[发明专利]一种基于有监督学习算法优化筛选线索的方法

说明书

本发明公开一种基于有监督学习算法优化筛选线索的方法，涉及算法应用数据处理技术领域；通过对线索数据进行标签化处理，提取主要特征构建并划分线索的训练集及测试集，其中对线索数据根据线索的实体要素、线索的来源、线索内容及产生线索的业务场景进行线索数据的有价值或无价值的标签分类，对有价值的线索数据提取相关特征，并根据相关特征类型处理线索数据构建并划分线索的训练集及测试集，利用训练集和测试集对有监督学习算法构建的筛选模型进行训练及测试，通过训练及测试，筛选模型应用于筛选线索。

技术领域

本发明公开一种方法，涉及算法应用数据处理技术领域，具体地说是一种基于有监督学习算法优化筛选线索的方法。

背景技术

在法律监督领域尤其是公益诉讼监督领域，通过专项活动、投诉举报、互联网舆情等渠道可发现大量的线索，但是线索多、成案率低，不仅需要办公人员对投诉举报以及形成热点的互联网舆情线索进行重点关注，还需要进行其他有价值的线索的筛选和发掘。严重增加了办公人员工作量，且筛选效果不尽如人意。

发明内容

本发明针对现有技术的问题，提供一种基于有监督学习算法优化筛选线索的方法，帮助办公人员从大量线索中筛选出有价值的线索，提高法律监督领域线索有效性。

本发明提出的具体方案是：

一种基于有监督学习算法优化筛选线索的方法，通过对线索数据进行标签化处理，提取主要特征构建并划分线索的训练集及测试集，其中对线索数据根据线索的实体要素、线索的来源、线索内容及产生线索的业务场景进行线索数据的有价值或无价值的标签分类，对有价值的线索数据提取相关特征，并根据相关特征类型处理线索数据构建并划分线索的训练集及测试集，

利用训练集和测试集对有监督学习算法构建的筛选模型进行训练及测试，

通过训练及测试，筛选模型应用于筛选线索。

优选地，所述的一种基于有监督学习算法优化筛选线索的方法中根据线索数据在线索的实体要素、线索的来源、线索内容及产生线索的业务场景中的价值判断以及线索的实体要素、线索的来源、线索内容及产生线索的业务场景对于线索价值判断的权重，标注线索数据为有价值或无价值。

优选地，所述的一种基于有监督学习算法优化筛选线索的方法中针对标注为有价值的线索数据，提取相关特征，相关特征包括基础特征以及关联特征，基础特征包括线索的基本信息，关联特征包括词条线索涉及的信息。

优选地，所述的一种基于有监督学习算法优化筛选线索的方法中根据基础特征以及关联特征的类型，对线索数据进行处理。

优选地，所述的一种基于有监督学习算法优化筛选线索的方法中利用留出法、交叉验证法或自助法划分线索的训练集及测试集。

优选地，所述的一种基于有监督学习算法优化筛选线索的方法中利用朴素贝叶斯分类算法构建筛选模型进行线索有效性分类的线索描述，用于筛选线索。

一种基于有监督学习算法优化筛选线索的系统，包括分类模块、提取划分模块、训练测试模块及筛选模块，

分类模块对线索数据进行标签化处理，提取划分模块提取主要特征构建并划分线索的训练集及测试集，其中分类模块对线索数据根据线索的实体要素、线索的来源、线索内容及产生线索的业务场景进行线索数据的有价值或无价值的标签分类，提取划分模块对有价值的线索数据提取相关特征，并根据相关特征类型处理线索数据构建并划分线索的训练集及测试集，

训练测试模块利用训练集和测试集对有监督学习算法构建的筛选模型进行训练及测试，

通过训练及测试，筛选模块利用筛选模型筛选线索。

一种基于有监督学习算法优化筛选线索的装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；