一种自动预测和处理矛盾纠纷事件的方法及系统与流程

1.本技术属于大数据挖掘技术领域，尤其涉及一种自动预测和处理矛盾纠纷事件的方法及系统。


背景技术：

2.为了提升整体社会风险预防和预警的能力，及时发现预警潜藏在基层社会里的各种风险因素，在风险真正发生前及时介入并化解，当下通过建设矛盾纠纷调处化解系统，减少矛盾纠纷的发生，降低因矛盾纠纷引起的重大、安全、群体事件的发生概率，保持社会和谐稳定。
3.矛盾纠纷调处化解系统具体是通过对大数据进行交叉比对，得出当前矛盾纠纷的复杂度、症结点，进而对矛盾纠纷调节和化解的。目前全国范围内正在建设运行的社会矛盾纠纷调处化解中心，通过整合各个职能部门的矛盾纠纷调解力量，同时配套相关的应用系统来应对处理矛盾纠纷事件风险。配套应用系统记录区域内的矛盾纠纷调处化解过程数据，了解区域内矛盾纠纷底数，进行初步分析矛盾纠纷事件风险。这种情况导致目前现有社会矛盾纠纷调处化解系统数据来源和数据维度比较单一，数据分析产生的结果对于政府主管部门并无较大参考意义。目前，还未有综合相关基于社会治理大数据的矛盾纠纷风险研判方法。


技术实现要素：

4.为解决现有技术中的不足，本技术提出一种自动预测和处理矛盾纠纷事件的方法及系统。
5.第一方面，本技术提出了一种自动预测矛盾纠纷风险的方法，包括以下步骤：
6.步骤s1：对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量，并根据所述个人特征向量建立个人和家庭风险等级；
7.步骤s2：根据所述风险等级，对个人和家庭进行网格服务管理，修正所述个人特征向量；
8.步骤s3：根据修正后的个人特征向量和新发生的矛盾纠纷事件，构建前馈网络图谱，计算所述矛盾纠纷事件的特征向量；
9.步骤s4：根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解。
10.所述建立个人和家庭风险等级，通过如下步骤完成：
11.步骤s1.1：通过叠加家庭中个人特征向量，得到家庭特征向量；
12.步骤s1.2：根据所述个人和家庭特征向量，与设定的专家值比对，建立个人和家庭风险等级。
13.所述构建前馈网络图谱，公式如下：
14.e＝g(n，ei)
15.其中，e为事件紧急危险程度，n为事件中各节点的集合，ei为节点i的事件特征向量。
16.所述计算所述矛盾纠纷事件的特征向量，包括如下步骤：
17.步骤s3.2.1：提取矛盾纠纷事件节点的相关信息，加入前馈网络图谱，构成事件第一相关节点网络，并计算所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量；
18.步骤s3.2.2：将所述矛盾纠纷事件节点的正相关节点的相关信息，加入前馈网络图谱，构成事件第二相关节点网络，并计算所述正相关节点入所述事件第二相关节点网络后特征向量；
19.步骤s3.2.3：根据所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量与所述正相关节点入所述事件第二相关节点网络后特征向量，计算所述矛盾纠纷事件的特征向量。
20.所述计算所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量，计算公式如下；
21.ni＝f(xi，e
co[i]
，n
ne[i]
，x
ne[i]
)
[0022]
其中，节点i的特征用个人特征向量xi表示，ni为节点i入网后特征向量，e
co[i]
为与节点i相关的负向事件的特征向量，n
ne[i]
为节点i的相邻节点入网后特征向量，x
ne[i]
为节点i的相邻节点的特征向量。ne[i]为节点i的邻居节点集合，co[i]为与节点i正向关系的节点集合。
[0023]
所述计算所述矛盾纠纷事件的特征向量，公式如下：
[0024][0025]
对节点i的任一个前馈节点u使用du，并将得到的值求和来作为节点i入网后状态的特征向量；其中du计算公式如下：
[0026]du
(xi，e
co[i]
，nu，xu)＝a
i，u
xu+e
co[u]
[0027]
其中，a
i，u
是事件与节点向量的关系特征矩阵。
[0028]
所述根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解包括步骤如下：
