CN115511668B - 一种基于人工智能的案件监督方法、装置、设备和介质 - Google Patents

Abstract

本发明公开了一种基于人工智能的案件监督方法、装置、设备和介质，其方法包括：获取待识别案件数据；待识别案件数据包括行政机关向法院发起执行请求后，法院对于执行请求进行反馈应答的行为记录数据；将待识别案件数据输入类型识别模型，输出待识别案件数据的类型识别结果；若类型识别结果为待识别案件数据属于非诉执行类型，将待识别案件数据输入行为评估模型，输出待识别案件数据的评估结果；若评估结果为待识别案件数据符合预设违规条件，生成提示信息以及时进行预警。本发明实现了自动化对非诉执行类型的情况监管，不仅可以实时监测、实时预警、实时防范，而且在节约人力成本同时，预警的精准性得到大大提高。

Description

一种基于人工智能的案件监督方法、装置、设备和介质

技术领域

本发明涉及大数据处理技术领域，进一步地涉及基于人工智能的案件监督方法、装置、设备和介质。

背景技术

行政非诉执行是指公民、法人或其他组织在法定的期限内既不提起行政复议或者行政诉讼，又不履行已经生效的具体行政行为所确定的义务，人民法院根据行政机关或具体行政行为确定的权利人的执行申请，采取强制执行措施，使行政机关的具体行政行为得以实现的制度。行政非诉执行监督是指人民检察院依据相关法律的授权对人民法院行使行政非诉执行职能活动的监督，既监督人民法院司法公正，有促进行政机关依法行政，发挥“一手托两家”的功能。

在非诉执行的工作开展过程中，需要对行政执法单位的行政处罚、法院的裁定书进行监督。由于行政非诉执行监督机制的不健全造成监督不规范、不统一，程序性监督和选择性监督问题凸显。行政检察涉及的法律法规繁多，专业性强，对检察官自身的专业要求也非常高，在行政非诉执行业务的开展要在海量的数据和文件中利用人工从海量数据中去筛查，不仅仅耗时费力，而且达不到预期的效果。此外，现有技术无法对行政机关的工作人员的工作进行有效监督考评。

发明内容

针对上述技术问题，本发明的目的在于。

为了实现上述目的，本发明提供一种基于人工智能的案件监督方法，包括：

获取待识别案件数据；所述待识别案件数据包括行政机关向法院发起执行请求后，所述法院对于所述执行请求进行反馈应答的行为记录数据；

将所述待识别案件数据输入类型识别模型，输出所述待识别案件数据的类型识别结果；

若所述类型识别结果为所述待识别案件数据属于非诉执行类型，将所述待识别案件数据输入行为评估模型，输出所述待识别案件数据的评估结果；

若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警。

根据本发明的另一方面，本发明进一步提供一种基于人工智能的案源监督装置，包括：

数据获取模块，用于获取待识别案件数据；所述待识别案件数据包括行政机关向法院发起执行请求后，所述法院对于所述执行请求进行反馈应答的行为记录数据；

类型识别模块，用于将所述待识别案件数据输入类型识别模型，输出所述待识别案件数据的类型识别结果；

评估分析模块，用于若所述类型识别结果为所述待识别案件数据属于非诉执行类型，将所述待识别案件数据输入行为评估模型，输出所述待识别案件数据的评估结果；

提示预警模块，用于若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警。

根据本发明的另一方面，本发明进一步提供一种电子设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现所述的基于人工智能的案件监督方法所执行的操作。

根据本发明的另一方面，本发明进一步提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现所述的基于人工智能的案件监督方法所执行的操作。

与现有技术相比，本发明所提供的基于人工智能的案件监督方法、装置、设备和介质具有以下有益效果：

1)打破数据壁垒为辅助办案做好渠道。

2)利用数据分析机制，精准发现案源监督点。

3)建立完善的辅助办案体系，智能辅助检察官办案。

4)形成全面综合管理体系，利用大数据技术，通过数据为决策做好支撑，全面掌握整体业务开展情况。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明的基于人工智能的案件监督方法的一个实施例的流程图；

