[發明專利]一種挖掘人民調解中新型矛盾糾紛的系統及方法

有效

• 申請號: 201910347456.8
• 申請日: 2019-04-28
• 公開（公告）號: CN110188092B
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 張江鑫;金涌濤
• 申請（專利權）人: 浙江工業大學;銀江股份有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/2458;G06Q50/18
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種挖掘人民調解中新型矛盾糾紛的系統，其特征在于，所述系統包括以下模塊：

數據獲取模塊，從一個或多個系統中獲取所有與人民調解案件相關的原始數據；

數據清洗模塊，對原始數據進行一種或多種清洗操作獲取有效數據；

網絡熱詞獲取模塊，獲取熱點詞匯，避免切詞過程中被過分切割或過濾；

特征向量構建模塊，對有效數據進行提取、換算、變形，引入案件地理信息，獲得表征人民調解案件的特征向量；特征向量是案件內容的數字化形式，案件內容中的每個詞都是組成該案件特征向量的子向量；

新型矛盾糾紛挖掘模塊，根據文檔集中各文檔的特征向量，挖掘出隱藏在文檔中新型矛盾糾紛；

熱門新型矛盾糾紛標注模塊，引入時序因素，添加時序篩選機制，篩選出熱門新型矛盾糾紛案件集，并自動添加對應標注。

2.如權利要求1所述的一種挖掘人民調解中新型矛盾糾紛的系統，其特征在于，所述數據清洗模塊的處理過程為：

2.1數據去重：識別從不同系統獲取的數據是否存在內容完全相同的數據，進行去重；

2.2去除缺失數據：當某一屬性存在數據缺失時，由于本系統的特殊性，無法進行填充處理，所以去除該屬性為空的那一條數據；

2.3去除無用數據：設置數據質量閾值，當數據質量低于閾值的時候刪除該條數據；其中，數據質量計算公式如下式所示：

M＝(αF+βS+μD+ωK)×Len

其中，M為數據質量，F為歸一化處理后的申請人完整度，S為歸一化處理后的案件描述完整度，D為歸一化處理后的案件解決方案完整度，K為歸一化處理后的案件時間地點完整度，Len為歸一化處理后的案件長度，α,β,μ,ω為各項指標的系數，歸一化方法選用最大最小法；

2.4去除無用內容，找出案件內容中存在的固定格式，去除普遍存在的冗余內容，避免這些冗余的內容對后續的算法產生影響；

2.5統一數據水平名稱，通過頻數統計觀察數據中存在的水平名稱，然后通過字典將含義相同的字段進行替換。

3.如權利要求1或2所述的一種挖掘人民調解中新型矛盾糾紛的系統，其特征在于，所述網絡熱詞獲取模塊中存儲有用詞字典，網絡熱詞獲取模塊自動獲取各網絡數據源中的熱點詞匯，若獲取的熱點詞匯已存在于有用詞字典，則不再重復添加；若獲取的熱點詞匯不存在于有用詞字典，將其與有用詞字典中已有詞進行相似度比較，若相似度大于相似度閾值，則不再添加；若不滿足上述兩種情況，則將該熱點詞匯添加至有用詞字典。

4.如權利要求1或2所述的一種挖掘人民調解中新型矛盾糾紛的系統，其特征在于，所述特征向量構建模塊的處理過程為：

3.2.1中文詞語切割：將一長段的中文句段，分離切割成字、詞和短語的形式，去除無用的詞，保留中文句段中能夠反映其主要內容的主干部分；

3.2.2特征向量計算：將案件集的案件內容切詞后得到一個數據集，通過word2vec算法進行向量化處理，終得到反映整個案件集的向量集，每一個案件的案件內容對應一個向量集中的向量，同時引入案件的地理信息，經過變換與計算后添加至每個案件對應向量。

5.如權利要求1或2所述的一種挖掘人民調解中新型矛盾糾紛的系統，其特征在于，新型矛盾糾紛挖掘模塊中，“挖掘新型矛盾糾紛”，具體是指，采用離群點檢測模型將不同于主體內容的案件篩選剝離，經過多次迭代得到新型矛盾糾紛，最后通過人工判斷，定義新型矛盾糾紛的名稱；過程如下：

5.1離群點檢測模型：FindCBLOF算法計算每個向量基于假設簇的局部離群點因子，通過統計學方法定義向量和簇之間的相似性，即向量屬于簇的概率；然后進行分簇，找出word2vec算法輸出的向量集中的簇，并把它們按大小降序排列；FindCBLOF假定大部分向量都不是離群向量，它使用一個參數來區別大簇和小簇以得到離群點；

5.2迭代模塊：將分離出來的離群向量有限次地輸入離群點檢測模型，每一次迭代都輸出離群向量集對應的文本集，直至結果到達某一理想閾值。