[0029]
步骤s4.1：根据海恩法则，将职能应用系统中统计的历史事件数除以对应的历史发生的民转刑以及其他相关重大事件数，得出对应比例；
[0030]
步骤s4.2：计算每个智能应用系统中统计的历史事件的特征向量，并进行排序，按照所述对应比例，取排名靠前的所述历史事件，得出最小特征向量；
[0031]
步骤s4.3：参照所述最小特征向量，对每个新发生的矛盾纠纷事件进行危重紧急程度区分，并标记调解；
[0032]
所述调解通过如下算法进行参考的历史案例查阅：
[0033]
[0034]
其中，d1、d2为不同的两个矛盾纠纷事件或者人员的特征向量，wk为第k维参数值。
[0035]
第二方面，本技术提出了一种自动预测矛盾纠纷风险的系统，包括：风险等级建立模块、个人特征向量修正模块、事件特征向量计算模块、事件调解模块，各模块依次顺序连接；
[0036]
风险等级建立模块，用于通过对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量，并根据所述个人特征向量建立个人和家庭风险等级；
[0037]
个人特征向量修正模块，用于根据所述风险等级，对个人和家庭进行网格服务管理，修正个人特征向量；
[0038]
事件特征向量计算模块，用于根据修正后的个人特征向量和新发生的矛盾纠纷事件，构建前馈网络图谱，计算所述矛盾纠纷事件的特征向量；
[0039]
事件调解模块，用于根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解。
[0040]
第三方面，本技术提出了一种自动预测矛盾纠纷风险的设备，包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行权利要求1～7的任一项所述的方法。
[0041]
第四方面，本技术提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，当其在计算机上运行时，使得计算机执行权利要求1～7的任一项所述的方法。
[0042]
有益效果：
[0043]
本技术提出的一种自动预测和处理矛盾纠纷事件的方法及系统，首先通过大数据交叉比对模型，对矛盾纠纷事件进行量化分析，为矛盾纠纷事件的风险评估和调处化解提供了依据和参考性的化解方向；其次结合社会治理大数据，通过建立数学模型进行深入分析，使矛盾纠纷化解从经验治理转向大数据智慧治理变为可能。
附图说明
[0044]
图1为本技术实施例中人员画像图；
[0045]
图2为一种自动预测和处理矛盾纠纷事件的方法流程图；
[0046]
图3为一种自动预测和处理矛盾纠纷事件的系统原理框图。
具体实施方式
[0047]
下面结合附图对本技术作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本技术的保护范围。
[0048]
本技术提出的自动预测矛盾纠纷风险的方法和系统主要通过对基层社会治理的大数据以及各层级矛盾纠纷调处化解中心运行数据以及政府部门其他各业务线产生的各类矛盾纠纷数据进行交叉比对分析，综合研判区分易涉矛盾纠纷人员。对于处理中的矛盾纠纷事件，量化计算出矛盾纠纷的严重程度，找出引发矛盾纠纷的症结点，从而进行有效化解，防止了矛盾纠纷事件进一步升级恶化。其主要用于政府主管部门制定相关工作措施，以减少矛盾纠纷发生，确保当地社会治安稳定。
[0049]
本技术方法指导思想主要以人为中心、以家庭为对象、以事件为脉络，按照“不漏
一人、不漏一户、不漏一事”的原则，对辖区内的实有人口(包括常住人口和流动人口)、各类矛盾纠纷进行全覆盖、全要素、全链条的识别管控和排查化解，并将相关数据录入系统。其中对实有人口中人员画像如图1所示，本技术主要实现其中四大类人群的异常识别：
[0050]
1)性格要素异常识别：包括但不限于具有暴躁易怒、悲观厌世、思想极端、交往孤僻、反复无常、暴力倾向等性格特征的人员以及家庭结构异常所产生的异常性格人员。
[0051]
2)行为要素异常识别：包括但不限于曾扬言或实施过伤害或报复社会等极端行为的人员；曾持有或准备持有刀、爆、枪、汽油、农药、鼠药、危险化学品等有毒有害物品的人员；执法管理过程中出现异常情绪和行为的当事人。
[0052]
3)事件要素异常识别：包括但不限于
①
邻里通行采光等相邻权、田地林权、小区物业等纠纷；
②