图2是本发明的基于人工智能的案件监督方法的另一个实施例的流程图；

图3是本发明的基于人工智能的案件监督方法的另一个实施例的流程图；

图4是本发明的基于人工智能的案件监督方法的另一个实施例的流程图；

图5是本发明的基于人工智能的案件监督方法的另一个实施例的流程图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和 /或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。

人工智能(Artificial Intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。

参考说明书附图1，在一个实施例中，一种基于人工智能的案件监督方法，包括：

S110获取待识别案件数据；所述待识别案件数据包括行政机关向法院发起执行请求后，所述法院对于所述执行请求进行反馈应答的行为记录数据。

具体的，非诉行政案件执行是指行政执法机关对行政相对人(包括公民、法人和其他组织)做出具体行政行为后，行政相对人既不申请复议，亦不起诉，又不自动履行或不完全履行义务，行政机关申请人民法院强制执行，人民法院经审查作出准予执行或不予执行的裁定后，在准予执行的情况下通过执行程序使行政机关的具体行政行为得以实现的制度。行政机关对于行政相对人既不申请复议，亦不起诉，又不自动履行或不完全履行义务的情况，可以向法院发起要求行政相对人强制执行的执行请求，然后，就需要等待法院对于行政机关发起的执行请求进行反馈应答。为了保障使得的具体行政行为得以实施，需要监督法院对于执行请求的反馈应答的是否合规以及是否未超期，现有技术通常由人工来监督法院对于执行请求的反馈应答的是否合规以及是否未超期，在法律越来越被民众熟知并使用的情况下，大量案件由人工方式进行监督，这种对于法院的行为活动进行监督的机制不健全、不智能。其中，待识别案件数据的来源为各个级别(例如县级、市级、省级)的人民法院接收到行政机关的执行请求后，从法院的服务器或者法院的公示网站或公开网站抓取对于执行请求进行反馈应答后的文本数据或图像数据得到待识别案件数据。

行政检察业务是检察机关的一个“大监督”，包括对诉讼活动监督、执行活动监督、非诉执行活动监督。为了保证行政检察业务的有效开展，考虑到行政非诉执行作为行政检察工作的重要组成部分，对行政非诉执行监督工作的有效开展能够充分发挥行政检察功能作用，补齐行政检察短板，实现检察工作全面协调充分发展具有重要意义。

S120将所述待识别案件数据输入类型识别模型，输出所述待识别案件数据的类型识别结果。

S130若所述类型识别结果为所述待识别案件数据属于非诉执行类型，将所述待识别案件数据输入行为评估模型，输出所述待识别案件数据的评估结果。

S140若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警。

具体的，由于人工查阅行政执法单位行政处罚文书与裁定书，从而发现非诉执行监督案件线索，但人工查阅时数据量大，文书信息繁多，无法进行有效的类案整理分析，相关法律法规也需要人工查找，办案效率低。

本发明通过云计算等数据分析工具和技术对数据进行分析处理，其进行运算和判断分析的主要工具是计算机人工智能***，操作人员只要根据计算机人工智能***给出的结论或者建议及时采取措施即可。将待识别案件数据输入道预先训练好的类型识别模型中，由类型识别模型中输出对于待识别案件数据的类型识别结果。如果类型识别结果为待识别案件数据属于非诉执行类型，将所述待识别案件数据输入行为评估模型，由行为评估模型输出对于待识别案件数据的评估结果。如果评估结果为待识别案件数据符合预设违规条件，生成提示信息以及时进行预警。预警方式一般为向目标对象(例如对法院执行监管、监督的上级部门的负责人，或向待识别案件数据的法官、检察官等经手人)发送提示信息，提示方式可以是声音提示、闪烁灯光提示、短信提示等。

本发明全面推进大数据与检察工作深度融合，促进检察工作提质增效，更好地维护司法公正、提升司法能力、强化司法监督、规范司法行为、深化司法公开，实现检察工作的与时俱进和创新发展。

本发明将人工智能、大数据等前沿技术与行政检察监督业务深入融合，依托互联网主动发现非诉执行线索，能够推进非诉执行大数据研判平台建设，通过大数据、数据分析等技术为行政非诉执行线索的发现提供智能辅助和支撑，实现打造监督法院与监督行政机关的专项办案模式，持续提供高质量线索，提升行政检察非诉执行能力。

