申请/专利权人：湘潭大学

申请日：2023-12-12

公开（公告）日：2024-01-12

公开（公告）号：CN117391895A

主分类号：G06Q50/18

分类号：G06Q50/18;G06N3/0455;G06N3/08;G06N7/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明公开了一种基于因果学习的裁判结果预测方法及系统，所述方法包括定义编码器网络和解码器网络，编码器网络用于根据观察到的案件特征和历史裁判结果推断未观察到的案件特征，以及输出对应的隐含的裁判决策因素；解码器网络用于根据观察到的案件特征和推断出的未观察到的案件特征来估计裁判结果的概率；并根据各历史案件中的案件特征和裁判结果训练定义的编码器与解码器网络；根据观察到的案件特征、隐含的裁判决策因素和裁判结果创建因果图模型；将目标案件特征输入训练后的编码器和解码器网络，根据因果图模型得到目标预测的裁判结果。进而实现了通过定义及训练编码器和解码器网络，进而得到对应因果图模型，最终提高案件预测结果的准确度。

主权项：1.一种基于因果学习的裁判结果预测方法，其特征在于，所述方法包括以下步骤：步骤S1，定义编码器网络和解码器网络，所述编码器网络和解码器网络用于接收各历史案件中的多个信息点，各信息点包括观察到的案件特征和裁判结果，所述编码器网络用于根据观察到的案件特征和历史裁判结果推断未观察到的案件特征，以及输出对应的隐含的裁判决策因素；所述解码器网络用于根据观察到的案件特征和推断出的未观察到的案件特征来估计裁判结果的概率；步骤S2，根据各历史案件中的案件特征和裁判结果训练定义的编码器与解码器网络，得到训练后的编码器和解码器网络；步骤S3，根据各历史案件中的观察到的案件特征、隐含的裁判决策因素和裁判结果创建因果图模型；步骤S4，将目标案件特征输入训练后的编码器和解码器网络，根据因果图模型得到目标预测的裁判结果。

全文数据：

权利要求：

百度查询： 湘潭大学 一种基于因果学习的裁判结果预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD