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！

龙图腾网获悉中国政法大学申请的专利一种基于自适应量刑知识图谱的刑期预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120031212B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510502839.3，技术领域涉及：G06Q10/04；该发明授权一种基于自适应量刑知识图谱的刑期预测方法是由时建中;韩林睿;郑日;杜祖炜;宋士骥设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本一种基于自适应量刑知识图谱的刑期预测方法在说明书摘要公布了：本发明公开了一种基于自适应量刑知识图谱的刑期预测方法，具体涉及知识图谱与模型预测领域，包括：基于历史案件样本，提取罪名标签、情境特征与刑期标签，构建情境特征与罪名标签之间的稀疏关联矩阵，并据此生成初始知识图谱。通过非负矩阵分解提取潜在因子后，剔除对标签贡献度低的因子，重构优化后的图谱结构。基于图谱提取多罪名案件中的关键情境特征集合，并结合对应刑期标签构建训练集，训练多罪名标签的刑期预测模型。在实际应用中，提取待判案件的情境特征，结合重构图谱及已训练模型，输出对应的预测刑期结果，实现结构优化驱动下的刑期智能预测。

本发明授权一种基于自适应量刑知识图谱的刑期预测方法在权利要求书中公布了：1.一种基于自适应量刑知识图谱的刑期预测方法，其特征在于，包括如下步骤： S1：提取历史案件样本的罪名标签、情境特征与刑期标签，将情境特征与罪名标签之间的关联关系数值化为稀疏矩阵； S2：依据稀疏矩阵的罪名标签与情境特征之间的关联关系构建初始知识图谱； S3：对稀疏矩阵进行非负矩阵分解，提取情境特征与罪名标签之间的潜在关联，获得潜在因子矩阵； S4：剔除对罪名标签特征贡献度低的潜在因子，重构初始知识图谱； S5：提取包含多罪名标签的历史量刑案件样本的罪名标签与刑期标签，基于重构后的知识图谱提取关键情景特征集，训练多罪名标签的刑期预测模型； S6：将实际案件情景特征输入基于重构后的知识图谱与多罪名标签的刑期预测模型，输出对应的预测刑期结果； 在S3中，对稀疏矩阵进行非负矩阵分解，提取情境特征与罪名标签之间的潜在关联，获得潜在因子矩阵具体包括： 通过归一化算法对稀疏矩阵的元素执行数值转换操作，并依据情境特征维度与罪名标签维度的数值分布对矩阵数据进行标准化处理； 根据标准化处理后的稀疏矩阵的情境特征与罪名标签构建潜在因子集合并配置初始参数值； 对稀疏矩阵进行非负矩阵分解，建立与潜在因子矩阵关联的情景特征矩阵以及罪名标签矩阵； 其中情景特征矩阵和罪名标签矩阵的矩阵元素分别为情景特征与潜在因子、罪名标签与潜在因子之间数值映射关系； 对潜在因子矩阵执行矩阵元素值重构，依据设定损失函数的数值变化，对潜在因子矩阵与情景特征矩阵、罪名标签矩阵的数值映射进行迭代修正； 在S4中，剔除对罪名标签特征贡献度低的潜在因子，重构初始知识图谱具体包括： 对分解后的稀疏矩阵执行维度简化，通过主成分分析剔除特征贡献度低于设定贡献度阈值的潜在因子； 基于剩余潜在因子对应情景特征矩阵、罪名标签矩阵的矩阵乘积，重构稀疏矩阵； 基于重构后的稀疏矩阵中情境特征与罪名标签的关联权重，调整初始知识图谱的边。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国政法大学，其通讯地址为：100088 北京市海淀区西土城路25号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。