参考说明书附图2，在一个实施例中，一种基于人工智能的案件监督方法中的类型识别模型训练步骤，包括：

S210获取若干个样本数据；每个所述样本数据为标注有类型标签的图像数据或者文本数据；所述类型标签包括诉讼类型、非诉执行类型；

具体的，在一些实施例中，样本数据可以通过对网络、机构服务器等数据源进行数据挖掘获取。例如，通过爬虫工具采集裁判文书网、行政案件信息公开网等网站公开的包括诉讼文书、执行文书、非诉执行文书的图像数据或者文本数据，然后包括诉讼文书、执行文书、非诉执行文书的图像数据或者文本数据进行打标得到标注有类型标签的样本数据。其中，类型标签可以用于指示训练样本数据为对应类型的概率，该概率值的取值可以是0至1之间的任意数。

S220对所述样本数据进行数据增强处理得到扩增样本数据；

具体的，在数据集比较小的时候，数据增强能很好地解决数据不足而出现过拟合这一问题。如果数据量太小，那就无法训练出能泛化到新数据的模型，就会出现过拟合，而数据增强就是从现有的样本数据中生成更多的新的样本数据。如果样本数据是图像格式的，那么主要是利用可以对图像格式的样本数据采用现有的图像的随机变换，例如旋转角度，平移，缩放等操作来增加图像格式的样本数据，让模型能学习到更多的数据，从而具有更好的泛化能力。扩增样本数据中包括原始的样本数据以及数据增强处理后得到的增强处理后样本数据。

当然，如果样本数据是文本格式的，那么可以采用常见的文本数据增强方法，例如回译数据增强法、EDA增强法来增加文本格式的样本数据，让模型能学习到更多的数据，从而具有更好的泛化能力。

其中，回译数据增强目前是文本数据增强方面效果较好的增强方法，一般基于***翻译接口，将文本数据翻译成另外一种语言(一般选择小语种)，之后再翻译回原语言，即可认为得到与与原语料同标签的新语料，新语料加入到原数据集中即可认为是对原数据集数据增强。

其中，EDA增强法包括1、同义词替换(SR)：随机从句子中选择n个非停用词。然后用随机选择的某一个同义词的方式替换它们。2、随机***(RI)：在句子中找到一个随机的非停用词的随机同义词。将同义词***句子中的随机位置，这样做n次。3、随机交换(RS)：随机选择句子中的两个单词并交换其位置。这样做n次。4、随机删除(RD)：以一个固定概率p去随机删除句子中的词。

S230根据所述扩增样本数据构建得到正样本对和负样本对；所述正样本对和所述负样本对均包括两个所述扩增样本数据；

具体的，每一正样本对中两个扩增样本数据的类型标签均为所述非诉执行类型。每一负样本对中两个扩增样本数据的类型标签均为所述诉讼类型，或每一负样本对中两个扩增样本数据中一个类型标签为所述诉讼类型且另一个为所述非诉执行类型。

例如，比如扩增样本数据中有A(对应非诉执行类型)、B(对应诉讼类型) 两条原始的样本数据，以及A’(对应非诉执行类型)、B’(对应诉讼类型)、两条增强处理后样本数据。那么AA’就是正样本对，AB’、AB、A’B、A’B’就是负样本对。

S240根据所述正样本对和所述负样本对进行训练得到所述类型识别模型。

具体的，类型识别模型用于对待识别案件数据进行样本类型分类处理，本发明根据正样本和负样本对进行对比学习训练得到类型识别模型，实现了对比学习中类型标签为诉讼类型的识别，从而提高类型识别模型的对比学习效果，便于类型识别模型实现对待识别案件数据的分类识别，可以提高识别的准确性。

具体的，行政非诉执行监督是行政检察工作的重要组成部分，充分体现了行政检察既监督法院公正司法的职能作用。大数据技术破除行政非诉执行监督案源获取困境。本发明依托“人工智能”、“大数据”等技术，建立行政非诉法律监督机制，通过模型研判帮助检察官发现监督线索，节省监督查找工作量，进一步提升司法办案的效率。

