一种自动识别行政非诉执行案源的方法技术

本发明专利技术公开了一种自动识别行政非诉执行案源的方法，包括以下步骤：步骤一、规则编制；步骤二、自动研判；步骤三、动作处理；步骤四、前端应用。其包括裁判文书、行政处罚决定书在内的行政检察案源数据经过行政非诉执行自动化引擎研判后，以标签化方式标记预警案源，再经过模型处理、案源推送等环节，将行政非诉执行预警案源数据、法律依据、监督关键要点、脑图、办案指引等数据以可视化的方式呈现给办案检察官。本方法可应用于行政检察监督领域，辅助检察官办案决策，提高办案效率，提升行政检察案源发现能力，在节约司法资源、维护正常司法秩序的同时，提升了司法权威和司法公信力。提升了司法权威和司法公信力。提升了司法权威和司法公信力。

【技术实现步骤摘要】
一种自动识别行政非诉执行案源的方法


[0001]本专利技术涉及一种自动识别的方法，尤其涉及一种自动识别行政非诉执行案源的方法。

技术介绍

[0002]行政非诉执行，是指公民、法人或其他组织在法定的期限内既不提起行政复议或者行政诉讼，又不履行已经生效的具体行政行为所确定的义务，人民法院根据行政机关或具体行政行为确定的权利人的执行申请，采取强制执行措施，使行政机关的具体行政行为得以实现的制度。行政非诉执行监督，是指人民检察院依据相关法律规定，对行政非诉执行活动的法律监督。
[0003]随着我国法治建设的不断发展，行政非诉执行监督机制的不健全造成监督不规范、不统一，程序性监督和选择性监督问题凸显。行政检察涉及的法律法规繁多，专业性强，对检察官自身的专业要求也非常高，以往全部是由人工来从海量数据中发现案源，花费了检察官大量的时间和精力，且收效甚微。

