智慧检务业务系统建设方案.doc

1、智慧检务业务系统建设方案智慧检务业务系统 建设方案 20_年11月目录 第一章 项目概述 3 第二章 总体设计 5 2.1 建设原则 5 2.2 设计依据 6 第三章 检察大数据平台建设方案 7 3.1 系统目标 7 3.2 系统架构 8 3.3 关键技术 14 3.3.1 实时数据采集平台 14 3.3.2 可配置爬虫平台 15 3.3.3 分布式数据仓库 17 3.3.4 高可用图数据库 18 第四章 智能辅助办案系统建设方案 20 4.1 系统架构 20 4.2 技术路线 21 4.2.1 采用J2EE 技术 21 4.2.2 J2EE平台优势 21 4.2.3 J2EE的核心API与组

2、件 23 4.3 系统功能 26 4.3.1 案件流程监控 26 4.3.2 辅助阅卷 26 4.3.3 类案推送 27 4.3.4 文书生成 28 4.3.5 出庭预案 28 第五章 智能语音系统建设方案 30 5.1 语音识别系统优势 30 5.2 系统总体架构 30 5.3 语音识别引擎 31 5.4 客户端开发定制 32 5.5 相关硬件配置要求 32 第六章 案件流程监控系统建设方案 33 6.1 系统架构 33 6.2 系统特点 34 6.2.1 灵活配置、随需应变 34 6.2.2 应用为先、实用易用 34 6.2.3 系统维护简单 34 6.2.4 完备的安全控制 35 6.3

3、 系统功能 35 6.3.1 首页设计 35 6.3.2 办案提醒 36 6.3.3 流程监控 37 6.3.4 查询统计 38 6.3.5 监控报告 39 6.3.6 系统管理 40 第七章 司法案件社情及行政执法监测分析p 建设方案 41 7.1 智能分析p 系统框架 41 7.2 系统的特点 41 7.3 核心业务分析p 42 7.3.1 司法办案分析p 43 7.3.2 检察办公分析p 46 7.3.3 队伍管理分析p 48 7.3.4 检务保障分析p 49 7.4 案件数据分析p 50 7.5 专题分析p 51 7.6 自主拖拽分析p 52 第八章 其他系统建设方案 54 8.1 案

4、件卷宗智能收发系统 54 8.2 检法多媒体协同会商系统 54 8.3 检委会无纸化会议系统 55 8.4 司法办案区智能人像平台 57 第九章 智慧检务建设总结 58 9.1 “六大应用平台”的应用效果 58 9.2 廉政风险防控取得的成效 58 9.3 大数据在检察工作中的深度运用情况 58 9.4 人工智能技术检察应用顶层设计 58 第十章 实施方案 60 10.1 实施计划 60 10.2 项目团队组成 61 第十一章 培训方案 62 11.1 培训计划 62 11.2 培训对象 63 11.3 培训目标 64 11.4 培训方式 64 第十二章 运营方案 65 12.1 运营内容 6

5、5 12.1.1 日常监控 65 12.1.2 应急事故处理 66 12.1.3 日常运维 66 12.1.4 安全运维 66 12.1.5 性能评估 67 12.2 运营方式 67 第一章 项目概述 20_年8月，促进大数据发展行动纲要的颁布，成为推动中国大数据发展的重要顶层设计和战略部署。党的十八届五中全会提出实施“国家大数据战略”，标志着大数据战略正式上升为国家战略。国家十三五规划纲要，明确提出要把大数据作为国家的基础性战略资。 为更好地推动检察工作创新发展,高检院于20_年9月29日正式印发“十三五”时期科技强检规划纲要。这是高检院在深化司法体制改革的关键时期,高检院党组做出的重要战略

6、部署,是检察机关顺应新技术变革,以科学技术推动检察工作创新发展的重要举措。规划明确了未来五年检察机关科技强检的目标任务,提出构建“感、传、知、用、管”五维一体的智慧检务应用体系,从建设与管理两个方面,从信息采集至应用的四个层次,剖析了科技强检工作如何从数字化向智慧化跃升、解构了“十三五”时期科技强检工作的重点任务。 20_年6月，最高人民检察院日前印发检察大数据行动指南(20_2021年)，通过一中心、四体系的建设方案实现从试点到全面推广的4年规划，打造数据化、科学化、智能化的“智慧检务”。可以说，这是检察机关把握数据化、信息化机遇的有效举措。 检察大数据基础平台是基于分布式系统，具有高效率、