本发明充分运用机器学习算法，针对行政案件文书等样本数据内容进行特征学习，***后台依照建立的行政非诉执行办案监督点、研判规则、预警规则，判断包括行政案件文书相关数据(例如法院受理受理时间、法院立案时间、法院审理时间等)的待识别案件数据是否存在违规的可能，并根据有关法律规定给出提示，实现智能化辅助检察办案。

本发明督促行政机关和人民法院规范执行活动，以个案为样本基于机器学习算法的方式，将监督触角延伸至类案监督。从行政非诉执行案件受理、审查、执行等环节入手，对行政机关催告程序、申请强制执行材料错误等不规范履职及法院办理非诉执行案件全过程进行监督，通过口头或书面检察建议予以纠正，实现对普遍性问题的有效解决，以协作联动有效监督法院规范司法、促进行政机关依法高效行政。

参考说明书附图3，在一个实施例中，一种基于人工智能的案件监督方法中的行为评估模型训练步骤，包括：

S310筛选出所述类型标签为所述非诉执行类型的扩增样本数据；所述扩增样本数据还包括评判标注；所述评判标注包括法院受理是否合规(即法院是否不应受理而受理)、法院立案是否超期、法院审理是否超期、是否达到终本执行案件监督、是否无正当理由超期执行；

S320根据筛选出的扩增样本数据训练得到多个评判分类结果各自对应的独立评估模型；

具体的，通过上述方式筛选出属于非诉执行类型的扩增样本数据后，进行打标得到标注有评判标注的扩增样本数据。将筛选得到的扩增样本数据进行划分得到训练样本集和验证样本集，一般，训练样本集和验证样本集中扩增样本数据的数据量比例为7：3或8：2。其中，训练样本集用于学习以建立初始的独立评估模型。验证样本集用于验证并调整初始的独立评估模型或下文的行为评估模型的参数得到最终的行为评估模型。

在本实施方式中，带有评判标注的训练样本包括违规案源类型和未违规案源类型。其中，未违规案源类型的训练样本包括符合以下所有结论的扩增样本数据：评判标注为法院受理合规、评判标注为法院立案为超期、评判标注为法院审理未超期、评判标注为达到终本执行案件监督、评判标注为未无正当理由超期执行。其中，违规案源类型的训练样本包括符合以下至少一种结论的扩增样本数据：评判标注为法院受理不合规、评判标注为法院立案超期、评判标注为法院审理超期、评判标注为未达到终本执行案件监督、评判标注为存在无正当理由超期执行中。

然后，对训练样本集中的扩增样本数据进行标准化，通过对标准化后的数据分别对多个初始网络模型进行训练，根据验证样本集分别对多个训练后的初始网络模型进行验证调整得到多个评判分类结果各自对应的独立评估模型。例如，训练得到评估法院受理是否合规的第一独立评估模型，训练得到评估法院受理是否合规的第一独立评估模型，训练得到评估法院立案是否超期的第二独立评估模型，训练得到评估法院审理是否超期的第三独立评估模型，训练得到评估是否达到终本执行案件监督的第四独立评估模型，以及训练得到评估是否无正当理由超期的第五独立评估模型。

S330根据得到的多个独立评估模型的权重系数，将所述多个独立评估模型进行融合得到行为评估模型；

S340根据所述筛选出的扩增样本数据对所述行为评估模型进行训练调整，确定对所述扩增样本数据的评估准确率达到预设阈值为止。

具体的，可以根据不同评判标注的重要程度或影响程度来设置对应的权重系数，然后根据每个独立评估模型的权重系数，将多个独立评估模型融合为本轮训练后的行为评估模型。之后，使用训练样本集对本轮训练后的行为评估模型进行训练，使用验证样本集对本轮训练后的行为评估模型的评估结果进行验证是否正确。统计本轮训练后的行为评估模型输出的评估结果与扩增样本数据的评判标注一致或相同的第一频次，将评估总次数(即评估结果与扩增样本数据的评判标注一致或相同的第一频次、评估结果与扩增样本数据的评判标注不一致或不相同的第二频次的和值)，将第一频次除以评估总次数得到此时行为评估模型的评估准确率。其中，多个预设的独立评估模型可以包括以下模型：多元线性回归模型、多项式回归模型、二分类模型等。

