[发明专利]基于法官画像的服务信息推送方法、装置、终端及存储介质

权利要求书

1.一种基于法官画像的服务信息推送方法，其特征在于，包括：

从预先确定的源数据库中获取目标法官的静态数据，对所述静态数据进行预处理，得到所述目标法官的静态信息标签；

获取所述目标法官在预设时长内的动态行为数据，对所述动态行为数据进行预处理，得到所述目标法官的动态信息标签；

根据预先训练完成的多维关注度模型对所述静态信息标签和所述动态信息标签进行分析，获得所述目标法官的综合关注度指标值；

根据所述综合关注度指标值获得所述目标法官的法官画像，基于所述法官画像确定所述目标法官的服务策略标签；

向所述目标法官的终端推送与所述服务策略标签相匹配的服务信息。

2.如权利要求1所述的基于法官画像的服务信息推送方法，其特征在于，在所述根据预先训练完成的多维关注度模型对所述静态信息标签和所述动态信息标签进行分析，得到所述法官的综合关注度指标之前，包括：

获取预设数量法官的静态信息标签和动态信息标签；

根据预设的第一聚类算法对所述静态信息标签进行聚类处理，得到预设类型的静态信息标签；

分别确定每类所述预设类型的静态信息标签的第一关注度值，基于所述第一关注度值为每类所述预设类型的静态信息标签赋予第一影响因子，基于所述第一影响因子和所述第一关注度值生成n维静态关注度模型，n为所述静态信息标签的类型数；

根据预设的第二聚类算法对所述动态信息标签进行聚类处理，得到预设类型的动态信息标签，分别确定每类所述预设类型的动态信息标签的第二关注度值；

基于所述第一关注度值和所述第二关注度值，获得所述n维静态关注度模型中每类所述预设类型的静态信息标签与每类所述预设类型的动态信息标签之间相关性权重值；

获取m类目标动态信息标签的第二关注度值，基于所述m类目标动态信息标签的第二关注度值生成m维动态关注度模型，所述m类目标动态信息标签为所述相关性权重值大于预设的相关性权重阈值的动态信息标签，m为所述动态信息标签的类型数；

基于所述m维动态关注度模型、所述n维静态关注度模型以及所述相关性权重值生成所述多维关注度模型。

3.如权利要求2所述的基于法官画像的服务信息推送方法，其特征在于，所述多维关注度模型为：

其中，n_i指的是第i类静态信息标签对应的第一关注度值，x_i指的是第i类静态信息标签的第一影响因子，m_j指的是第j个动态信息标签对应的第二关注度值,x_j指的是第j个动态信息标签的第二影响因子,为第i类静态信息标签与第j个动态信息标签之间的相关性权重值，I为综合关注度指标值。

4.如权利要求2所述的基于法官画像的服务信息推送方法，其特征在于，所述基于所述第一关注度值和所述第二关注度值获得所述n维静态关注度模型中每类所述静态信息标签与每个所述动态信息标签之间相关性权重值，包括：

基于所述第一关注度值和所述第二关注度值构建线性回归方程，利用线性回归方法求解所述线性回归方程，得到所述n维静态关注度模型中每类所述静态信息标签与每个所述动态信息标签之间相关性权重值；

其中，所述预设的线性回归方程为：

式中，a，b为该线性回归方程的系数，分别表示为：

式中，为第i个静态信息标签与第j个动态信息标签之间的相关性权重值，n_i为第i个静态信息标签的第一关注度值，m_j为第j个动态信息标签的第二关注度值，l为静态信息标签的种类数，k为动态信息标签的个数，表示l类静态信息标签的关注度的平均值，表示k个动态信息标签的关注度的平均值，其中，i＝0,1，…，l，j＝0,1，…，k。

5.如权利要求2-4任一所述的基于法官画像的服务信息推送方法，其特征在于，所述n维静态关注度模型由第一预设维度的静态信息标签的第一关注度值以及所述第一预设维度的静态信息标签的第一影响因子确定，所述第一预设维度的静态信息标签包括审判质量指标、审判效率指标、专业能力指标、个人发展指标和奖惩指标。