[發(fā)明專利]一種基于隨機(jī)森林技術(shù)的相似文件檢索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610265593.3
• 申請(qǐng)日: 2016-04-25
• 公開(kāi)（公告）號(hào): CN105930473B
• 公開(kāi)（公告）日: 2019-04-05
• 發(fā)明（設(shè)計(jì)）人: 張靜川;周宇;賈真
• 申請(qǐng)（專利權(quán)）人: 安徽富馳信息技術(shù)有限公司
• 主分類號(hào): G06F16/953
• 分類號(hào): G06F16/953
• 代理公司: 合肥天明專利事務(wù)所(普通合伙) 34115
• 代理人: 張祥騫;奚華保

1.一種基于隨機(jī)森林技術(shù)的相似文件檢索方法，其特征在于，包括以下步驟：

11)裁判文書(shū)的組織，將裁判文書(shū)按照案由分層分類組織；

12)構(gòu)造案件特征樹(shù)，對(duì)于指定案由，篩選其公有特征和私有特征，并按特征間邏輯關(guān)系組織成樹(shù)形結(jié)構(gòu)；

13)對(duì)案件特征樹(shù)進(jìn)行權(quán)重訓(xùn)練，采用隨機(jī)森林方法針對(duì)不同目標(biāo)進(jìn)行訓(xùn)練，計(jì)算出案件特征的綜合權(quán)重；所述的隨機(jī)森林方法針對(duì)不同目標(biāo)進(jìn)行訓(xùn)練包括以下步驟：

131)選取單一案由的裁判文書(shū)N份作為原始訓(xùn)練集，每個(gè)文書(shū)包含M個(gè)特征；

132)決策樹(shù)的構(gòu)造，對(duì)于分類目標(biāo)T，在原始訓(xùn)練集中隨機(jī)抽取n個(gè)文書(shū)為樣本，剩余N-n個(gè)文書(shū)為袋外數(shù)據(jù)，在M個(gè)特征中隨機(jī)抽取m個(gè)特征，構(gòu)造一棵決策樹(shù)；其中，m<M、n<N；

133)隨機(jī)森林F的構(gòu)造，對(duì)所有分類目標(biāo)T均進(jìn)行決策樹(shù)的構(gòu)造，構(gòu)成包含K個(gè)決策樹(shù)的隨機(jī)森林F；

134)調(diào)整m的數(shù)值，重復(fù)進(jìn)行決策樹(shù)的構(gòu)造和隨機(jī)森林F的構(gòu)造，直至隨機(jī)森林F的準(zhǔn)確率、召回率滿足設(shè)定要求；

135)對(duì)準(zhǔn)確率、召回率均滿足設(shè)定要求的隨機(jī)森林F的每一棵決策樹(shù)，利用相應(yīng)袋外數(shù)據(jù)計(jì)算袋外數(shù)據(jù)誤差E0；

136)對(duì)此決策樹(shù)的特征X處加入隨機(jī)噪聲，重新計(jì)算袋外數(shù)據(jù)誤差E1；

137)計(jì)算特征X的絕對(duì)權(quán)重，其計(jì)算公式如下：

X(T)＝∑(E1-E0)/K；

138)重復(fù)步驟135至步驟137，針對(duì)隨機(jī)森林F內(nèi)的所有特征均進(jìn)行絕對(duì)權(quán)重的計(jì)算；

139)對(duì)隨機(jī)森林F內(nèi)的全部特征的絕對(duì)權(quán)重進(jìn)行歸一化處理；

140)重復(fù)步驟132至步驟139，遍歷處理全部分類目標(biāo)；

141)計(jì)算遍歷處理全部分類目標(biāo)所得的各特征權(quán)重均值并歸一化處理；

14)檢索信息的獲取，輸入檢索信息的過(guò)濾條件和查詢條件，輸入方式為條件選擇、包含條件的文字或整篇裁判文書(shū)；

15)計(jì)算案件相似矩陣，根據(jù)檢索信息的過(guò)濾條件從特征樹(shù)集合中篩選有效特征樹(shù)；根據(jù)檢索信息的查詢條件，利用權(quán)重樹(shù)，采用加權(quán)曼哈頓距離方法計(jì)算有效特征樹(shù)集合中兩兩相似度，組成相似矩陣，并對(duì)結(jié)果進(jìn)行歸一化處理；

16)輸出檢索結(jié)果，從案件相似矩陣中獲取相似案件，找到與查詢條件最相似的n個(gè)案件或相似度大于s的案件，對(duì)此信息進(jìn)行統(tǒng)計(jì)，并進(jìn)行可視化展示。

2.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)森林技術(shù)的相似文件檢索方法，其特征在于，所述的構(gòu)造案件特征樹(shù)包括以下步驟：

21)定義公有特征，公有特征為案件一般屬性特征；

22)定義私有特征，私有特征為案件的特殊屬性；

23)根據(jù)特征之間的邏輯關(guān)系，將公有特征和私有特征組織成樹(shù)形結(jié)構(gòu)，形成案件特征樹(shù)。

3.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)森林技術(shù)的相似文件檢索方法，其特征在于，所述的計(jì)算案件相似矩陣包括以下步驟：

31)由案件特征樹(shù)、特征權(quán)重樹(shù)、查詢條件計(jì)算生成兩兩案件相似度的矩陣；

32)由過(guò)濾條件獲得有效案件，根據(jù)查詢條件獲得相應(yīng)特征取值及權(quán)重，計(jì)算查詢條件與案件、案件與案件的相似度。