如果评估准确率未达到(小于等于或小于)预设阈值时，使用训练样本集重新对本轮训练后的行为评估模型进行训练或根据验证结果调整行为评估模型的模型参数，直至行为评估模型的评估准确率达到(大于或大于等于)预设阈值为止。如果评估准确率达到(大于或大于等于)预设阈值时直接将本轮训练后的行为评估模型为最终的行为评估模型。

通过本发明的基于人工智能的案件监督方法，可以建立行政检察大数据应用平台，从而能够对涉及公民人身、财产权益的行政强制措施实行司法监督，履行检察机关对行政机关违法行使职权或者不行使职权的行为进行监督，监督的前提是了解和掌握这些行使职权的行政行为的内容和法律依据。

从现有司法实践情况来看，行政检察部门受理此类案件的案源一般是依靠刑检部门、民事部门、公益诉讼部门案件线索的移送或民行联络员提供，没有主动及时发现违法行政作为或者不作为的途径。要加强对行政机关及其工作人员行使职权行为的法律监督，必须改变现有的被动监督模式，变被动为主动，适时掌握各行政机关依职权作出的各种行政行为，主要是具有行政执法权的机关作出的涉及公民人身、财产权益的行政处罚和行政强制措施，也包括对企业作出的相应行政处罚及行政强制措施。这些行政机关的职权应当包括(但不限于)公安(治安处罚、交通违法处罚)、工商、税务、环保、质检、安监、食品药品监督、城市管理、国土、劳动监察、教育、科技、文化、卫生、互联网等。这些行政执法数据在检察机关对行政诉讼监督及提起公益诉讼等方面同样具有重要价值。

在一个实施例中，所述若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警包括

根据符合所述预设违规条件的非诉执行类型的预警级别，生成不同的提示信息，根据所述提示信息向目标对象进行预警提醒；

其中，预设违规条件包括以下至少一种违规行为：

法院不应受理而受理、法院立案超期、法院审理超期、未达到终本执行案件监督、无正当理由超期执行。

具体的，预警级别包括低等级别、中等级别、高等级别等。可以不同的预警级别生成不同等级的提示信息，以便根据提示信息产生不同的预警提醒方式。通过不同的预警提醒方式便于向目标对象(例如法官、检察官等)进行不同等级的提醒。例如，设定“未达到终本执行案件监督”、“法院不应受理而受理”对应预警级别为高级级别，设定“无正当理由超期执行”为低等级别，设定“法院立案超期”和“法院审理超期”为中等级别。总之，本发明中预设违规条件中任意一种违规行为与非诉执行类型的预警级别的映射关系可根据违规行为的影响程度、重要程度来设定，此处只是举例，并不代表实际的映射关系。

本发明大数据时代使计算机人工智能辅助监督成为常态，解放检察机关人力资源。其中，大数据是信息社会的标志，计算机人工智能又是大数据时代的典型模式，检察监督应当也完全可以运用计算机信息技术发展的最新成果，将互联网公开的裁判文书直接分析研判，作出监督预警，这样对实体性监督内容 (即本发明的待识别案件数据)进行分析研判后，由检察监督人员参考相应研判结果(即本发明的评估结果)作出最终监督意见，提高监督效率和效果，缓解检察机关案多人少的矛盾。

本发明将行政非诉执行监督方向，法律依据、典型案例及检察官办案经验，通过法学研究进行梳理，依据模型方法论整理出计算机识别的研判规则。通过大数据技术、机器学习计算与行政检察业务进行了深度融合，将行政非诉执行类型发现由人工转化为计算机识别，极大提高了办案效率。本发明解决了非诉执行的案源发现的技术问题，提升检察监督能力，在节约司法资源，维护正常司法秩序的同时，提升司法权威和司法公信力，对促进行政机关依法行政、人民法院司法公证具有十分积极的作用。

通过本发明的基于人工智能的案件监督方法，可以建立行政检察大数据应用平台。其中。非诉执行大数据研判平台在监督法院的角度将从法院不应受理而受理、法院审理超期、终本执行监督和无正当理由超期执行等多个维度开展。

