[发明专利]法医伤情鉴定管理方法和系统

说明书

技术领域

本发明涉及公安系统技术领域，具体来说，涉及一种法医伤情鉴定管理方法和系统。

背景技术

法医伤情鉴定是公安技术部门工作的重要组成部分，伤情鉴定报告是案件的审判量刑的重要依据。因此，做出准确的伤情判断对于维护法律公正具有重要的意义。

目前的伤情鉴定过程主要由公安技术部门的法医来人工进行，因此，在伤情鉴定的过程中，难免会因人为因素而造成失误，导致伤情鉴定结果不准确，为案件的审判量刑带来不确定因素。同时，目前公安局对于下属市的法医伤情鉴定的审核方式也是由人工来进行，通过人工抽取筛查的方式来对法医伤情鉴定的记过进行审核，然而，这种审查方式不仅导致审核人员的工作量大，工作效率低，而且还存在抽样不完全的问题，最终导致审核结果不准确，进一步为案件的审判量刑带来不确定因素。

因此，研发一种完善伤情鉴定从受理到最终形成准确的鉴定报告具有重要的指导和辅助作用，有助于提高伤情鉴定的准确率和市局伤情鉴定的管理效率，对于整体提高法医伤情鉴定的技术水平提供了重要的参考价值的法医伤情鉴定管理方法和系统是很有必要的。

发明内容

本发明的目的在于提供一种法医伤情鉴定管理方法和系统，以克服现有技术所存在的上述技术问题。

本发明的技术方案是这样实现的：

根据本发明的一发明，提供了一种法医伤情鉴定管理方法。

该法医伤情鉴定管理方法包括：

对预先配置的样本数据库中的样本数据进行预处理；

利用机器学习方法，对预处理后的样本数据进行数据分类训练处理，构建鉴定分类模型；

获取待鉴定的样本数据的选择特征词，并根据文本相似度算法，对获取的选择特征词与所述鉴定分类模型中的选择特征词进行匹配，得到匹配结果；

将预先人工对所述待鉴定样本数据的鉴定结果与上述匹配结果进行比对，并在比对结果为一致的情况下，确定伤情鉴定正确并提交鉴定结果。

此外，在比对结果不一致的情况下，调用匹配结果中的鉴定分类模型的分类依据，并根据该分类依据和获取的选择特征词，判定匹配结果是否正确；在判定结果为正确的情况下，判定人工鉴定结果错误，并对人工鉴定结果进行修正和提交；在判定结果为错误的情况下，判定匹配结果错误，将人工鉴定结果进行提交。

另外，在根据所述分类依据和获取的选择特征词，无法判定匹配结果是否正确的情况下，对所述待鉴定样本数据进行标记并提交。

此外，上述法医伤情鉴定管理方法还可包括：根据确定的鉴定结果，迭代更新鉴定分类模型的训练样本库。

另外，上述法医伤情鉴定管理方法还可包括：计算鉴定分类模型的初始训练样本的非均衡比例，并建立动态模型函数；利用所述动态模型函数，根据样本均衡性确定所述鉴定结构是否进入所述训练样本库。

其中，在对预先配置的样本数据库中的样本数据进行预处理时，可对样本数据库中的样本数据进行信息提取分析处理，得到预定类别的项目信息数据；并利用分词算法，对所述项目信息数据进行分词处理，得到词语的集合；再计算每个词语的权值，并根据每个词语的权值，设置特征词选择的维度参数，提前所有样本数据的特征词并排序。

其中，所述预定类别包括：案件的编号、资料摘要、检验所见、分析说明和鉴定结论。

其中，在对分析说明类别的项目信息数据提取分析的过程中，剔除分析说明中的依据条款之后的文字部分数据。

其中，在鉴定结论存在多个分析说明结论的情况下，根据鉴定从重的逻辑依据做数据处理，得到唯一的鉴定结论。

可选的，利用基于词频和文本频数统计的特征词选择算法，计算每个词语的权值。

可选的，所述机器学习方法为监督式机器学习方法。

其中，在利用机器学习方法，对预处理后的样本数据进行数据分类训练处理，构建鉴定分类模型时，可将预处理后的样本数据作为特征向量数据，输入至监督式机器学习分类模型；再利用监督式机器学习分类模型，对样本数据进行训练，构成预定分类目标的鉴定分类模型。

其中，对样本数据进行训练包括：根据选择特征向量，计算新的待鉴定案件中的特征词的频数值，作为词语的权值系数和模型训练的输入变量；基于监督式机器学习分类模型的算法库，设置模型参数变量和交叉验证参数，对样本数据进行迭代训练。

其中，所述模型参数变量包括：惩罚系数、终止迭代条件、权值参数。

其中，所述预定分类目标包括：不构成轻微伤、轻微伤、轻伤二级、轻伤一级、重伤二级和重伤一级。