7、高可靠性、高安全性的，集数据采集、数据处理、数据整合、数据分析p 等功能为一体的，自助研发、代码可控、高度可配置的通用大数据技术平台。可为检察院的数据展示、数据应用、数据分析p 提供坚实的平台基础，为检察院的数据分析p 、情报分析p 、风险管理、案件管理以及业务创新提供一套高可用、高可用的通用数据支持平台。 第二章 总体设计 2.1 建设原则 系统建设遵循如下基本原则： Ø 全面性 系统总体设计应遵循科学的设计理念，各个组成部分均符合当代信息技术发展形势，满足未来对信息化发展的要求，提供针对各种数据的接口支持。 Ø 开放性 在现有应用系统和手段建设中有大量资，包括软硬件环境

8、资和大量信息资，在实现资共享时要统一规划，最大限度实现各类资共享，支持各地业务工作的开展。 系统需提供多种数据访问、服务调用和资管理接口，实现资和服务对其他业务手段和使用人员的共享。 Ø 灵活性 平台设计需采用灵活架构实现可配置，动态可扩展和自定义，有较强的可扩展性。 Ø 安全性 系统必须有高可靠性，能够长时间运行而不宕机，要保证系统使用的连续性。建立全局的数据安全机制，建立统一的访问控制机制，实现统一的身份认证、访问控制、审计等安全机制。 Ø 易维护性 系统需要具备可解决问题并易于管理的系统。贯彻面向最终用户的原则，部署快捷，具有了友好的用户界面，操作简单、直观

9、、灵活，易于学习和掌握。 2.2 设计依据 本项目实施工作方案严格依据国家相关法律、法规、政策和技术标准，涉及到的主要技术标准和规范性文件有： l 涉及国家秘密的计算机信息系统保密技术要求（BMZ1-20_） l 信息安全技术 信息系统安全等级保护基本要求（GB/T 22239 2021） l 信息安全等级保护管理办法公通字20_743号 l 信息系统安全等级保护定级指南GBT 22240-2021 l 计算机信息系统安全保护等级划分标准（GB17859-1999） l 计算机软件质量保证计划规范（GB/T12504-1990） l 计算机软件配置管理计划规范（GB/T12505-1990）

10、l 第三章 检察大数据平台建设方案 3.1 系统目标 大数据基础平台以“整合资、共享数据、提供服务”为指导思想，构建满足检察行业的信息化建设需求。检务大数据库基础平台主要实现以下几个功能：建设检务大数据库中心、打造检务大数据标准体系、创新检务大数据应用、构建检察大数据管理体系。 l 建设检务大数据中心 检务大数据中心数据来主要来于一下几个方面： 基于统一业务应用系统等案件管理软件产生的结构化、非结构化数据。 基于检察机关和政法机关的共享数据。 基于互联网的公开数据。 通过对以上数据的采集、整理、清洗、转换等相关操作，把结构化和非结构化数据进行分别入库，完成检务大数据的数据中心搭建。 l 打造检

11、务大数据标准体系 依托电子检务工程的标准体系，建立健全内容完整、项目科学、协调统一的检务大数据标准体系，建立检务大数据基础数据采集、应用、安全等技术标准体系，推进物理环境、网络基础设施、数据采集、数据质量、分类目录等关键共性标准的制定和实施，推进大数据业务系统操作规范等流程标准制定，制定检务大数据管理规范。 l 创新检务大数据应用体系 积极推进智慧检务基础类应用建设，依托大数据为深化司法体制改革和检察改革提供全面的数据服务。积极推进大数据在司法办案、检察办公、队伍管理、检务保障、检察决策支持、检务公开和服务等领域的深层次应用，推进大数据在政法业务协同中的应用，充分利用大数据为检察院与公安、法院

12、等政法机关之间的业务协同提供服务，探索构建政法机关之间的大数据业务协同创新体系，提供基于大数据的多样化智能辅助检察应用。 l 构建检务大数据运维体系 建立健全检务大数据管理机制，充分发挥业务部门的主导作用和技术部门的统筹作用，搭建检察大数据运维管理模式。目前，我们已经探索出一套适合检察业务的大数据运维保障体系。 3.2 系统架构系统总体架构 数据采集组件 基于Flume的开发 海量检察业务的数据采集、聚合和传输采用Cloudera的Flume并进行自主开发，支持在日志系统中定制各类数据发送方，用于收集数据；同事提供对数据进行初步处理并写到各种数据接受方的能力。基于Flume的开发为大数据辅助决