技术实现思路

[0004]为了解决上述技术所存在的不足之处，本专利技术提供了一种自动识别行政非诉执行案源的方法，将大数据处理技术应用到行政非诉执行业务中，通过交互式数据开发工具实现法律逻辑及算法数据处理，自动识别行政非诉执行预警案源，通过汇聚平台数据管道将预警案源数据推送到行政非诉执行大数据应用平台，高亮定位违法情形监督关键要点，以脑图的方式呈现法律依据、办案指引等，以可视化方式呈现预警案源信息，辅助检察官快速分析案情，判别成案，提高检察官办案效率。
[0005]为了解决以上技术问题，本专利技术采用的技术方案是：一种自动识别行政非诉执行案源的方法，包括以下步骤：
[0006]步骤一、规则编制；
[0007]步骤二、自动研判；
[0008]步骤三、动作处理；
[0009]步骤四、前端应用。
[0010]优选的，步骤一：将裁判文书和行政处罚决定书数据依据行政非诉执行业务特征进行元数据抽取处理和文书数据分类，针对行政非诉执行违法监督类型进行专项数据建模，将抽取的结构化要素及研判逻辑进行编制，并存储于服务器中。
[0011]优选的，步骤一的具体操作步骤如下：
[0012]步骤L001、元数据处理；
[0013]步骤L002、文书数据分类；
[0014]步骤L003、确定专项违法情形；
[0015]步骤L004、抽取结构化要素；
[0016]步骤L005、设计研判逻辑；
[0017]步骤L006、专项数据处理建模；
[0018]步骤L007、通过工具编制研判规则。
[0019]优选的，步骤一中，针对行政非诉执行的业务特征将裁判文书数据进行元数据抽取，并将行政非诉执行裁判文书数据分类为：行政裁定书和执行裁定书；行政处罚决定书按照执法主体、案件类型、领域进行元数据抽取，将分类处理后的数据存储于行政检察数据集中，形成行政非诉执行监督专项方向。
[0020]优选的，步骤二：将编制好的研判规则读取解析，经过行政非诉执行自动化研判引擎将符合逻辑的专项案源数据以标签化方式作预警标识，存储于数据库中。
[0021]优选的，步骤二的具体操作步骤如下：
[0022]步骤S001、配制解释器；
[0023]步骤S002、重新启动解释器；
[0024]步骤S003、运行专项Note；
[0025]步骤S004、连接数据库；
[0026]步骤S005、读取符合条件的数据；
[0027]步骤S006、识别结构化要素；
[0028]步骤S007、需要调用字典时，调用字典接口；不需要调用字典时，直接进入步骤S009；
[0029]步骤S008、返回字典项；
[0030]步骤S009、研判，对不符合研判逻辑的案源数据作跳过处理，并重新进入步骤S006环节处理下一条数据；
[0031]步骤S010、将符合研判逻辑中研判规则的案件进行预警标签化标识。
[0032]优选的，步骤三：在行政非诉执行应用平台的后端建立对应的专项索引模型，经数据管理平台汇聚子系统配置数据管道及导入和导出数据项，将预警案源数据通过管道推送至前端应用数据库及Elasticsearch分布式搜索引擎中存储。
[0033]优选的，步骤三的具体操作步骤如下：
[0034]步骤A001、在应用后台构建索引数据模型；
[0035]步骤A002、创建索引；
[0036]步骤A003、构建脑图数据；
[0037]步骤A004、配制数据管道；
[0038]步骤A005、配制发送信息；
[0039]步骤A006、配制接收信息；
[0040]步骤A007、推送数据；
[0041]步骤A008、应用接收数据；
[0042]步骤A009、存储预警案源。
[0043]优选的，步骤四：将推送至行政非诉执行应用平台的预警案源信息案件信息、违法情形、监督关键要点、脑图数据，由前端vue图层技术以可视化方式进行呈现。
[0044]优选的，步骤四的具体操作步骤如下：
[0045]步骤F001、读取专项分类数据；
[0046]步骤F002、调用预警案源数据；
[0047]步骤F003、组装可视化脑图数据；
[0048]步骤F004、组装可视化高亮数据；
[0049]步骤F005、组装监督关键要点；
[0050]步骤F006、推送到vue前端呈现。
[0051]本专利技术具有以下有益效果：
[0052](1)将行政非诉执行监督方向，法律依据、典型案例及检察官办案经验，通过法学研究进行梳理，依据模型方法论整理出计算机识别的研判规则。
[0053](2)引入语义分析技术、大数据清洗、转换、加载等前沿技术与行政检察业务进行了深度融合，将行政非诉执行案源发现由人工转化为计算机识别，极大提高了办案效率。
[0054](3)解决了非诉执行的案源发现的技术问题，提升检察监督能力，在节约司法资源，维护正常司法秩序的同时，提升司法权威和司法公信力，对促进行政机关依法行政、人民法院司法公证具有十分积极的作用。
附图说明
[0055]图1为本专利技术的整体架构图。
[0056]图2为本专利技术步骤一规则编制的工作流程图。
[0057]图3为本专利技术步骤二自动研判的工作流程图。
[0058]图4为本专利技术步骤三动作处理的工作流程图。
[0059]图5为本专利技术步骤四前端应用的工作流程图。
具体实施方式
[0060]下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0061]图1所示的一种自动识别行政非诉执行案源的方法，包含规则编制、自动研判、动作处理和前端应用四个步骤。依据法律法规、典型案例和检察官办案经验，通过对海量数据的分析，抽取了行政非诉执行违法情形、监督关键要点和研判规则，将研判规则编制后，通过自动化研判引擎和动作处理，在应用前端以可视化高亮定位及脑图等方式呈现，经过四个步骤处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动识别行政非诉执行案源的方法，其特征在于：包括以下步骤：步骤一、规则编制；步骤二、自动研判；步骤三、动作处理；步骤四、前端应用。2.根据权利要求1所述的自动识别行政非诉执行案源的方法，其特征在于：所述步骤一：将裁判文书和行政处罚决定书数据依据行政非诉执行业务特征进行元数据抽取处理和文书数据分类，针对行政非诉执行违法监督类型进行专项数据建模，将抽取的结构化要素及研判逻辑进行编制，并存储于服务器中。3.根据权利要求2所述的自动识别行政非诉执行案源的方法，其特征在于：所述步骤一的具体操作步骤如下：步骤L001、元数据处理；步骤L002、文书数据分类；步骤L003、确定专项违法情形；步骤L004、抽取结构化要素；步骤L005、设计研判逻辑；步骤L006、专项数据处理建模；步骤L007、通过工具编制研判规则。4.根据权利要求3所述的自动识别行政非诉执行案源的方法，其特征在于：所述步骤一中，针对行政非诉执行的业务特征将裁判文书数据进行元数据抽取，并将行政非诉执行裁判文书数据分类为：行政裁定书和执行裁定书；行政处罚决定书按照执法主体、案件类型、领域进行元数据抽取，将分类处理后的数据存储于行政检察数据集中，形成行政非诉执行监督专项方向。5.根据权利要求1所述的自动识别行政非诉执行案源的方法，其特征在于：所述步骤二：将编制好的研判规则读取解析，经过行政非诉执行自动化研判引擎将符合逻辑的专项案源数据以标签化方式作预警标识，存储于数据库中。6.根据权利要求5所述的自动识别行政非诉执行案源的方法，其特征在于：所述步骤二的具体操作步骤如下：步骤S001、配制解释器；步骤S002、重新启动解释器；步骤S003、运行专项Note；步骤S004、连接数据库；步骤S005、读取符合条...

【专利技术属性】
技术研发人员：崔放，姜合勇，李绍俊，庞景秋，齐井春，陈兴钰，李忆平，
申请(专利权)人：长春嘉诚信息技术股份有限公司，
类型：发明
国别省市：