申请/专利权人：长河信息股份有限公司

申请日：2023-09-22

公开（公告）日：2024-02-13

公开（公告）号：CN117557208A

主分类号：G06Q10/10

分类号：G06Q10/10;G06Q50/18;G06F16/31;G06F40/216;G06F16/335

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明公开了智慧司法数据采集方法及系统，涉及数据采集领域，所述方法包括以下步骤：Step1：建立本地数据存储库，并按照预定周期进行云端备份；Step2：采集实施端获取司法数据地址，并对地址合法性进行验证，向通过验证的司法数据地址，进行访问权限的申请，等待授权；Step3：获取通过授权的司法数据地址，按获取时间逐个进行采集目标的排序；Step4：对采集目标进行属性定义，划分采值区间，按照所定义属性和排序信息，依次向司法数据地址展开采集操作；该方法通过针对所需要数据进行预定义策略，实现大规模数据的批量索引，通过智能识别并暂时屏蔽含有误导或者错误信息的数据来源，确保在数据采集过程中算力资源的最大化利用，从而实现系统算力的优化分配。

主权项：1.智慧司法数据采集方法，其特征在于，包括以下步骤：Step1：建立本地数据存储库，并按照预定周期进行云端备份；Step2：采集实施端获取司法数据地址，并对地址合法性进行验证，向通过验证的司法数据地址，进行访问权限的申请，等待授权；Step3：获取通过授权的司法数据地址，按获取时间逐个进行采集目标的排序；Step4：对采集目标进行属性定义，划分采值区间，按照所定义属性和排序信息，依次向司法数据地址展开采集操作；Step5：通过TF-IDF模型，为文本选出若干个候选关键词，通过特征工程，对文本候选关键词进行特征提取，将所提取特征作为LightGBM算法参数，预测当前候选关键词是否为关键词，分析概率；Step6：选择超出预设概率的词作为文本关键词，进行标记后输出；Step7：分析标记结果，选择标记结果高于或等于采集阈值的文本，进行文本数据的集中输出，递交至暂存区；Step8：获取定义属性，选择是否更换定义属性，在暂存区内进行二次验证，标记违背获取逻辑的文本数据，经过查验后选择是否剔除。

全文数据：

权利要求：

百度查询： 长河信息股份有限公司 智慧司法数据采集方法及系统

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