具体如下：

1、法院不应受理而受理

主要针对行政机关申请强制执行，不符合法院受理条件而受理的。目的在于监督法院，通过非诉执行行政裁定、立案日期、是否受理等维度进行监督。

2、法院立案超期

主要针对行政机关申请强制执行，符合法院受理条件而超期受理的。目的在于监督法院，通过非诉执行行政裁定、立案日期、是否受理等维度进行监督。

3、法院审理超期

主要是法院对行政机关的非诉执行申请审理超期问题。目的在于监督法院，通过非诉执行行政裁定书、立案日期、是否受理等维度进行监督。主要发现行政区划内是否存在违法情形。

4、未达到终本执行案件监督

主要是法院是否穷尽财产调查措施，是否3个月内终本的问题筛查。目的在于监督法院，通过非诉执行行政裁定书、立案日期、是否受理等维度进行监督。主要发现行政区划内是否存在未穷尽调查措施和终本裁定小于3个月。

5、无正当理由超期执行

主要是法院对于非诉执行案件一般应在三个月内执行完毕。通过非诉执行行政裁定书、立案日期、是否受理等维度进行监督。主要发现行政区划内是否存在违法情形。

参考说明书附图4，在一个实施例中，一种基于人工智能的案件监督方法中的搜索关键词高亮显示步骤，包括：

S410对用户输入的检索条件进行关键词提取；

S420根据所述关键词对案源数据库中的非诉执行文档进行搜索；

S430对搜索结果根据搜索匹配度进行排序显示，并将所述关键词高亮显示；

具体的，通过本发明的基于人工智能的案件监督方法，可以建立行政检察大数据应用平台，输入网址打开非诉执行大数据研判平台，进入非诉执行大数据研判平台首页从而展现非诉执行专项列表。然后点击专项图标，进入线索筛查功能，可通过多维度检索条件深度排查。例如，每个列表页上方都有搜索框，在搜索输入框输入关键字，点击"搜索"按钮，可以搜索到含有此关键字内容的数据即非诉执行文档。

参考说明书附图5，在一个实施例中，另一种基于人工智能的案件监督方法中的搜索关键词高亮显示步骤，包括：

S510在关键词搜索结果的列表页面处获取用户触摸输入的选项按钮；

S520根据所述用户选择的选项按钮获得对应的目标筛选条件；

S530根据所述目标筛选条件对所述关键词搜索结果中的非诉执行文档进行二次搜索；

S540对搜索结果根据搜索匹配度进行排序显示，并将所述关键词高亮显示。

具体的，可以在上述关键字搜索结果的基础上继续进行筛选条件搜索。其中，每个列表页左侧都有可点击的选项按钮，不同的选项按钮对应不同的筛选条件，点击选项按钮能够获取到对应的目标筛选条件。然后，根据目标筛选条件可搜索到该条件下的数据结果。其中，选项按钮之间可以在结果中搜索，每点击一个选项按钮，都会返回符合条件交集的结果。每个选项按钮括号内的数量，表示符合该选项按钮的文书数量。通过点击"更多"按钮，显示全部选项按钮。此外，每个列表页上方可以显示已选条件，关键字和选项按钮搜索后可形成已选条件。当然，点击已选条件的可以删除该条件。

搜索完成后可以通过搜索结果列表查看符合搜索结果的标题、关键词、摘要和主要信息项，其中，如果通过关键字搜索，搜索结果内容会显示与关键字完全一致的文字高亮。

本发明非诉执行大数据研判平台以美观简洁，便捷，易用等预设可视化方式呈现在检察官面前，辅助检察官提高办案效率。监督法院与监督行政机关专项同时进行，体现了行政检察"一手托两家"的职能；数据中台与知识引擎支撑整体平台，稳定、高效；响应式界面，自动适配多分辨率，PC、Pad及多智能终端均提供良好的操作体验。

通过本发明的基于人工智能的案件监督方法，可以建立行政检察大数据应用平台，非诉执行大数据研判平台以美观简洁，便捷，易用等预设可视化方式呈现在检察官面前，多种维度、通用关键词检索功能，辅助检察官提高办案效率。监督法院与监督行政机关专项同时进行，体现了行政检察"一手托两家"的职能；数据中台与知识引擎支撑整体平台，稳定、高效；响应式界面，自动适配多分辨率，PC、Pad及多智能终端均提供良好的操作体验。