合同、劳资、民间借贷等经济债务纠纷；
③
因各类行政行为、民生服务、社会保障中引发的涉机构类纠纷；
④
安全生产、意外事故等原因产生的其他纠纷。
[0053]
4)特殊人群再识别：包括对已纳入重点管理的相关人员。
[0054]
以上列举的内容仅为说明对潜在风险人员进行具体分类的特征，而非限制，不能认为这些列举的内容是本技术的各个实施例必须具备的。
[0055]
本技术提出的系统功能核心模块主要包括：
[0056]
人员管理：新增、排查、修改、删除、人员画像等；
[0057]
排查管理：添加、修改、删除、查询排查记录等；
[0058]
矛盾纠纷管理：职能部门系统数据获取事件、新增事件、修改事件、删除事件、当事人管理等；
[0059]
风险评估与调解：风险评估、调解追踪、巡查走访、管控监督等。
[0060]
现结合实施例对本技术方法和系统详细阐述如下：
[0061]
第一方面，本技术提出了一种自动预测矛盾纠纷风险的方法，如图2所示，包括以下步骤：
[0062]
步骤s1：对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量，并根据所述个人特征向量建立个人和家庭风险等级；
[0063]
步骤s2：根据所述风险等级，对个人和家庭进行网格服务管理，修正所述个人特征向量；
[0064]
步骤s3：根据修正后的个人特征向量和新发生的矛盾纠纷事件，构建前馈网络图谱，计算所述矛盾纠纷事件的特征向量；
[0065]
步骤s4：根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解。
[0066]
步骤s1中所述建立个人和家庭风险等级，通过如下步骤完成：
[0067]
步骤s1.1：通过叠加家庭中个人特征向量，得到家庭特征向量；
[0068]
步骤s1.2：根据所述个人和家庭特征向量，与设定的专家值比对，建立个人和家庭风险等级。
[0069]
具体到本实施例具体过程如下：
[0070]
步骤101通过对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量x
p
；
[0071]
步骤102通过将家庭中每个人的个人特征向量进行叠加，得到家庭特征向量x
p+
；
[0072]
步骤103根据计算所得个人和家庭特征向量，与设定的专家值，进行比对，生成个
人和家庭风险等级(例如高风险、中风险、低风险)；
[0073]
步骤s2中修正所述个人特征向量；具体实施如下：
[0074]
步骤104对于风险较高的潜在风险个人和家庭实行分时间段、分场所管控，落实网格服务管理并根据服务管理情况，并对所述个人特征向量x
p
修正为xi；
[0075]
步骤s3中所述构建前馈网络图谱，公式如下：
[0076]
e＝g(n,ei)
[0077]
其中，e为事件紧急危险程度，n为事件中各节点的集合，ei为节点i的事件特征向量。
[0078]
本实施例具体实现如下：
[0079]
步骤105对于新发生的矛盾纠纷事件，从系统数据中心抽取事件的相关数据。相关数据包括基于信息五要素中的人、地、物、组织等信息，以事件为中心，事件中的人、地、物、组织为节点，构建前馈网络图谱见公式1：
[0080]
e＝g(n,ei)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1
[0081]
其中e为事件紧急危险程度，n为事件中各节点的集合，ei为节点i的事件特征向量，g为某种函数关系；
[0082]
进一步的在步骤s3中计算所述矛盾纠纷事件的特征向量，包括如下步骤：
[0083]
步骤s3.2.1：提取矛盾纠纷事件节点的相关信息，加入前馈网络图谱，构成事件第一相关节点网络，并计算所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量；
[0084]
步骤s3.2.2：将所述矛盾纠纷事件节点的正相关节点的相关信息，加入前馈网络图谱，构成事件第二相关节点网络，并计算所述正相关节点入所述事件第二相关节点网络后特征向量；
[0085]
步骤s3.2.3：根据所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量与所述正相关节点入所述事件第二相关节点网络后特征向量，计算所述矛盾纠纷事件的特征向量。
