[發明專利]一種筆錄數據案由分類方法、終端設備及存儲介質

在審

• 申請號: 202011499205.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112559748A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 張云生;蔡鵬輝
• 申請（專利權）人: 廈門市法度信息科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/216;G06F40/242;G06F40/289;G06F40/186
• 代理公司: 廈門市精誠新創知識產權代理有限公司 35218
• 代理人: 何家富

本發明涉及一種筆錄數據案由分類方法、終端設備及存儲介質，該方法中包括：S1：采集所有案由類型的筆錄數據組成訓練集，并對訓練集中每個筆錄數據的類型進行標注；S2：設置特征詞詞典，根據特征詞詞典提取訓練集中每個筆錄數據的所有特征詞，并組成特征詞集合；S3：根據訓練集計算其對應的概率模型；S4：針對待分類筆錄數據，根據特征詞詞典提取待分類筆錄數據的所有特征詞并組成特征詞集合后，根據特征詞集合和訓練集對應的概率模型計算待分類筆錄數據對應的類別。本發明通過對歷史筆錄數據中類型的概率進行統計，實現對案由的自動分類。

技術領域

本發明涉及案件筆錄領域，尤其涉及一種筆錄數據案由分類方法、終端設備及存儲介質。

背景技術

筆錄是公安機關用于對證人、被害人、嫌疑人等進行記錄問話信息的文檔，而案由可以簡要概述這份筆錄的問話類型，案由會自動關聯到筆錄的案由屬性，以便執法人員后續對筆錄的自動歸類。案由預測在執法人員對被詢問人制作筆錄時常常會出現忘記填寫、無法分類或輸入錯誤案由的情況。

發明內容

為了解決上述問題，本發明提出了一種筆錄數據案由分類方法、終端設備及存儲介質。

具體方案如下：

一種筆錄數據案由分類方法，包括以下步驟：

S1：采集所有案由類型的筆錄數據組成訓練集，并對訓練集中每個筆錄數據的類型進行標注；

S2：設置特征詞詞典，根據特征詞詞典提取訓練集中每個筆錄數據的所有特征詞，并組成特征詞集合；

S3：根據訓練集計算其對應的概率模型，概率模型中包括以下概率：P(y_j)、P(X_i|y_j)、P(X_i)，其中，y_j表示第j個類型，P(.)表示概率，X_i表示第i個特征詞集合，X_i＝{x₁,x₂,…,x_k}，x₁,x₂,…,x_k表示第1，2，…，k個特征詞；P(X_i|y_j)表示已知y_j的情況下X_i的概率；j∈[1，m]，m表示訓練集中所有筆錄數據的類型的總數，i∈[1，n]，n表示訓練集中所有筆錄數據包含的特征詞集合的總數；

S4：針對待分類筆錄數據，根據特征詞詞典提取待分類筆錄數據的所有特征詞并組成特征詞集合后，根據特征詞集合和訓練集對應的概率模型計算待分類筆錄數據對應的類別。

進一步的，步驟S1還包括對組成訓練集的筆錄數據進行過濾，剔除無效的筆錄數據。

進一步的，筆錄數據的過濾采用以下三種方法種的任一種：

(1)人工手動刪除；

(2)根據筆錄數據中包含的問題數目進行過濾，過濾掉問題數少于第一閾值或大于第二閾值的筆錄數據；

(3)根據筆錄的開始時間和結束時間進行過濾，無效的筆錄數據的結束時間≤開始時間。

進一步的，步驟S1還包括組成訓練集的筆錄數據中的敏感詞進行替換。

進一步的，通過特征詞詞典提取筆錄數據的特征詞之前還包括提取筆錄數據中的案情描述數據，通過特征詞詞典提取案情描述數據中包含的所有特征詞。

進一步的，案情描述數據的提取方法為通過正則表達式和語句相似性的方法進行提取。

進一步的，類別的計算公式為：

Y＝argmax(P(y_j|X))，j∈[1，m]