在一个实施例中，所述若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警之后还包括：

将所述待识别案件数据的类型识别结果和/或评估结果，通过预设可视化方式进行显示。

通过本发明的基于人工智能的案件监督方法，可以建立行政检察大数据应用平台，非诉执行大数据研判平台以美观简洁，便捷，易用等预设可视化方式呈现在检察官面前，多种维度、通用关键词检索功能，辅助检察官提高办案效率。监督法院与监督行政机关专项同时进行，体现了行政检察"一手托两家"的职能；数据中台与知识引擎支撑整体平台，稳定、高效；响应式界面，自动适配多分辨率，PC、Pad及多智能终端均提供良好的操作体验。

本发明能够辅助检察机关更高效的案件办理，对审判过程、审判结果等领域进行案源分析和专项监督，更好地维护国家利益和人民利益。高效利用网络信息资源、降低办案成本。

优选的，行政非诉执行大数据研判平台部署方式分为两种：

1、采用云服务部署，某一地区行政检察官只需要通过地址、用户名和密码登陆即可，或直接使用pad。

2、采取本地部署模式，即：将软件环境及数据库部署在本地。本地部署需要在互联网能够访问的环境下，方便后续的数据更新。其中，行政非诉执行大数据研判平台运维将采取远程运维的方式：公司运维服务人员将通过互联网对裁判文书网中的裁定书和互联网中公示的行政处罚决定书进行采集，通过***标注后导入至本平台。

在一个实施例中，根据本发明的另一方面，本发明进一步提供一种基于人工智能的案源监督装置，包括：

数据获取模块，用于获取待识别案件数据；所述待识别案件数据包括行政机关向法院发起执行请求后，所述法院对于所述执行请求进行反馈应答的行为记录数据；

类型识别模块，用于将所述待识别案件数据输入类型识别模型，输出所述待识别案件数据的类型识别结果；

评估分析模块，用于若所述类型识别结果为所述待识别案件数据属于非诉执行类型，将所述待识别案件数据输入行为评估模型，输出所述待识别案件数据的评估结果；

提示预警模块，用于若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警。

具体的，本实施例是上述方法实施例对应的***实施例，具体效果参见上述方法实施例，在此不再一一赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。

本发明的一个实施例，一种电子设备，包括处理器、存储器，其中，存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的计算机程序，实现上述所对应方法实施例中的基于人工智能的案件监督方法。

所述电子设备可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述电子设备可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，上述仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：电子设备还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线，还可以包括输入/输出接口，其中，处理器、存储器、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器存储有计算机程序，该处理器用于执行存储器上所存放的计算机程序，实现上述所对应方法实施例中的基于人工智能的案件监督方法。

所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器可以是所述电子设备的内部存储单元，例如：电子设备的硬盘或内存。所述存储器也可以是所述电子设备的外部存储设备，例如：所述电子设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述电子设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述电子设备所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。

通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如，处理器通过通信总线从其它元素接收到命令，解密接收到的命令，根据解密的命令执行计算或数据处理。存储器可以包括程序模块，例如内核(kernel)，中间件(middleware)，应用程序编程接口(Application Programming Interface，API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该电子设备与其它网络设备、用户设备、网络进行连接。例如，通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种：无线保真(WiFi)，蓝牙(BT)，近距离无线通信技术(NFC)，全球卫星定位***(GPS) 和蜂窝通信等等。有线通信可以包括以下至少一种：通用串行总线(USB)，高清晰度多媒体接口(HDMI)，异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。电子设备可以通过通信接口连接网络，电子设备和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。

本发明的一个实施例，一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述基于人工智能的案件监督方法对应实施例所执行的操作。例如，存储介质可以是只读内存(ROM)、随机存取存储器 (RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。

它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，所述的计算机程序可存储于一存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述存储介质可以包括：能够携带所述计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读的存储介质不包括电载波信号和电信信号。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于人工智能的案件监督方法，其特征在于，包括：

