申请/专利权人:四川大学
申请日:2023-06-21
公开(公告)日:2024-03-22
公开(公告)号:CN117743775A
主分类号:G06F18/20
分类号:G06F18/20;G06F18/25;G06N3/0455;G06F40/205;G06N3/091;G06Q50/26
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于人工智能的异常人员风险预测方法、系统及介质;获取异常人员的结构化数据和文本数据,基于Word2vec模型从结构化数据中提取出多维特征向量;以BERT模型作为骨干提取模型从文本数据中提取出刑期预测结果特征向量;将多维特征向量与刑期预测结果特征向量特征融合后建立立风险预测模型;根据风险预测模型得到预测结果。融合异常人员犯罪信息的文本数据中提取的定量高维特征,和结构化数据中提取的数字特征,共同实现异常人员风险预测,为异常人员提供解除惩罚措施前预测回归社会风险的客观方法。通过大数据和人工智能方法对待预测异常人员的信息进行定量计算,预测结果具有客观性和可重复性。
主权项:1.一种基于人工智能的异常人员风险预测方法,其特征在于,包括步骤:S1,获取异常人员的基础数据,所述基础数据包括:表征异常人员社会行为的结构化数据,和表征异常人员犯罪信息的文本数据;S2,对基础数据进行特征提取:基于Word2vec模型从结构化数据中提取出多维特征向量;以BERT模型作为骨干提取模型从文本数据中提取出刑期预测结果特征向量;S3,将多维特征向量与刑期预测结果特征向量进行特征融合,并建立风险预测模型;S4,将待预测异常人员的结构化数据和文本数据输入风险预测模型得到预测结果。
全文数据:
权利要求:
百度查询: 四川大学 一种基于人工智能的异常人员风险预测方法、系统及介质
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。