多元证据与犯罪事实、犯罪构成要件、嫌疑人的关联性分析模型

模型的研究报告，对模型的算法、架构、训练数据和测试数据及测试结果进行了详细说明。完成基于随机策略强化学习算法的金融犯罪案件多元证据与犯罪事实、犯罪构成要件、嫌疑人的关联性分析模型1个，融合11个罪名的案卡信息、卷宗文书中案件要素、资金电子数据分析结果等核心数据进行数据增强方法与文本预训练向量学习，构建基于领域本体的多元证据关联分析规则集，根据检察办案证据审查需求，研制多元证据关联分析模型。实验室测试验证的辅助关联准确率最小值为90.24%。

搜集汇总

背景与挑战

背景概述

该数据集包含一个基于随机策略强化学习算法的金融犯罪案件多元证据关联分析模型的研究报告。模型融合了11个罪名的案卡信息、卷宗文书案件要素和资金电子数据等核心数据，通过数据增强与文本预训练向量学习构建了基于领域本体的关联分析规则集，旨在辅助检察办案证据审查。实验室测试验证的辅助关联准确率最小值为90.24%。