[0086]
其中计算所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量，公式如下：
[0087]
ni＝f(xi，e
co[i]
，n
ne[i]
，x
ne[i]
)
[0088]
其中，节点i的特征用个人特征向量xi表示，ni为节点i入网后特征向量，e
co[i]
为与节点i相关的负向事件的特征向量，n
ne[i]
为节点i的相邻节点入网后特征向量，x
ne[i]
为节点i的相邻节点的特征向量。ne[i]为节点i的邻居节点集合，co[i]为与节点i正向关系的节点集合。
[0089]
计算所述矛盾纠纷事件的特征向量的公式为：
[0090][0091]
此方法相当于是对节点i的任一个前馈节点u使用du，并将得到的值求和来作为节点i入网后状态的特征向量；其中du计算公式如下：
[0092]du
(xi，e
co[i]
，nu，xu)＝a
i，u
xu+e
co[u]
[0093]
其中，a
i，u
是矛盾纠纷事件与节点向量的关系特征矩阵。
[0094]
以上计算过程在本实施例中具体实现为：
[0095]
步骤106提取事件节点的相关数据，加入前馈网络图谱，构成事件第一相关节点网络。方向为事件或者关系发生顺序。节点i入网后特征可用公式2表示：
[0096]
ni＝f(xi，e
co[i]
，n
ne[i]
，x
ne[i]
)
ꢀꢀ
公式2
[0097]
其中，节点i的特征用个人特征向量xi表示，ni为节点i入网后特征向量，e
co[i]
为与节点i相关的负向事件的特征向量，n
ne[i]
为节点i的相邻节点入网后特征向量，x
ne[i]
为节点i的相邻节点的特征向量。ne[i]为节点i的邻居节点集合，co[i]为与节点i正向关系的节点集合。
[0098]
步骤107将节点i的正向关系节点入网。正向关系节点具体为家庭成员、亲属关系、矛盾中的利益一致者。此正向关系节点具体为人、地、物、组织，其中对于人属性节点，依据常识，加入最亲密关系的相关人员以及根据事件关系矩阵与事件紧急危险程度e相关的事件(以下简称相关事件)；物节点表示周边相关的重要设施、物品等；地点节点为依据周边情况，加入相关事件地点，或者直接根据地理距离，构成虚拟点，统一加入相关事件；组织节点为依据组织关系，加入相关组织或者组织核心人员相关信息。这些节点入网后特征向量计算公式同公式2；这些节点构成事件第二相关节点网络。
[0099]
步骤108通过对网络图谱中的事件矛盾双方关系人的正向关系节点的重合部分比对，智能筛选潜在可共同信任的人员，给出化解矛盾纠纷推荐人选或者其他调解途径；
[0100]
步骤109节点i在前馈网络中的输出的特征向量oi，可以用公式3表示：
[0101]
oi＝g(ni，xi)
ꢀꢀ
公式3
[0102]
其中g为某种函数关系；
[0103]
步骤110根据以上四步构建出来的事件前馈网络模型，根据专家意见和当前社会环境、系统数据，选择相关具体函数。节点i的入网后状态特征向量计算见公式4：
[0104][0105]
相当于是对节点i的任一个前馈节点u使用du，并将得到的值求和来作为节点i的状态。同时du按照公式5实现
[0106]du
(xi，e
co[i]
，nu，xu)＝a
i，u
xu+e
co[u]
ꢀꢀ
公式5
[0107]
其中，a
i，u
是事件特征向量与个人特征向量的关系特征矩阵。
[0108]
步骤111经过以上各步骤，得出当前事件相关的第一、二节点网络的所有节点特征，取公式6，计算出当前事件紧急危险程度e；
[0109]
e＝g(n，ei)＝∑ni+eiꢀꢀꢀ
公式6
[0110]
在步骤s4中根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解，具体步骤如下：
[0111]
步骤s4.1：根据海恩法则，将职能应用系统中统计的历史事件数除以对应的历史发生的民转刑以及其他相关重大事件数，得出对应比例；
[0112]
步骤s4.2：计算每个智能应用系统中统计的历史事件的特征向量，并进行排序，按照所述对应比例，取排名靠前的所述历史事件，得出最小特征向量；
[0113]
步骤s4.3：参照所述最小特征向量，对每个新发生的矛盾纠纷事件进行危重紧急程度区分，并标记调解；
[0114]
所述调解通过如下算法进行参考的历史案例查阅：
[0115][0116]
