申请/专利权人：福建天创信息科技有限公司

申请日：2023-12-12

公开（公告）日：2024-01-16

公开（公告）号：CN117407659A

主分类号：G06F18/10

分类号：G06F18/10;G06F18/214;G06F18/2413;G06N20/00;G06Q50/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明涉及基于机器学习的矛盾纠纷事件升级预测方法，包括以下步骤：步骤S1：获取矛盾纠纷事件相关人员的特征信息数据，并预处理；步骤S2:对预处理后的特征信息数据进行特征编码；步骤S3:基于卡方检验选择相关性最高的若干个特征；步骤S4:基于类别分布算法对选择出来的若干个特征进行过采样，构建训练数据集和测试数据集；步骤S5：构建K‑NearestNeighbor模型，并基于训练数据集训练，得到预测模型；步骤S6:将新的矛盾纠纷事件相关人员的特征信息数据经过步骤S1‑S3的处理后，输入预测模型，得到预测结果。本发明实现对可能存在的矛盾升级进行提前预测。

主权项：1.基于机器学习的矛盾纠纷事件升级预测方法，其特征在于，包括以下步骤：步骤S1：获取矛盾纠纷事件相关人员的特征信息数据，并预处理；步骤S2:对预处理后的特征信息数据进行特征编码；步骤S3:基于卡方检验选择相关性最高的若干个特征；步骤S4:基于类别分布算法对选择出来的若干个特征进行过采样，构建训练数据集和测试数据集；所述类别分布算法,具体为：计算矛盾纠纷事件未升级样本数量N_majority和矛盾纠纷事件升级数量N_minority；计算类别分布差异性因子D_factor=N_majorityN_minority；对于矛盾纠纷事件升级事件的每个样本，计算该样本的过采样倍数Oversampling_factor=D_factor-1；生成Oversampling_factor个新的合成样本，作为最终的矛盾纠纷事件升级样本集；步骤S5：构建K-NearestNeighbor模型，并基于训练数据集训练，得到预测模型；步骤S6:将新的矛盾纠纷事件相关人员的特征信息数据经过步骤S1-S3的处理后，输入预测模型，得到预测结果。

全文数据：

权利要求：

百度查询： 福建天创信息科技有限公司 基于机器学习的矛盾纠纷事件升级预测方法

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