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！

龙图腾网获悉山东大学申请的专利基于法律知识框架与星型图神经网络的定罪异常预警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：CN121458493B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202610003439.2，技术领域涉及：G06Q50/18；该发明授权基于法律知识框架与星型图神经网络的定罪异常预警方法是由王芳;刘继辉;张旭;唐一平;邵瑞;曲存全设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本基于法律知识框架与星型图神经网络的定罪异常预警方法在说明书摘要公布了：本发明涉及定罪异常预警技术领域，尤其是提供了一种基于法律知识框架与星型图神经网络的定罪异常预警方法。该方法包括通过裁判文书获取定罪异常数据；并通过法律数据集，获取正常定罪数据；构建罪名专属与跨罪名通用两类法律知识框架；利用Qwen3‑14B模型，构建双框架对齐的结构化法律要素数据集；通过bert‑base‑chinese模型将法律要素嵌入为稠密向量，构建星型图神经网络定罪模型；基于两项定罪异常预警机制进行定罪异常预警，获得定罪异常预警模型；部署定罪异常预警模型进行定罪异常预警测试，该方法解决了现有AI辅助法律适用技术在罪名误诉识别中存在的问题，提升了司法场景中罪名适用错误的识别准确率。

本发明授权基于法律知识框架与星型图神经网络的定罪异常预警方法在权利要求书中公布了：1.一种基于法律知识框架与星型图神经网络的定罪异常预警方法，其特征在于，所述方法包括： 步骤1、通过裁判文书获取定罪异常数据；并通过法律数据集，获取正常定罪数据； 步骤2、根据定罪异常数据，结合指导性案例及参考案例，构建罪名专属与跨罪名通用两类法律知识框架； 步骤3、利用大语言模型Qwen3-14B，分别按对应的法律知识框架从原始案件事实中抽取结构化法律要素，构建双框架对齐的结构化法律要素数据集； 步骤4、根据结构化法律要素数据集，通过预训练中文语言模型bert-base-chinese将法律要素嵌入为稠密向量，构建星型图神经网络定罪模型； 步骤5、利用星型图神经网络定罪模型，基于两项定罪异常预警机制进行定罪异常预警，获得定罪异常预警模型； 步骤6、通过部署定罪异常预警模型，进行定罪异常预警测试； 所述步骤4包括： 星型图神经网络定罪模型包括语义嵌入层、星型图构建器、异构图注意力神经网络，并采用固定随机种子、确定性算法与确定性边掩码生成器，用于保障训练可复现性；语义嵌入层采用冻结的bert-base-chinese编码要素文本并投影至128维；星型图构建器以案件节点为中心，连接所有法律要素与原始案件事实FD作为叶节点；异构图注意力神经网络拼接BERT语义嵌入、64维类型嵌入与16维跳数嵌入，经双层图注意力网络卷积GATConv与全局最大池化后输出三类罪名概率，其融合多维语义与结构信息，用于实现定罪异常预警； 所述步骤5包括： 设计两项定罪异常预警机制，采用5折分层交叉验证、标签平滑交叉熵损失及早停策略进行训练；对测试集中[指控罪名≠判决罪名]的样本，定义预警触发条件为模型预测结果等于真实罪名且满足概率阈值条件；评估指标包括预警准确率与验证集准确率，并通过概率分布直方图可视化；最终集成各折最优模型进行概率平均，并输出集成概率分布图与单模型权重； 包括： 步骤51、两项定罪异常预警机制，在训练阶段仅用CAIL2018法律数据集进行训练和验证；在测试阶段，对[指控罪名≠判决罪名]的样本，仅当模型满足以下任一条件时触发预警： 判决罪名预测概率大于指控罪名预测概率，且指控罪名概率小于12； 判决罪名与指控罪名的概率差相对于指控概率的比值大于10%： ； 其中，； 预警准确率定义为正确触发预警的定罪异常数占定罪异常数的比例； 定罪异常预警准确率，其形式化公式为： ； 其中，表示测试集中所有定罪异常案件；表示模型对案件正确触发了预警，即预测罪名等于真实罪名，且满足概率阈值条件；表示集合的元素个数； 步骤52、集成学习与可视化，保存5折交叉验证中每折最优模型，对测试样本进行概率平均集成；绘制两类直方图：a、各单模型对指控罪名的预测概率分布；b、集成模型的概率分布，并标定12阈值线；同时保存最优单模型权重与集成概率向量，用于支持后续分析与部署。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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”。

以上内容由龙图腾AI智能生成。