其中，d1、d2为不同的两个矛盾纠纷事件或者人员的特征向量，wk为第k维参数值。
[0117]
在本实施例中具体实施过程为：
[0118]
步骤112将以往系统中统计的事件数，除以对应的历史发生的民转刑以及其他相关重大事件数，根据海恩法则，得出对应比例v；
[0119]
步骤113将以往系统中统计的事件，按照前述计算方法，计算每个事件的入网特征向量，并进行排序，按照对应比例v，取排名靠前的事件，得出最小入网特征向量值e；
[0120]
步骤114参照此最小特征向量c，结合当前可用政府行政资源，对每个上报的事件紧急危险程度e的值，进行危重紧急程度区分，并标记调解；
[0121]
步骤115调解人员办理过程中，参考节点网络的中计算出的节点参数，对关键节点(人、地、场所、组织)进行针对性调处化解；
[0122]
步骤116对于有调解困难的，可以通过余弦相似度算法，见公式7，查阅历史矛调数据，找出相近案例，作为调解参考。
[0123][0124]
其中d1、d2为不同的两个矛盾纠纷事件或者人员的特征向量，wk为第k维参数值。
[0125]
第二方面，本技术提出了一种自动预测矛盾纠纷风险的系统，如图3所示，包括：风险等级建立模块、个人特征向量修正模块、事件特征向量计算模块、事件调解模块，各模块依次顺序连接；
[0126]
风险等级建立模块，用于通过对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量，并根据所述个人特征向量建立个人和家庭风险等级；
[0127]
个人特征向量修正模块，用于根据所述风险等级，对个人和家庭进行网格服务管理，修正个人特征向量；
[0128]
事件特征向量计算模块，用于根据修正后的个人特征向量和新发生的矛盾纠纷事件，构建前馈网络图谱，计算所述矛盾纠纷事件的特征向量；
[0129]
事件调解模块，用于根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解。
[0130]
第三方面，本技术提出了一种自动预测矛盾纠纷风险的设备，包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行权利要求1～7的任一项所述的方法。
[0131]
第四方面，本技术提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，当其在计算机上运行时，使得计算机执行权利要求1～7的任一项所述的方法。
[0132]
本技术实施例现已交付用户使用，已验证确实可行。
[0133]
·
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

技术特征：
1.一种自动预测矛盾纠纷风险的方法，其特征在于，包括以下步骤：步骤s1：对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量，并根据所述个人特征向量建立个人和家庭风险等级；步骤s2：根据所述风险等级，对个人和家庭进行网格服务管理，修正所述个人特征向量；步骤s3：根据修正后的个人特征向量和新发生的矛盾纠纷事件，构建前馈网络图谱，计算所述矛盾纠纷事件的特征向量；步骤s4：根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解。2.根据权利要求1所述的自动预测矛盾纠纷风险的方法，其特征在于，所述建立个人和家庭风险等级，通过如下步骤完成：步骤s1.1：通过叠加家庭中个人特征向量，得到家庭特征向量；步骤s1.2：根据所述个人和家庭特征向量，与设定的专家值比对，建立个人和家庭风险等级。3.根据权利要求1所述的自动预测矛盾纠纷风险的方法，其特征在于，所述构建前馈网络图谱，公式如下：e＝g(n,e
i
)其中，e为事件紧急危险程度，n为事件中各节点的集合，e
i