13、策平台提供高性能、分布式文本数据流采集能力。 基于Storm的开发 基于Storm进行组织开发，为分布式实时计算提供一组通用原语，用于流处理之中，实时处理消息并更新数据库；用户连续计算，对数据流连续查询，在计算时将结果以流的形式输出；用于分布式RPC，以并行的方式运行计算机远程运算。 基于Storm开发为大数据辅助决策平台提供流式计算能力，能大大提高系统的实时性，检务大数据应用平台支持复杂运算如语义抽取、语义分析p ，指标计算等，如从法律文书中实时抽取相关业务数据，并进行相关统计指标计算。 消息组件基于kafaka开发 基于kafka进行自主开发处理高吞吐量的分布式订阅，处理大数据平台中的所有

14、动作流数据。这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。局域kafka开发的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，通过集群机制来提供实时的信息处理。 基于kafka的开发为大数据平台提供高性能、高稳定、高并发的消息队列，用于提升大数据应用平台消息通讯，处理消息堆积等。 数据存储组件 基于HBASE的开发 基于HBASE开发分布式的、面向列的数据库，主要是用于结构化数据的分布式存储，支持在分布式文件系统上提供大吞吐量、大数据量数据应用能力；同时也适合非结构化数据列存储、适用于数据分析p 。 将HBASE结合Hive、Kylin进行开发，为检务大数据平台

15、提供结构化数据的分布式存储和分布式高性能数据分析p ，支持电子检务核心统计分析p 的数据实现秒级更新和多维OLAP分析p 。 基于ELK的开发 基于Lucene的开发，提供分布式多用户能力的全文检索引擎，基于RESTFul web接口，用于云计算中，达到实时、稳定、可靠、快速搜索。 将ELS与语义分析p 引擎结合开发，为大数据平台提供半结构化、非结构化数据处理能力，增强统一检索服务能力。 基于Spark的开发 Spark是Hadoop MapReduce的通用并行框架，其Job中间输出结果可以保存在内存中，启用了内存分布数据集，不需要读写HDFS，因此Spark能够提供交互式查询外，能更好地适

16、用于数据挖掘与机器学习等需要迭代的MapReduce的算法，它还可以优化迭代工作负载。 基于NEO4J 基于Neo4J开发持久化、嵌入式、高性能、轻量级的图形引擎，具有成熟数据库的所有特性，将数据存放于图上而非二维表中。 基于Neo4J的开发组件，支持检务大数据应用平台中的案件画像、当事人画像、企事业单位画像的关系描述。通过BI实现海量数据实时在线分析p 服务，支持拖拽式操作、提供丰富的可视化效果，可以帮助轻松自如地完成数据分析p 、业务数据探查、报表制作等工作。架构主要由数据建模层、数据分析p 层和数据展示层组成，分别描述如下： 1、数据建模层 数据建模层包括数据、SQL查询、E_cel及C

17、SV文件查询、脚本查询、定制查询、数据集市查询、内嵌查询、组合查询、Mongo查询、ETL建模工具。基于MPP数据集市，无需CUBE、二次表以及各种复杂的计算模型，系统即可基于细节数据，在前端完成各种维度可视化组合计算，无论数据大小，所有的计算都在眨眼间完成。数据建模层提供简单易用的建模界面，经过简单的鼠标点击与设置即可生成自己想要的数据模型，整个建模过程直观明了。 2、数据分析p 层 无论是终端用户还是IT开发人员都可以通过intra/inter用主流浏览器来访问数据分析p 层，用户还可通过移动终端来访问系统。数据分析p 层提供系统监控，权限多级管理，多维数据分析p ，等等功能，还支持自服务

18、式报表设计和数据分析p 。提供简单方便的数据可视化操作界面，用户能够以简单的拖拉拽操作即可实现自助数据分析p 。 3、数据展示层 作为整个大数据管理应用平台的用户接口，为使用者提供统一的作业调度工具，提供可视化ETL作业、报表作业、分布式计算作业的自动调度平台。提供作业之间的依赖管理和作业的监控管理。 主要功能包括但不限于： （1）数据：支持Oracle、MySQL、SQLSever 等数据的连接。 （2）数据集：支持基于SQL、数据表的创建数据集两种方式，并提供数据集表结构预览功能；支持字段名称重定义、层次扩展、字段类型格式化、日期数据格式化、字段扩展等功能；支持在线配置数据集关联，包括左关

