[發明專利]智能監室分配方法及系統

在審

• 申請號: 202110673731.2
• 申請日: 2021-06-17
• 公開（公告）號: CN113988496A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 吳偉;張嶸;張魯寧;張勇
• 申請（專利權）人: 南京金盾公共安全技術研究院有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26
• 代理公司: 南京科知維創知識產權代理有限責任公司 32270
• 代理人: 杜依民

1.一種智能監室分配方法，其特征在于包括如下步驟：

S1，為每個監室設定可容納的人數，采集監室內每一名關押的罪犯特征；

所述監室是指監獄關押罪犯的房間；

所述特征包括A1、A2、A3、A4、A5、A6六個特征類別；

每一名罪犯都包括A1、A2、A3、A4、A5、A6六個特征值；

六個特征值組成一個特征向量【A1，A2，A3，A4，A5，A6】；

每一名在押罪犯還包括一個監室編號；

S2，對監室罪犯人數尚未達到可容納的人數數量上限，且監室編號相同的監室內的每一名罪犯的每一個特征值與同監室編號的其他罪犯的同類別的每一個特征值進行比對，得到每一名罪犯的賦權值；

監室編號相同的罪犯，特征值相同的取0，不相同的取1，從而得到每一名罪犯的賦權值；

為每一個特征值賦予一個權重分數，設：

A1的權重分數為：X1，

A2的權重分數為：X2，

A3的權重分數為：X3，

A4的權重分數為：X4，

A5的權重分數為：X5，

A6的權重分數為X6；

S3，采集新收押罪犯的特征值，將新收押罪犯的特征值，與每一名罪犯的賦權值進行權重轉換；

若特征值為0，則權重轉換后的特征值依然為0；

若特征值為1，則取該特征值所對應的權重分數作為轉換后的特征值；轉換后的特征值組成一個新的特征向量【Y1，Y2，Y3，Y4，Y5，Y6】；

S4，對新的特征向量進行差異性放大，利用歐式距離公式，計算相似度，得到新收押的罪犯與同一監室編號下所有在押罪犯之間的相似度值d₁-d_i；

S5,將得到相似度值求和之后除以同一監室編號下在押罪犯的數量，得到監室的相似度平均值d_v；

S6，重復S4-S5步驟，得到每一個監室的相似度平均值d_vi；

S7，對所有監室的相似度平均值d_vi按照大小進行排序，值越大代表相似度越低，值越小代表相似度越高；按照相似度越高，在押罪犯越不能放在同一監室的原則，將相似度平均值最小的所對應的監室，作為新收押罪犯的推薦監室。

2.根據權利要求1所述的智能監室分配方法，其特征在于：步驟S1中的特征來自于罪犯的檔案；

罪犯的檔案至少記錄了罪犯的A1，A2，A3，A4，A5，A6六個特征值。

3.根據權利要求2所述的智能監室分配方法，其特征在于：還包括從罪犯的檔案中挖掘特征值的步驟；

B1，從罪犯的檔案中采集罪犯的A1，A2，A3，A4，A5，A66個特征值之外的特征信息，并將采集到的特征信息進行清洗和結構化處理；

B2，采用nlp自然語言識別組件對特征信息進行實體識別，得到新的特征值N₁-Ni；

B3，對識別到的每一個新的特征值結合A1、A2、A3、A4、A5、A66個特征值重新組成一個新的特征向量【N₁-N_i+6】；

B4，人工對新的特征向量內每一類特征值重新分配權重分數；

B5，按照新的特征向量，對歷史的新收押的罪犯按照步驟S1-S5，重新計算，得到新特征向量的每一個監室的相似度平均值；

B6，定義S1-S5中6個特征值計算的得到的每一個監室的相似度平均值為歷史相似度平均值；

將得到的新特征向量的每一個監室的相似度平均值與相應的監室的歷史相似度平均值進行相減計算，X＝新的-舊的，

如果X的絕對值小于等于2，則認為新增的特征值為有效特征值，可以作為優化算法的特征值；則，數據挖掘成功，啟用新的新的特征向量【N₁-N_i+6】，否則，放棄新的新的特征向量【N₁-N_i+6】，啟用歷史特征向量。

4.根據權利要求1所述的智能監室分配方法，其特征在于：步驟S1中每一個罪犯的特征值還包括文化程度、健康狀況、心理狀況、經濟情況、個人信息、歷史關押信息、案件信息。