公开(公告)号：CN111694882A

公开(公告)日：2020-09-22

申请号：CN202010490292.7

申请日：2020-06-02

Applicant: 北京北大软件工程股份有限公司

Inventor： 莫同 ,  窦韫萱 ,  杨晓 ,  吴雅萱

IPC: G06F16/2458 ,  G06F16/215 ,  G06F16/25 ,  G06N20/00 ,  G06Q50/18

Abstract: 本申请涉及一种处罚案件撤案的影响因素分析方法，该方法包括：采集处罚案件的基本信息；对处罚案件的基本信息进行预处理，获取处罚案件的关键信息；根据处罚案件的关键信息，利用预先建立的随机森林模型获取处罚案件的撤案结果和影响因素。本申请提供的技术方案，不仅为执法人员判断处罚案件是否应该被撤案时提供了参考意义，还避免了一定程度的因主观因素而导致无序的撤案情况。

公开(公告)号：CN111552808A

公开(公告)日：2020-08-18

申请号：CN202010311136.X

申请日：2020-04-20

Applicant: 北京北大软件工程股份有限公司

Inventor： 李伟平 ,  王嘉熙 ,  杨晓 ,  张世琨

IPC: G06F16/35 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于卷积神经网络的行政违法案由预测方法及工具，包括：获取第一预设数量的违法事实，并将所述违法事实转换为违法事实词向量，构建由违法事实词向量组成的训练数据集；利用卷积神经网络和全连接神经网络构建预测模型，并利用训练数据集中的违法事实词向量对所述预测模型进行训练，得到违法案由识别模型；其中，所述违法案由识别模型的输入为待识别的违法事实词向量，输出为违法案由预测结果。本发明提供的技术方案，在把文本信息交给深度神经网络模型进行处理之前，需要对文本信息进行处理，将文本信息转换为连续稠密的词向量，以便深度学习模型处理，相比现有技术，这种做法不需要选用特定的方法进行特征工程，特征表达能力更强。