获取待识别案件数据；所述待识别案件数据包括行政机关向法院发起执行请求后，所述法院对于所述执行请求进行反馈应答的行为记录数据；

将所述待识别案件数据输入类型识别模型，输出所述待识别案件数据的类型识别结果；

若所述类型识别结果为所述待识别案件数据属于非诉执行类型，将所述待识别案件数据输入行为评估模型，输出所述待识别案件数据的评估结果；

若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警；

获取若干个样本数据；每个所述样本数据为标注有类型标签的图像数据或者文本数据；所述类型标签包括诉讼类型、非诉执行类型；

对所述样本数据进行数据增强处理得到扩增样本数据；

根据所述扩增样本数据构建得到正样本对和负样本对；所述正样本对和所述负样本对均包括两个所述扩增样本数据；

根据所述正样本对和所述负样本对进行训练得到所述类型识别模型；

其中，每一正样本对中两个扩增样本数据的类型标签均为所述非诉执行类型；

其中，每一负样本对中两个扩增样本数据的类型标签均为所述诉讼类型，或每一负样本对中两个扩增样本数据中一个类型标签为所述诉讼类型且另一个为所述非诉执行类型；

筛选出所述类型标签为所述非诉执行类型的扩增样本数据；所述扩增样本数据还包括评判标注；所述评判标注包括法院受理是否合规、法院立案是否超期、法院审理是否超期、是否达到终本执行案件监督、是否无正当理由超期执行；

根据筛选出的扩增样本数据训练得到多个评判分类结果各自对应的独立评估模型；

根据得到的多个独立评估模型的权重系数，将所述多个独立评估模型进行融合得到行为评估模型；

根据所述筛选出的扩增样本数据对所述行为评估模型进行训练调整，确定对所述扩增样本数据的评估准确率达到预设阈值为止。

2.根据权利要求1所述的基于人工智能的案件监督方法，其特征在于，所述若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警包括：

根据符合所述预设违规条件的非诉执行类型的预警级别，生成不同的提示信息，根据所述提示信息向目标对象进行预警提醒；

其中，预设违规条件包括以下至少一种违规行为：

法院不应受理而受理、法院立案超期、法院审理超期、未达到终本执行案件监督、无正当理由超期执行。

3.根据权利要求1所述的基于人工智能的案件监督方法，其特征在于，还包括：

对用户输入的检索条件进行关键词提取；

根据所述关键词对案源数据库中的非诉执行文档进行搜索；

对搜索结果根据搜索匹配度进行排序显示，并将所述关键词高亮显示。

4.根据权利要求1所述的基于人工智能的案件监督方法，其特征在于，还包括：

在关键词搜索结果的列表页面处获取用户触摸输入的选项按钮；

根据所述用户选择的选项按钮获得对应的目标筛选条件；

根据所述目标筛选条件对所述关键词搜索结果中的非诉执行文档进行二次搜索；

对搜索结果根据搜索匹配度进行排序显示，并将所述关键词高亮显示。

5.根据权利要求1-4任一项所述的基于人工智能的案件监督方法，其特征在于，所述若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警之后还包括：

将所述待识别案件数据的类型识别结果和/或评估结果，通过预设可视化方式进行显示。

6.根据权利要求1所述的基于人工智能的案件监督方法，其特征在于，所述基于人工智能的案件监督方法由案源监督装置执行，所述案源监督装置包括：

数据获取模块，用于获取待识别案件数据；所述待识别案件数据包括行政机关向法院发起执行请求后，所述法院对于所述执行请求进行反馈应答的行为记录数据；

类型识别模块，用于将所述待识别案件数据输入类型识别模型，输出所述待识别案件数据的类型识别结果；

评估分析模块，用于若所述类型识别结果为所述待识别案件数据属于非诉执行类型，将所述待识别案件数据输入行为评估模型，输出所述待识别案件数据的评估结果；

提示预警模块，用于若所述评估结果为所述待识别案件数据符合预设违规条件，生成提示信息以及时进行预警。

7.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如权利要求1至权利要求5任一项所述的基于人工智能的案件监督方法所执行的操作。

8.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求5任一项所述的基于人工智能的案件监督方法所执行的操作。