[发明专利]基于机器学习的投诉举报案件的预测方法及装置

说明书

本发明涉及一种基于机器学习的投诉举报案件的预测方法及装置，包括获取案件的影响因素指标并计算影响因素指标对应权重，确定第一权重因子；其中，影响因素指标包括多个；计算每个影响因素指标下的每个分类在影响因素指标中对应的权重，确定第二权重因子；结合第一权重因子和第二权重因子获取预测模型；通过预测模型对待预测的投诉案件进行预测，得到一个评分分布，即可得到待预测投诉案件的预测结果。本发明能够从不同维度对投诉举报案件的发生情况进行合理性的预测，进而帮助执法人员更有效的处理投诉举报案件，以及帮助相关人员及时发现投诉举报案件频发的原因，提高执法人员管理投诉举报案件的工作效率。

技术领域

本发明属于法律技术领域，具体涉及一种基于机器学习的投诉举报案件的预测方法及装置。

背景技术

投诉举报是反映社会民情的窗口，在构建和谐社会方面承担着重要职责。目前来说，对投诉举报预测的分析较为落后，没有一个系统的分析方法。在执法部门执法过程中，对投诉举报案件的预测是非常重要的一环，对有效地提高执法人员管理投诉举报案件的效率有重要影响，也有助于帮助执法人员分析在行政区划、时间段、行业等维度下，投诉举报案件频发的原因，以便于更好的服务人民。因此，有必要对投诉举报案件进行预测分析。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于机器学习的投诉举报案件的预测方法及装置，以解决现有技术中执法人员管理投诉举报案件的效率低的问题。

为实现以上目的，本发明采用如下技术方案：一种基于机器学习的投诉举报案件的预测方法，包括：

获取案件的影响因素指标并计算所述影响因素指标对应权重，确定第一权重因子；其中，所述影响因素指标包括多个；

计算每个影响因素指标下的每个分类在所述影响因素指标中对应的权重，确定第二权重因子；

结合第一权重因子和第二权重因子获取预测模型；

通过所述预测模型对待预测的投诉案件进行预测，得到一个评分分布，即得所述待预测的投诉案件的预测结果。

进一步的，所述获取案件的影响因素指标并计算所述影响因素指标对应权重，确定第一权重因子，之前还包括：

获取案件信息；

对所述案件信息进行处理生成结构化数据并存储至数据库；

处理所述结构化数据。

进一步的，对所述案件信息进行处理生成结构化数据并存储至数据库，包括：

确定投诉举报案件的影响因素指标，整理为结构化数据；

将所述结构化数据存储至数据库。

进一步的所述处理所述结构化数据，包括：

对数据库中的缺失数据进行填充。

进一步的，采用主成分分析法计算所述影响因素指标对应权重，确定第一权重因子。

进一步的，采用主成分分析法计算每个影响因素指标下的每个分类在所述影响因素指标中对应的权重，确定第二权重因子。

进一步的，所述影响因素指标包括：

案件所属行业或领域、案件发生区划、案件发生时间中的至少一种。

进一步的，所述预测模型为评分函数；

所述评分函数根据案件所属行业或领域、案件发生区划以及案件发生时间进行预测。

本申请实施例提供一种基于机器学习的投诉举报案件的预测装置，包括：