申请/专利权人：人民法院信息技术服务中心;山东大学

申请日：2024-02-05

公开（公告）日：2024-04-12

公开（公告）号：CN117709690B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/18

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本说明书实施例涉及计算机技术领域，提供了一种司法案件任务调度方法及装置，所述方法包括：获取目标司法案件管理系统指定时段的历史司法案件数据，构成时间序列数据；将时间序列数据输入至预训练好的时间序列预测模型，得到预测时间序列数据；计算预测时间序列数据与参考数据之间的距离，根据距离和预设阈值得到司法案件任务处理评估结果；判断司法案件任务处理评估结果是否满足预设结果，若否，则按照预设的案件均衡分配方法，对案件进行重新分配。通过本说明书实施例，能够使司法机构合理安排资源、优化工作流程，从而提高办案效率。

主权项：1.一种司法案件任务调度方法，其特征在于，所述方法包括：获取目标司法案件管理系统指定时段的历史司法案件数据，构成时间序列数据，其中所述历史司法案件数据包括案件受理人员、案件编号、案件类型、案发地点、案件受理日期、案件处理状态以及案件处理时间线；将所述时间序列数据输入至预训练好的时间序列预测模型，得到预测时间序列数据；计算所述预测时间序列数据与参考数据之间的距离，根据所述距离和预设阈值得到司法案件任务处理评估结果；判断所述司法案件任务处理评估结果是否满足预设结果，若否，则按照预设的案件均衡分配方法，对案件进行重新分配；其中所述将所述时间序列数据输入至预训练好的时间序列预测模型，得到预测时间序列数据，包括：利用经验模态分解方法将所述时间序列数据进行分解，得到若干本征模态函数分量和残差分量；基于所述本征模态函数分量、残差分量和时间序列数据构建基于司法案件数据的动态图，其中所述动态图表示为一个三元组，包括输入节点矩阵、节点间的相关性和节点间的邻接矩阵；将所述动态图输入至预训练好的时间序列预测模型，得到预测时间序列数据；其中所述利用经验模态分解方法将所述时间序列数据进行分解，得到若干本征模态函数分量和残差分量，包括：获取输入时间序列数据的全部极值点，其中所述极值点包括极大值点和极小值点；经过三次样条差值法将全部极大值点连成上包络曲线，将全部极小值点连成下包络曲线；计算所述上包络曲线和下包络曲线的平均值，得到平均包络线；将所述输入时间序列数据减所述平均包络线，得到第一中间信号；判断所述第一中间信号是否满足预设的本征模态函数条件，若满足，则将所述第一中间信号记为所述输入时间序列数据的第一本征模态函数分量；将第一本征模态函数分量从所述输入时间序列数据中分离，得到第二输入时间序列数据，重复上述步骤，直至剩余分量为单调函数或常量，分解停止，得到输入时间序列的若干本征模态函数分量和残差分量。

全文数据：

权利要求：

百度查询： 人民法院信息技术服务中心;山东大学 一种司法案件任务调度方法及装置

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