[發明專利]應用于社區矯正人員的矯正策略個性化推薦系統

在審

• 申請號: 202010632336.5
• 申請日: 2020-07-03
• 公開（公告）號: CN111914166A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 楊陽;王家德;徐鵬;劉云霞;郭曼;付立華;季偉;鄭麗娜
• 申請（專利權）人: 山東大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N20/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.應用于社區矯正人員的矯正策略個性化推薦系統，其特征是，應用于服務器端，包括：

獲取模塊，其被配置為：響應于客戶端的矯正策略個性化推薦請求，獲取由客戶端采集的社區待矯正人員的基本信息；

特征提取模塊，其被配置為：對社區待矯正人員的基本信息進行處理，提取社區待矯正人員的特征；

矯正策略推薦模塊，其被配置為：將社區待矯正人員的特征，輸入到預訓練好的深度學習模型中，輸出社區待矯正人員的個性化矯正策略。

2.如權利要求1所述的系統，其特征是，提取社區待矯正人員的特征，包括：

將分類存儲后的數據，進行特征組合降維處理，得到社區待矯正人員的特征。

3.如權利要求1所述的系統，其特征是，將社區待矯正人員的特征，輸入到預訓練好的深度學習模型中，輸出社區待矯正人員的個性化矯正策略；具體步驟包括：

將社區待矯正人員的特征，輸入到預訓練好的深度學習模型中，輸出社區待矯正人員的類別，根據社區待矯正人員的類別查找到對應類別的矯正策略，將矯正策略發送給客戶端，并在客戶端進行顯示。

4.如權利要求1所述的系統，其特征是，所述預訓練好的深度學習模型，其訓練步驟包括：

構建深度學習模型；構建訓練集；

將訓練集輸入到深度學習模型中進行訓練，輸出損失函數最小值所對應的深度學習模型，即得到訓練好的深度學習模型。

5.如權利要求1所述的系統，其特征是，所述訓練集的獲取步驟包括：

獲取社區已矯正人員的問卷信息、文檔信息和矯正策略信息；

對獲取社區已矯正人員的數據進行預處理；

將預處理后的數據通過特征組合的形式進行降維處理，得到數據特征；

將降維處理后的數據特征，通過聚類的形式進行特征聚類，得到社區已矯正人員的類別和對應類別的矯正人員的特征。

6.如權利要求5所述的系統，其特征是，所述對獲取社區已矯正人員的數據進行預處理；具體步驟包括：

對社區已矯正人員的文檔信息進行文字識別，將文字識別結果與問卷進行數據合并，將數據合并結果進行無用數據的過濾，對過濾后的數據進行丟失數據的填充，再將填充后的數據進行數字化處理。

7.如權利要求5所述的系統，其特征是，將預處理后的數據通過特征組合的形式進行降維處理，得到數據特征；具體步驟包括：

將預處理后的社區已矯正人員的數據，按照內容相似性劃分為M個組；

每個組內包括若干個特征，將每一個組的所有特征均降維處理；

通過對降維處理后的特征，按照組間特征組合的形式進行特征組合，其中特征組合包括：兩兩特征組合、三三特征組合或四四特征組合；

將組合后的特征輸入到深度學習模型中，輸出預測準確率最高的組合形式，將準確率最高的組合作為最優組合，用最優組合來表示社區已矯正人員的數據。

8.如權利要求5所述的系統，其特征是，將降維處理后的數據特征，通過聚類的形式進行特征聚類，得到社區已矯正人員的類別和對應類別的矯正人員的特征，具體步驟包括：

將降維后的數據特征，利用無監督聚類算法進行聚類，輸出社區已矯正人員的類別；

或者，

聚類算法的聚類中心，通過批量更新機制進行更新：當新的社區已矯正人員數據量超過設定閾值，則啟動聚類中心更新步驟；否則不啟動。

9.一種電子設備，其特征是，包括：一個或多個處理器、一個或多個存儲器、以及一個或多個計算機程序；其中，處理器與存儲器連接，上述一個或多個計算機程序被存儲在存儲器中，當電子設備運行時，該處理器執行該存儲器存儲的一個或多個計算機程序，以使電子設備執行步驟包括：

響應于客戶端的矯正策略個性化推薦請求，獲取由客戶端采集的社區待矯正人員的基本信息；

對社區待矯正人員的基本信息進行處理，提取社區待矯正人員的特征；

將社區待矯正人員的特征，輸入到預訓練好的深度學習模型中，輸出社區待矯正人員的個性化矯正策略。

10.一種計算機可讀存儲介質，其特征是，用于存儲計算機指令，所述計算機指令被處理器執行時，完成執行步驟包括：

響應于客戶端的矯正策略個性化推薦請求，獲取由客戶端采集的社區待矯正人員的基本信息；

對社區待矯正人員的基本信息進行處理，提取社區待矯正人員的特征；

將社區待矯正人員的特征，輸入到預訓練好的深度學習模型中，輸出社區待矯正人員的個性化矯正策略。