(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210551770.X (22)申请日 2022.05.18 (71)申请人 天津大学 地址 300000 天津市南 开区卫津路9 2号 (72)发明人 史丹阳　王文俊　焦鹏飞　陈雪　 潘林　 (74)专利代理 机构 北京天下创新知识产权代理 事务所(普通 合伙) 16044 专利代理师 任崇 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/247(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/35(2019.01)G06F 16/36(2019.01) (54)发明名称 基于节点分类的智能辅助处罚 决定的方法 及电子设备 (57)摘要 本发明提供了一种基于节点分类的智能辅 助处罚决定的方法及电子设备， 属于数据挖掘的 技术领域， 缓解了现有的行政执法文书决定存在 准确率较低的问题。 该方法包括： 对行政执法文 书数据集进行数据清洗， 获得多个行政执法文 书； 对每个行政执法文书进行标签化处理； 对每 个行政执法文书进行分词， 获得违 法行为类型和 违法事实两个字段， 并将两个字段拼接后输入 word2vec模型和 bert模型， 获得每个 行政执法文 书的两个句向量； 计算每个行政 执法文书的两个 句向量的余弦相似度， 获得相似度矩阵， 根据相 似度矩阵生成带权值的 图邻接矩阵； 将图邻接矩 阵和句向量输入两层图卷积神经网络， 迭代获得 处罚评判模型。 权利要求书1页 说明书7页 附图3页 CN 115358228 A 2022.11.18 CN 115358228 A 1.一种基于节点分类的智能辅助处罚决定的方法， 其特 征在于， 包括： 对行政执法文 书数据集进行 数据清洗， 获得多个行政执法文 书； 对每个行政执法文 书进行标签化处 理； 对每个行政执法文书进行分词， 获得违法行为类型和违法事实两个字段， 并将两个字 段拼接后输入w ord2vec模型和ber t模型， 获得每 个行政执法文 书的两个句向量； 计算每个行政执法文书的两个句向量的余弦相似度， 获得相似度矩阵， 根据相似度矩 阵生成带权值的图邻接矩阵； 将图邻接矩阵和句向量输入两层图卷积神经网络， 迭代获得处罚评判模型。 2.根据权利要求1所述的方法， 其特征在于， 所述行政执法文书至少包括违法行为类 型、 违法事实和处罚类别字段。 3.根据权利要求2所述的方法， 其特征在于， 对每个行政执法文书进行标签化处理的步 骤， 包括： 统计全部行政执法文 书的处罚类别并进行 数字标注； 对每个行政执法文 书的处罚类别生成o ne‑hot向量。 4.根据权利要求3所述的方法， 其特 征在于， 所述行政执法文 书还包括罚款金额字段； 对每个行政执法文 书进行标签化处 理的步骤， 还 包括： 将罚款金额划分为多个区间， 根据不同区间进行罚款金额标签的标注。 5.根据权利要求3所述的方法， 其特 征在于， 所述行政执法文 书还包括罚款依据字段； 对每个行政执法文 书进行标签化处 理的步骤， 还 包括： 统计全部行政执法文 书的法律依据并进行 数字标注； 对每个行政执法文 书的法律依据生成o ne‑hot向量。 6.根据权利要求1所述的方法， 其特征在于， 对每个行政执法文书进行分词， 获得违法 行为类型和违法事实两个字段的步骤， 包括： 利用jieba分词对每个行政执法文书进行分词， 并使用停用词 表对停用词进行删除， 获 得违法行为类型和违法事实两个字段。 7.根据权利要求6所述的方法， 其特 征在于， 还 包括： 利用汉明损失和准确率对处罚评判模型进行判断。 8.一种电子设备， 包括存储器、 处理器， 所述存储器中存储有可在所述处理器上运行的 计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现上述权利要求1至7任一 项所述的方法的步骤。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有机器可运 行指令， 所述计算机可运行指令在被处理器调用和运行时， 所述计算机可运行指令促使所 述处理器运行 所述权利要求1至7任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115358228 A 2基于节点分类的智能辅助处罚决定的方 法及电子 设备 技术领域 [0001]本发明涉及数据挖掘技术领域， 尤其是涉及一种基于节点分类的智能辅助处罚决 定的方法及电子设备。 背景技术 [0002]图表示学习已经被广泛应用于各个网络环境中， 如社交网络推荐、 蛋白质结构预 测、 电商推荐等。 [0003]现有方法通过自言语言处理的方式进行行政法律文书的案由认定与处罚决定。 行 政执法文书中信息要素 的表征方式多、 案由认定和处罚决定难以决策， 并且既往类似案例 推荐方法存在准确度低和缺 乏可解释等情形。 因此， 现有的行政执法文书 决定存在准确 率 较低的问题。 发明内容 [0004]本发明的目的在于提供一种基于节点分类的智能辅助处罚决定的方法及电子设 备， 缓解了现有的行政执法文 书决定存在准确率较低的问题。 [0005]第一方面， 本发明提供一种基于节点分类的智能辅助处罚决定的方法， 包括： [0006]对行政执法文 书数据集进行 数据清洗， 获得多个行政执法文 书； [0007]对每个行政执法文 书进行标签化处 理； [0008]对每个行政执法文书进行分词， 获得违法行为类型和违法事实两个字段， 并将两 个字段拼接后输入w ord2vec模型和ber t模型， 获得每 个行政执法文 书的两个句向量； [0009]计算每个行政执法文书的两个句向量的余弦相似度， 获得相似度矩阵， 根据相似 度矩阵生成带权值的图邻接矩阵； [0010]将图邻接矩阵和句向量输入两层图卷积神经网络， 迭代获得处罚评判模型。 [0011]进一步的， 所述行政执法文 书至少包括违法行为类型、 违法事实和处罚类别字段。 [0012]进一步的， 对每 个行政执法文 书进行标签化处 理的步骤， 包括： [0013]统计全部行政执法文 书的处罚类别并进行 数字标注； [0014]对每个行政执法文 书的处罚类别生成o ne‑hot向量。 [0015]进一步的， 所述行政执法文 书还包括罚款金额字段； [0016]对每个行政执法文 书进行标签化处 理的步骤， 还 包括： [0017]将罚款金额划分为多个区间， 根据不同区间进行罚款金额标签的标注。 [0018]进一步的， 所述行政执法文 书还包括罚款依据字段； [0019]对每个行政执法文 书进行标签化处 理的步骤， 还 包括： [0020]统计全部行政执法文 书的法律依据并进行 数字标注； [0021]对每个行政执法文 书的法律依据生成o ne‑hot向量。 [0022]进一步的， 对每个行政执法文书进行分词， 获得违法行为类型和违法事实两个字 段的步骤， 包括：说　明　书 1/7 页 3 CN 115358228 A 3