一种司法辅助案件多元化分配模型构建使用方法

技术领域

本发明一种司法辅助案件多元化分配模型构建使用方法，属于司法辅助案件多元化分配模型构建使用技术领域。

背景技术

在司法辅助工作中，日常办案将生成大量的案件信息，尤其在案件分配工作中，目前主要依靠人工分配的方法读取信息，案件分配人员每日将重复大量无意义工作，费时费力，且由于人工频繁操作，存在较高的错误率；由于目前司法系统面临案多人少的问题，进行专职案件分配的工作人员数量不足，导致相应的司法辅助工作效率不高，解决这些问题需要建立一套标准化的案件分配工作体系，对相应的案件管理机制进行信息化的系统建设。

发明内容

本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种司法辅助案件多元化分配模型构建使用方法的改进。

为了解决上述技术问题，本发明采用的技术方案为：一种司法辅助案件多元化分配模型构建使用方法，包括如下的构建步骤：

步骤一：在服务器端安装司法辅助案件分配系统，向系统内录入并积累：司法辅助案件数据信息、工作规则；

步骤二：参考司法辅助工作规则，控制系统架构内部的上层级用户向下层级用户分配案件信息，预设下层级用户接收并完成案件任务时的反馈功能；

步骤三：通过各层级用户的案件分配以及案件接收、案件完成情况，计算得出多维度智能分案权值体系数据，所述多维度智能分案权值体系数据包括：案件接收用户的案件完成数量、案件分配用户的案件数量、案件分配和完成情况的工作权重值；

步骤四：将多维度智能分案权值体系数据应用于建立智能学习模型，并根据智能学习模型建立智能分案模型；

步骤五：使用智能分案模型进行案件分配。

所述步骤四中建立智能学习模型和智能分案模型的具体步骤为：

步骤4.1：通过建立案件数据学习分析模型对分配和接收案件的用户工作完成情况进行统计，结合案件要素、工作权重比例的对应规则，对应到案件分配各类用户工作属性值中；

步骤4.2：将所述用户工作属性值通过人工智能机器学习算法转换为分案概率数据，将待分配案件分配给相关的案件接收用户；

步骤4.3：根据案件要素、工作权重比例等对应规则，建立智能学习模型；

根据所述智能学习模型以及实际案件分配系数，建立智能分案模型。

所述步骤4.3中建立的智能学习模型根据案件要素，主要包括案件的发生时间、地点、涉案人员、案件类型、案值内容、案件处理工作人员擅长的领域建立关系对应的权重模型；

所述步骤4.3中建立的智能分案模型根据智能学习模型中得到的工作人员擅长领域的权重值，将实际工作中的业务权重分配给具体的相关匹配工作人员。

所述步骤4.3中建立的智能分案模型具体使用的计算方法包括：

根据工作量的完成情况进行智能学习模型的建立；

根据工作量的完成情况匹配所述工作权重情况，同时进行智能学习模型的建立。

所述步骤五中进行案件分配的具体方法为：将所述智能分案模型输出的多条结果进行数据比对，优先选择第一位适配条件的用户进行案件分配。

本发明相对于现有技术具备的有益效果为：本发明提供的多元化案件分配方式基于构建的分配模型来实现，在模型建设过程中将大数据、云计算、人工智能技术应用于司法案件的辅助管理，将建立的学习模型和分案模型应用于司法案件的分配，采用全流程的信息化辅助工作，可减少人工成本、工作错误率，更好地提高司法辅助整体的工作效率。

附图说明

下面结合附图对本发明做进一步说明：

图1为本发明司法辅助案件多元化分配模型构建使用方法的步骤流程图。

具体实施方式

如图1所示，本发明提供一种司法辅助案件多元化分配模型构建使用方法，主要通过司法辅助案件数据信息和工作规则的积累建立多元化的案件智能学习模型以及分配模型，所述司法辅助案件数据信息和工作规则的积累，主要根据司法辅助工作规则，由架构中上层级用户向下层级用户分配案件信息，设置下层级用户接收并完成案件任务时的反馈功能；然后通过各层级用户的案件分配以及案件接收、案件完成情况，计算出多维度智能分案权值体系；所述多维度智能分案权值体系包括：所述案件接收用户的案件完成数量、案件分配用户的案件数量以及案件分配和完成情况的工作权重值。

通过建立案件数据学习分析模型对分配和接收案件的用户工作完成情况进行统计，结合案件要素、工作权重比例等对应规则，对应到案件分配各类用户工作属性值中；所述用户工作属性值中通过人工智能机器学习算法转换为分案概率，将待分配案件分配给相关的案件接收用户。

根据所述案件要素、工作权重比例等对应规则，建立智能学习模型，根据所述智能学习模型以及实际案件分配系数建立智能分案模型。

所述学习模型主要针对案件的发生时间、地点、涉案人员、案件类型、案值等内容以及案件处理工作人员擅长的领域建立关系对应权重模型。

所述智能分案模型根据学习模型中得各工作人员擅长领域的权重值，在实际工作中的业务权重分配具体相关匹配的工作人员。

具体的智能分案模型计算方法规则，主要包含：

（1）根据工作量的完成情况进行智能学习模型的建立；

（2）根据工作量的完成情况匹配所述工作权重情况进行智能学习模型的建立。

对所述智能分案模型的最终输出结果进行比对，优先选择第一位适配条件的用户进行案件分配，从而完成整个模型构建与使用的目的。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。