[发明专利]一种人民矛盾调解案例搜索和调解策略推荐方法

权利要求书

1.一种人民矛盾调解案例搜索和调解策略推荐方法，其特征在于：包括以下步骤：

步骤1：数据收集、预处理

收集人民调解案例信息，存储在数据库中，需要包含的字段包括：纠纷详情、调解结果、调解详情、调解时间、结束时间、调解人、所属地区、调解机构和评价字段，其中，纠纷详情、调解详情和评价是文本数据，其他字段均为结构化数据；

对收集到的数据进行预处理，确保调解结果、调解详情字段不为空，将重复数据删除；

步骤2：分词及向量表示

创建矛盾调解专业领域词典mediate.txt，将容易分词错误的词，该词包括矛盾调解专业领域词汇，根据调解案例数据将无法正确切分的词，加入矛盾调解专业领域词典mediate.txt；另外汉语中还存在一些无意义的词，将这些无意义、区分度不高的词加入停用词典stopword.txt，分词时直接将停用词去掉不作分析；

根据词典mediate.txt和停用词典stopword.txt将文本字段进行分词，将文本数据表示为向量的形式；

步骤3：TF_CDF特征聚类

由于矛盾调解案例无详细类别信息，采用TF_CDF计算文本单词权重，并进行TF_CDF特征聚类获案例详细类别及类别关键词，同时从聚类结果中获取单词TF_CDF值；

步骤4：自动脱敏并进行案例评分，生成脱敏典型案例集；

步骤5：生成调解策略提示

以带有类别标签的典型案例作为分析数据，某一个类别按照以下过程生成调解策略：

(5.1)获取带有类别标签的典型案例集，提取调解策略字段；

(5.2)调解策略有一二三条例标识，按照标识将调解策略断开，形成调解条例；

(5.3)将调解条例进行TF_CDF聚类分析，并提取调解条例的关键词；

(5.4)对调解条例进行类别评分，评分依据包括类别中包含调解条例的条数、具有相同关键字的调解条例在类别中所占的比例；

(5.5)对调解条例进行评分，评分依据包括：条例中类别关键词出现的个数和次数和文本的质量；

(5.6)将调解条例类别评分降序排序，提取评分较高的类别，在这些类别中提取分值高的调解条例，作为调解策略提示信息，保存在数据库中；

步骤6：创建索引及计算相关度

全文搜索引擎的核心包括索引创建和相关度计算，将步骤4中的典型案例数据和得到的聚类类别及步骤5中调解策略提示同步到elasticsearch创建索引；

步骤7：搜索结果及界面展示

用户输入查询内容，获得相似典型案例、案例类别及类标签信息、调解策略推荐，并自动生成相似案例分析报告；

所述步骤3中，对矛盾调解中“案件详情”字段进行特征聚类步骤如下所示：

(3.1)初始值确定

人民矛盾调解“案例详情”可聚为k类，共n条矛盾案例，构成语料库D＝{d₁,d₂,....,d_n}，这里语料库是指所有案例中的“案件详情”字段信息的集合，d是组成语料库的单个“案件详情”信息，将语料库中文本进行分词，获得的不重复单词为{t₁,t₂,....,t_N}；

(3.2)按照余弦相似度将“案件详情”分配到最近邻聚类

采用余弦相似度作为聚类的度量标准，如公式(1)所示：

其中，是案件d_i距离各个聚类中心的最小余弦距离，即案件d_i属于j类，是第j个聚类中心；

(3.3)更新TF_CDF模型

计算聚类的类内离散度E，如果E小于初始类内离散度的一半E₀/2，则更新TF_CDF；如果类内离散度E大于E₀/2则跳过步骤(3.3)；按照公式(2)计算单词在各类中分布的熵：

其中，是j类文档中出现单词w_p的文档占j类文档的比例，是类j中包含单词w_p的文档数量，cw^j是类j中的文档总数，H(w_p)是单词w_p在k类中的熵；

某个单词w_p的TF_CDF计算如公式(3)所示：

其中，TF_p是文档中第p个单词在文本i中的词频，DF_p是指语料库中包含这个单词的文档数量，q是文本i中包含的单词个数，分母H(w_p)是单词的熵，ln()是自然对数函数，ε是一个较小值；

(3.4)更新聚类中心：将每个类中文本向量的均值作为新的聚类中心；

(3.5)重复步骤(3.2)～(3.4)，直到聚类中心不再变化，则TF_CDF值不再变化，得到k个聚类和TF_CDF模型；

(3.6)类标签提取，聚类完成后，提取每个类别中单词TF_CDF较高的几个词作为类别标签。