[发明专利]应用于社区矫正人员的矫正策略个性化推荐系统

权利要求书

1.应用于社区矫正人员的矫正策略个性化推荐系统，其特征是，应用于服务器端，包括：

获取模块，其被配置为：响应于客户端的矫正策略个性化推荐请求，获取由客户端采集的社区待矫正人员的基本信息；

特征提取模块，其被配置为：对社区待矫正人员的基本信息进行处理，提取社区待矫正人员的特征；

矫正策略推荐模块，其被配置为：将社区待矫正人员的特征，输入到预训练好的深度学习模型中，输出社区待矫正人员的个性化矫正策略。

2.如权利要求1所述的系统，其特征是，提取社区待矫正人员的特征，包括：

将分类存储后的数据，进行特征组合降维处理，得到社区待矫正人员的特征。

3.如权利要求1所述的系统，其特征是，将社区待矫正人员的特征，输入到预训练好的深度学习模型中，输出社区待矫正人员的个性化矫正策略；具体步骤包括：

将社区待矫正人员的特征，输入到预训练好的深度学习模型中，输出社区待矫正人员的类别，根据社区待矫正人员的类别查找到对应类别的矫正策略，将矫正策略发送给客户端，并在客户端进行显示。

4.如权利要求1所述的系统，其特征是，所述预训练好的深度学习模型，其训练步骤包括：

构建深度学习模型；构建训练集；

将训练集输入到深度学习模型中进行训练，输出损失函数最小值所对应的深度学习模型，即得到训练好的深度学习模型。

5.如权利要求1所述的系统，其特征是，所述训练集的获取步骤包括：

获取社区已矫正人员的问卷信息、文档信息和矫正策略信息；

对获取社区已矫正人员的数据进行预处理；

将预处理后的数据通过特征组合的形式进行降维处理，得到数据特征；

将降维处理后的数据特征，通过聚类的形式进行特征聚类，得到社区已矫正人员的类别和对应类别的矫正人员的特征。

6.如权利要求5所述的系统，其特征是，所述对获取社区已矫正人员的数据进行预处理；具体步骤包括：

对社区已矫正人员的文档信息进行文字识别，将文字识别结果与问卷进行数据合并，将数据合并结果进行无用数据的过滤，对过滤后的数据进行丢失数据的填充，再将填充后的数据进行数字化处理。

7.如权利要求5所述的系统，其特征是，将预处理后的数据通过特征组合的形式进行降维处理，得到数据特征；具体步骤包括：

将预处理后的社区已矫正人员的数据，按照内容相似性划分为M个组；

每个组内包括若干个特征，将每一个组的所有特征均降维处理；

通过对降维处理后的特征，按照组间特征组合的形式进行特征组合，其中特征组合包括：两两特征组合、三三特征组合或四四特征组合；

将组合后的特征输入到深度学习模型中，输出预测准确率最高的组合形式，将准确率最高的组合作为最优组合，用最优组合来表示社区已矫正人员的数据。

8.如权利要求5所述的系统，其特征是，将降维处理后的数据特征，通过聚类的形式进行特征聚类，得到社区已矫正人员的类别和对应类别的矫正人员的特征，具体步骤包括：

将降维后的数据特征，利用无监督聚类算法进行聚类，输出社区已矫正人员的类别；

或者，

聚类算法的聚类中心，通过批量更新机制进行更新：当新的社区已矫正人员数据量超过设定阈值，则启动聚类中心更新步骤；否则不启动。

9.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行步骤包括：

响应于客户端的矫正策略个性化推荐请求，获取由客户端采集的社区待矫正人员的基本信息；

对社区待矫正人员的基本信息进行处理，提取社区待矫正人员的特征；

将社区待矫正人员的特征，输入到预训练好的深度学习模型中，输出社区待矫正人员的个性化矫正策略。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成执行步骤包括：

响应于客户端的矫正策略个性化推荐请求，获取由客户端采集的社区待矫正人员的基本信息；

对社区待矫正人员的基本信息进行处理，提取社区待矫正人员的特征；

将社区待矫正人员的特征，输入到预训练好的深度学习模型中，输出社区待矫正人员的个性化矫正策略。