为节点i的事件特征向量。4.根据权利要求1所述的自动预测矛盾纠纷风险的方法，其特征在于，所述计算所述矛盾纠纷事件的特征向量，包括如下步骤：步骤s3.2.1：提取矛盾纠纷事件节点的相关信息，加入前馈网络图谱，构成事件第一相关节点网络，并计算所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量；步骤s3.2.2：将所述矛盾纠纷事件节点的正相关节点的相关信息，加入前馈网络图谱，构成事件第二相关节点网络，并计算所述正相关节点入所述事件第二相关节点网络后特征向量；步骤s3.2.3：根据所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量与所述正相关节点入所述事件第二相关节点网络后特征向量，计算所述矛盾纠纷事件的特征向量。5.根据权利要求4所述的自动预测矛盾纠纷风险的方法，其特征在于，所述计算所述矛盾纠纷事件节点入所述事件第一相关节点网络后特征向量，计算公式如下；n
i
＝f(x
i
,e
co[i]
,n
ne[i]
,x
ne[i]
)其中，节点i的特征用个人特征向量x
i
表示，n
i
为节点i入网后特征向量，e
co[i]
为与节点i相关的负向事件的特征向量，n
ne[i]
为节点i的相邻节点入网后特征向量，x
ne[i]
为节点i的相邻节点的特征向量，ne[i]为节点i的邻居节点集合，co[i]为与节点i正向关系的节点集合。6.根据权利要求5所述的自动预测矛盾纠纷风险的方法，其特征在于，所述计算所述矛盾纠纷事件的特征向量，公式如下：
对节点i的任一个前馈节点u使用d
u
，并将得到的值求和来作为节点i入网后状态的特征向量；其中d
u
计算公式如下：d
u
(x
i
,e
co[i]
,n
u
,x
u
)＝a
i,u
x
u
+e
co[u]
其中，a
i,u
是事件与节点向量的关系特征矩阵。7.根据权利要求1所述的自动预测矛盾纠纷风险的方法，其特征在于，所述根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解包括步骤如下：步骤s4.1：根据海恩法则，将职能应用系统中统计的历史事件数除以对应的历史发生的民转刑以及其他相关重大事件数，得出对应比例；步骤s4.2：计算每个智能应用系统中统计的历史事件的特征向量，并进行排序，按照所述对应比例，取排名靠前的所述历史事件，得出最小特征向量；步骤s4.3：参照所述最小特征向量，对每个新发生的矛盾纠纷事件进行危重紧急程度区分，并标记调解；所述调解通过如下算法进行参考的历史案例查阅：其中，d1、d2为不同的两个矛盾纠纷事件或者人员的特征向量，w
k
为第k维参数值。8.一种自动预测矛盾纠纷风险的系统，其特征在于，包括：风险等级建立模块、个人特征向量修正模块、事件特征向量计算模块、事件调解模块，各模块依次顺序连接；风险等级建立模块，用于通过对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量，并根据所述个人特征向量建立个人和家庭风险等级；个人特征向量修正模块，用于根据所述风险等级，对个人和家庭进行网格服务管理，修正个人特征向量；事件特征向量计算模块，用于根据修正后的个人特征向量和新发生的矛盾纠纷事件，构建前馈网络图谱，计算所述矛盾纠纷事件的特征向量；事件调解模块，用于根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解。9.一种自动预测矛盾纠纷风险的设备，其特征在于，包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行权利要求1～7的任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序指令，当其在计算机上运行时，使得计算机执行权利要求1～7的任一项所述的方法。

技术总结
本申请公开了一种自动预测和处理矛盾纠纷事件的方法及系统，属于大数据挖掘技术领域，该方法包括：对个人的特征标记，建立用于矛盾纠纷化解的个人特征向量，并根据所述个人特征向量建立个人和家庭风险等级；根据所述风险等级，对个人和家庭进行网格服务管理，修正所述个人特征向量；根据修正后的个人特征向量和新发生的矛盾纠纷事件，构建前馈网络图谱，计算所述矛盾纠纷事件的特征向量；根据所述矛盾纠纷事件的特征向量，判断所述矛盾纠纷事件危况，并标记调解。本申请通过结合大数据建立数学模型进行分析，为矛盾纠纷事件的风险评估和调处化解提供了依据和参考性的化解方向，使社会风险从经验治理转向大数据智慧治理变为可能。能。能。


技术研发人员：方金园 尹蝾威 张春 熊涛 吴司昊
受保护的技术使用者：航天神舟智慧系统技术有限公司
技术研发日：2022.08.11
技术公布日：2023/7/31