[發明專利]基于規則注入無監督神經網絡的金融行為認定方法及系統

在審

• 申請號: 202211703533.7
• 申請日: 2022-12-29
• 公開（公告）號: CN116561301A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 蔡志誠;梁鴻翔;李原;趙曉海
• 申請（專利權）人: 北京北大英華科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06N5/04;G06Q50/18;G06N3/04;G06N3/088;G06N3/096
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

本發明公開了一種基于規則注入無監督神經網絡的金融行為認定方法及系統，根據金融行為事實認定規則范式，構建對應的事實認定規則范式和規則映射注入式標簽，采取無監督神經網絡信息抽取技術抽取出事實認定要素，分別對應關聯到各個相關人；然后結合無監督抽取結果和事實認定規則范式，輸出各個相關人的規則注入式事實認定結果；同時使用神經網絡特征提取器和多標簽分類器得到神經網絡式事實認定結果；最后結合兩種事實認定結果，采用規則注入仲裁機制，生成最終的事實認定結果。與現有技術相比，本發明能夠同時兼備神經網絡的高準確性和規則推理的高可解釋性，兩者的融合能夠使得關于金融行為事實認定的分析結果具有更高的準確率。

技術領域

本發明涉及人工智能和知識圖譜技術領域，具體涉及一種基于規則注入式無監督神經網絡的金融行為司法認定方法及系統。

背景技術

金融行為不同于一般行為，往往涉及多人行為，一人多罪的情況。隨著時間的推移，行為過程是越來越復雜化，使用簡單的機器學習和深度學習的多標簽分類器進行事實認定會伴隨著準確率低、可解釋性差的問題。目前事實認定推理的人工智能模型多以端到端模型(即神經網絡模型)為主，對于無監督模型的規則注入事實認定推理架構尚未找到類似技術。

目前事實認定推理的人工智能模型，多以端到端模型(即神經網絡模型)為主。絕大多數模型和方法只是進行行為特征要素抽取來進行事實認定模型的建模，并沒有進行行為人和行為要素的關聯。在金融行為中往往涉及多個行為人，而且每個行為人都有自身對應行為要素，在給每個行為人進行事實認定時，需要分別并充分考慮這些行為要素。利用主流方法所實現的建模對于金融行為司法領域智能事實認定往往具有以下各種缺陷：

1)事實認定結果可解釋性差，例如使用機器學習、深度學習模型導致事實認定結果人不可讀；

2)只能識別出實體和較簡單的關系，無法將要素與相關人精確對應，在出現多人行為，一人多罪的場景下無法滿足需求，對于智能事實認定的輔助性不足；

3)事實認定方法主要針對廣泛的刑事領域，缺少金融行為領域內的針對性。在金融行為領域中難以達到高精度與高實用性。

如何設計對上述缺陷進行克服和優化的一種智能的金融行為司法領域事實認定方法和系統是本發明亟待解決的技術問題。

發明內容

為了解決上述背景中提到的技術問題，本發明提出了一種基于規則注入無監督神經網絡的金融行為事實認定方法及系統，在無監督神經網絡模型的規則注入事實認定推理架構下，運用規則注入仲裁機制進行智能分析，實現金融行為司法領域事實認定。

本發明利用以下技術方案實現：

本發明的一種基于規則注入無監督神經網絡的金融行為認定方法，該方法包括以下具體步驟：

步驟1、獲取待事實認定的的金融行為事實文本；

步驟2、生成基于無監督神經網絡模型的注入式事實認定結果和神經網絡式事實認定結果；

步驟3、依據所述規則注入式事實認定結果和所述神經網絡式事實認定結果的結合，運用規則注入仲裁機制進行智能分析，得到最終的事實認定結果。

一種基于規則注入無監督神經網絡的金融行為認定系統，該系統包括獲取模塊、生成模塊和規則注入仲裁事實認定模塊，其中：

所述獲取模塊，用于獲取待事實認定的的金融行為事實文本；

所述生成模塊，用于生成基于無監督神經網絡模型的注入式事實認定結果和神經網絡式事實認定結果；

所述規則注入仲裁事實認定模塊，用于依據所述規則注入式事實認定結果和所述神經網絡式事實認定結果的結合，運用規則注入仲裁機制進行智能分析，得到最終的事實認定結果。

與現有技術相比，本發明能夠達成以下積極技術效果：