[发明专利]智能语义串并分析方法及系统

权利要求书

1.智能语义串并分析方法，其特征在于，具体包括以下步骤：

A.梳理历史同类案件特征集合并作分类处理，构建类案标签体系；

B.建立历史案件语料库以及专家提取特征经验库形成语料库；

C.将历史经验数据注入侵财类案件模型进行训练；

D.输入新案件信息，通过侵财类案件模型运行识别案件要素特征；

E.融合类案标签体系对案件进行标签化处理；

F.定义关联度模型、案件标签权重以及关联匹配标准；

G.通过关联度模型计算新案件关联度，关联度高的案件推荐为候选串并案件；

H.将关联度运算结果结合用户自定义规则生成串并案件，发送给目标用户中心。

2.根据权利要求1所述的智能语义串并分析方法，其特征在于，步骤F中所述类案标签体系是根据刑事侦查工作经验对侵财类案件的常见作案特征进行梳理，形成案件特征集合，并根据具体不同的案件类型对案件特征进行分级分类，形成标准化的类案案件标签。

3.根据权利要求1所述的智能语义串并分析方法，其特征在于，步骤C中所述的侵财类案件模型的训练方法为：采用Tensorflow人工智能可视化数据流编程框架，利用bi-lstm及crf机器学习算法学习大量的历史案件语料并吸取相关要素特征的提取经验；通过定期读取新发案件数据的各个关键属性，辅助案件定性，然后读取这些案件中通过人工确认或修改过的案件特征标签，并将这些信息注入训练库作为案例并加以学习训练。

4.根据权利要求1所述的智能语义串并分析方法，其特征在于，步骤D中所述的案件要素特征包括作案手段、作案时机、作案区域。

5.根据权利要求1所述的智能语义串并分析方法，其特征在于，步骤G中所述新案件关联度的计算方法为：对所有标签进行分类处理，并调整设置相应的权重，采用文本关联度算法，将案件标签、权重因子注入算法，以单案为主线与案件库中所有案件进行关联度运算，运算结果以关联度分值倒序罗列。

6.一种智能语义串并分析系统，其特征在于：包括标签体系模块、数据读取模块、语义分析模块、关联度模块、串并模块以及信息展示模块；

所述标签体系模块，用于集合历史同类案件特征并做分类处理，对每类特征进行设定相应的标签定义，并对各个标签进行管理；还用于对新发案件进行标签化处理；

数据读取模块，用于读取历史以及新法案请、笔录数据和线索数据等非结构化文本数据；

语义分析模块，用于对读入的数据进行分析，建立语料库和经验库；能够对语义分析模块中的侵财类案件模型进行训练，并采用训练后的侵财类案件模型对新发案件进行要素特征的提取；

关联度模块，用于利用标签体系模块中的标签类别进行比对，并利用案件标签权重进行案件的加权关联度运算，得出关联度队列；

串并模块，用于设定关联度阈值和串并条件，根据关联度模块计算的数值进行串并案处理；

信息展示模块，用于将串并模块得出的结论向用户进行展示。