配方法、***、介质及电子设备 | |
Fish | Knowledge automation: how to implement decision management in business processes | |
Kordi et al. | Mapping of social sustainability attributes to stakeholders’ involvement in construction project life cycle | |
Barão et al. | Strengthening urban sustainability: Identification and analysis of proactive measures to combat blight | |
Cristea | Emerging IT technologies for accounting and auditing practice | |
Mohammadrezaytayebi et al. | Introducing a system dynamic–based model of quality estimation for construction industry subcontractors’ works | |
Merhi | A process model of artificial intelligence implementation leading to proper decision making | |
Verma et al. | FinTech in small and medium enterprises (SMEs): A review and future research agenda | |
WO2022150343A1 (en) | Generation and evaluation of secure synthetic data | |
Kryvinska et al. | Developments in Information and Knowledge Management Systems for Business Applications: Volume 7 | |
CN117726166A (zh) | 基于大语言模型的人工智能企业客户风险信息分析评估方法和*** | |
Van Helvert-Beugels et al. | Boards of advisors in family small-and medium-sized enterprises | |
US20220215142A1 (en) | Extensible Agents in Agent-Based Generative Models | |
Motjolopane et al. | Digital transformation dimensions for evaluating SMEs' readiness for big data analytics and artificial intelligence: A review | |
Niknamian | The Relationship Between Valuation Criteria and Maturity Level of Knowledge Management: An Empirical Analysis. | |
Ruzgar et al. | Rough sets and logistic regression analysis for loan payment | |
Zhou | The Ethical Implementation of Algorithm-based Decision-making: An Analytic Roadmap to Examine Accountability and Responsibility of Designing and Implementing Audit Data Analytics | |
Claase | Optimizing feasibility studies: Based on a Grounded Theory type comparison of feasibility design research | |
Ashour et al. | A comprehensive state-of-the-art survey on the recent modified and hybrid analytic hierarchy process approaches | |
Luna-Reyes et al. | A Systems View of Enterprise Data Governance for Artificial Intelligence Applications in Government | |
Shawish | The Study of project risk management implementation critical success factors and construction project success: A correlation Study | |
Pannala | Detection Healthcare Frauds in Insurance Industry by Healthcare Service Providers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |