买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京北大软件工程股份有限公司

摘要：本发明涉及一种基于大数据的行政处罚自由裁量权合理性评估方法及装置，包括获取基础数据；对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内，在判断案件的处罚金额在所述处罚金额范围内后，构建处罚金额合理性评估模型并根据所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性；本发明建立了对自由裁量权的合理性评估方法及装置，本申请能够辅助执法人员准确行使行政处罚自由裁量权，科学执法科学决策，为规范行政处罚自由裁量权的运用以及解决行政执法中滥用自由裁量权的问题，提供了一种科学高效的解决方案。

主权项：1.一种基于大数据的行政处罚自由裁量权合理性评估方法，其特征在于，包括：获取基础数据；对所述基础数据进行特征抽取，根据抽取的特征信息确定案件的案由，并根据所述案由确定处罚金额范围，判断案件的处罚金额是否在所述处罚金额范围内；在判断案件的处罚金额在所述处罚金额范围内后，构建处罚金额合理性评估模型并根据所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性；所述处罚金额合理性评估模型判断所述案件的处罚金额的合理性，包括：对类案进行模型训练；根据案件的处罚依据，判断是否存在对处罚金额的自由裁量；若存在，那么根据案件内容，通过类案相似性判断模型获取相似案件，根据与相似案件的相似程度，判断处罚金额是否合理；否则，计算出行政处罚金额的分布函数，判断本案件的处罚金额是否满足该分布；其中，所述分布函数能够辅助执法人员准确行使行政处罚自由裁量权；所述对类案进行模型训练，包括：获取类案数据，并以相同比例获取非类案数据，对所述类案数据和非类案数据进行格式化，构造格式化数据集；所述格式化数据集包括训练数据集和测试数据集，将所述训练数据集分成N份；将所述训练数据进行分词处理，用word2vec进行词向量的映射，输入到BiLSTM模型中进行训练，并输出结果；其中，所述word2vec选择采用Skip-gram方法，通过所述Skip-gram方法能够使生成的向量具有语义信息，考虑单词的上下文信息；通过N次交叉验证，获得最优模型，保存所述最优模型；加载所述最优模型进行测试，将测试数据集中的测试数据输入所述最优模型，依次进行分词、词向量映射、类案相似性计算，评估模型性能；所述BiLSTM模型包括词向量嵌入层、双向LSTM层、注意力机制层、分类器；所述词向量嵌入层用于将训练数据转换为词向量；所述双向LSTM层以词向量为输入，对所述词向量进行转换输出固定长度的特征向量；所述注意力机制层以双向LSTM层输出的特征向量为输入，根据文本中单词的重要程度加上不同的权重，得到更精确的文本表示；分类层用softmax归一化attention权重，加权求和再进行带参余弦相似度计算；其中，所述BiLSTM模型中的句子不仅能考虑一个方向的信息，也能够考虑反向信息。

全文数据：

权利要求：

百度查询： 北京北大软件工程股份有限公司 基于大数据的行政处罚自由裁量权合理性评估方法及装置