[發明專利]案件判別結果的預測方法及裝置

在審

• 申請號: 201910321775.1
• 申請日: 2019-04-22
• 公開（公告）號: CN110046256A
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 覃進學;王丹;藍科;劉旻哲
• 申請（專利權）人: 成都四方偉業軟件股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06Q10/04;G06Q50/18
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 崔振

1.一種案件判別結果的預測方法，其特征在于，所述方法包括：

獲取待檢測案件的案件數據，所述案件數據包括公平數據、公正數據和社會效應數據；

將所述案件數據分別輸入強分類器模型和線性回歸模型，分別得到所述輸入強分類器模型輸出的第一結果和所述線性回歸模型輸出的第二結果，所述第一結果和所述第二結果均為預測得到的所述待檢測案件的判定結果；

根據所述第一結果和所述第二結果進行分析，得到預測結果。

2.如權利要求1所述的方法，其特征在于，在所述獲取待檢測案件的案件數據之前，所述方法還包括：

獲取多個樣本案件歸一化后的樣本數據，所述樣本數據包括：樣本公平數據、樣本公正數據、樣本社會效應數據和實際判別結果；

根據所述樣本數據對預先設置的初始強分類器模型進行訓練，得到分類器；

根據所述分類器輸出的多個所述樣本案件的樣本預測結果，以及多個所述樣本案件對應的實際判別結果，對所述分類器進行修正，得到所述強分類器模型。

3.如權利要求2所述的方法，其特征在于，所述根據所述分類器輸出的多個所述樣本案件的樣本預測結果，以及多個所述樣本案件對應的實際判別結果，對所述分類器進行修正，得到所述強分類器模型，包括：

對多個所述樣本預測結果和相對應的實際判別結果進行比較，得到比較結果；

根據所述比較結果，計算所述分類器的損失函數；

根據所述損失函數對所述分類器進行修正，得到所述強分類器模型。

4.如權利要求1所述的方法，其特征在于，在所述獲取待檢測案件的案件數據之前，所述方法還包括：

獲取多個樣本案件歸一化后的樣本數據，所述樣本數據包括：樣本公平數據、樣本公正數據、樣本社會效應數據和實際判別結果；

根據所述樣本數據確定多個初始載荷因子；

通過所述樣本數據對多個所述初始載荷因子進行訓練，得到所述線性回歸模型。

5.如權利要求1至4任一所述的方法，其特征在于，所述根據所述第一結果和所述第二結果進行分析，得到預測結果，包括：

根據所述第一結果對應的第一權重和所述第二結果對應的第二權重，結合所述第一結果和所述第二結果進行計算，得到所述預測結果。

6.一種案件判別結果的預測裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取待檢測案件的案件數據，所述案件數據包括公平數據、公正數據和社會效應數據；

輸入模塊，用于將所述案件數據分別輸入強分類器模型和線性回歸模型，分別得到所述輸入強分類器模型輸出的第一結果和所述線性回歸模型輸出的第二結果，所述第一結果和所述第二結果均為預測得到的所述待檢測案件的判定結果；

確定模塊，用于根據所述第一結果和所述第二結果進行分析，得到預測結果。

7.如權利要求6所述的裝置，其特征在于，所述裝置還包括：

第二獲取模塊，用于獲取多個樣本案件歸一化后的樣本數據，所述樣本數據包括：樣本公平數據、樣本公正數據、樣本社會效應數據和實際判別結果；

第一訓練模塊，用于根據所述樣本數據對預先設置的初始強分類器模型進行訓練，得到分類器；

修正模塊，用于根據所述分類器輸出的多個所述樣本案件的樣本預測結果，以及多個所述樣本案件對應的實際判別結果，對所述分類器進行修正，得到所述強分類器模型。

8.如權利要求7所述的裝置，其特征在于，所述修正模塊，具體用于對多個所述樣本預測結果和相對應的實際判別結果進行比較，得到比較結果；根據所述比較結果，計算所述分類器的損失函數；根據所述損失函數對所述分類器進行修正，得到所述強分類器模型。