[发明专利]一种公证意愿真实性鉴别方法

权利要求书

1.一种公证意愿真实性鉴别方法，其特征在于，包括以下步骤：

S1：用户进行实名注册，并通过面部信息获取模块进行身份验证；

S2：根据业务流程通过语音获取模块对用户提问相关问题并记录回答内容得到语音信息，通过身体体征获取模块记录公证过程中的心率，根据用户的真实身份信息通过大数据分析模块获取用户的所有相关信息，包括财产、信用、亲属关系，并分析得到个人信息综合评价值，通过面部信息获取模块实时解析用户在办理流程时的面部微表情信息，并通过行为动作获取模块获取用户的行为动作数据信息；

S3：通过神经网络分析模块对所记录的信息进行分析，神经网络分析模块包括3个初步分析神经网络和1个综合分析神经网络，3个初步分析神经网络分别用来将心率、面部微表情信息及行为动作数据信息、语音信息进行分析得到心率特征数值、心理状态数值、语言逻辑数值，综合分析神经网络用于将3个初步分析神经网络的心率特征数值、心理状态数值、语言逻辑数值以及大数据分析模块处理得到的个人信息综合评价值进行综合分析得出用户办理公证事项时的意愿真实性概率结果。

2.根据权利要求1所述的公证意愿真实性鉴别方法，其特征在于，所述3个初步分析神经网络和1个综合分析神经网络都采用BP神经网络模型。

3.根据权利要求2所述的公证意愿真实性鉴别方法，其特征在于，所述BP神经网络模型的具体运行方案如下：

输入数据集合为A，预期输出数据集合为B；假设输入层的节点个数为n，隐含层的节点个数为ι，输出层的节点个数为m；输入层到隐含层的权重v_ij，隐含层到输出层的权重为w_jk，输入层到隐含层的阀值为a_j，隐含层到输出层的阀值为b_k；学习速率为η，激励函数为g(x)；

S31：网络初始化，为权重v_ij、w_jk以及阀值a_j、b_k赋予[-1，1]区间的随机值；

S32：对于每个学习样本模式即(A,B)进行以下操作：

S321：计算隐含层输出，将A的值作泛化处理送到输入层单元，根据输入层至隐含层的权重v_ij以及隐含层的阀值a_j，计算隐含层输出H；

公式中：i＝1，2，3，···，n；j＝1，2，3，···，ι；x_i为A的值泛化处理后的元素；

所选g(x)＝1/(1+e^-x)；

S322：计算输出层的输出，根据隐含层输出H、权重w_jk和阀值b_k，计算BP神经网络预测输出C；

公式中：k＝1，2，3，···，m；

S323：计算误差，根据BP神经网络期望输出B和预测输出C，计算网络误差E；

S324：权值更新，根据网络误差E_k更新神经网络权重v_ij，w_jk；

S325：阀值更新，根据网络误差E_k更新神经网络阀值a_j，b_k；

S33：判断网络误差E_k是否满足精度要求；若满足，则结束，否则继续；

S34：更新网络学习次数，若学习次数小于规定的次数，返回S32。

4.根据权利要求1所述的公证意愿真实性鉴别方法，其特征在于，所述面部信息获取模块采用生物特征识别技术获取用户的面部信息进行身份识别，记录用户的面部表情，并通过微表情识别技术获取面部微表情信息。

5.根据权利要求1所述的公证意愿真实性鉴别方法，其特征在于，所述语音获取模块采用语音识别技术和自然语言处理技术为用户提供人机交互功能，引导用户完成办理公证事项的前期信息采集工作，并根据用户所办理的公证事项提问相关问题，获取用户的语音信息。