19、联、右关联、全关联等操作；支持表结构同步刷新和刷新预览数据等功能。 （3）仪表盘：支持拖拽式进行组件选择和布局，自动调整和适配各种屏幕大小；支持PC、移动、大屏等多终端的配置，并且能做到一次配置自动适配多终端；支持主流的图表组件，例如柱状图、折线图、条形图、面积图、饼图等；支持图表组件的样式控制，支持标题重定义及显示控制、颜色自定义、_Y 轴切换、图例显示控制等操作；多组件关联查询，支持跨库、跨数据集的关联查询控制；支持多个组件的联动分析p 与查询，实现在线数据分析p ；组件下钻分析p ，通过设置字段之间的层次关系，可以自动化实现数据钻取的功能；支持筛选器、文本、iframe、TAB、图片等多

20、种控件。 （4）电子表格：支持二维表格的E_cel的界面风格；支持类E_cel 的冻结窗口、筛选、过滤等基本操作；支持样式控制，可以进行边框、字体、背景等各种样式控制，并支持类E_cel 的拖拉拽式填充。支持文本函数、数字函数、汇总函数、查找和引用函数等300 种函数，支持跨Sheet引用，并支持类E_cel 的拖拉拽式填充，支持类E_cel 风格的图表配置组件。 （5）数据门户：支持门户信息自定义配置。 （6）安全管控：支持用户组织、角色管理，支持访问授权控制，支持批量导入用户数据；支持行级数据访问权限控制； （7）在线协同机制：支持公开、分享、协同编制等多种在线分享机制；支持电子表格或仪表

21、盘移动端查看、邮件发送以及导出。 3.3 关键技术 3.3.1 实时数据采集平台 3.3.1.1 平台架构3.3.1.2 平台介绍 实时数据采集是高实时、高吞吐的的基础数据服务，实现动态数据的实时收集，实时处理。支持多种数据传输协议和消息队列，Flume、TPC、Kafka、Logstash；以及多种数据存储方式，如HBase、ELastiSearch、MySql、HDFS，利用 API进行二次开发，可以灵活的组合数据的生产、消费和存储，为业务数据的实时消费、实时统计提供技术支持。 3.3.1.3 平台特点 Ø 高实时、高吞吐量 Ø 拓展性高，容错能力强，随时宕机重启 &#

22、216; 根据参数变化实时更新数据处理规则 Ø 灵活支持多种数据落地方案，比如分布式文件系统、关系型数据库、非关系型数据库 Ø 灵活可定制的告警规则、支持多重告警，比如邮件、短信、实时WEB页面提醒 Ø 分布式架构，通过横向扩展，实现高性能实时处理集群 Ø 可实现滑动窗口统计，实时热点统计，实时ETL等任务 Ø 自带WEB监控平台，展示消息处理效率，集群负载情况 3.3.2 可配置爬虫平台 3.3.2.1 平台架构3.3.2.2 平台介绍 可配置爬从平台是我公司自主研发的互联网数据采集产品，拥有完全自主产品；采用先进高效爬虫技术和信息提取技术，

23、实现对数据数据的可配置化数据采集；通过实施翻译引擎技术，满足多国语言的转换与分析p ，支持全站，配置，文件等方式配置抓取任务，可分布式部署，多IP采集，支持模仿浏览器采集互联网数据。 3.3.2.3 平台特点 Ø 支持全站，配置文件，爬虫代码等多种抓取方式，适应各种抓取任务 Ø 无需代码设计快速帮助用户搭建爬虫集群 Ø 支持概念爬虫，减少数据冗余 Ø 全站爬虫可支持抓取深度，可定制抓取规则 Ø 提供配置任务在线编辑 Ø 采用高稳定性分布式消息队列，崩溃后可恢复现场 Ø 支持分布式抓取，可扩展爬虫性能 Ø 支持模仿浏

24、览器模式，可以解析含Script交互的网页 Ø 可以实时查看全站爬虫和配置任务爬虫的抓取速度 Ø 支持云租用和独立部署 3.3.3 分布式数据仓库 3.3.3.1 平台架构分布式数据仓库架构图 3.3.3.2 平台介绍 分布式数据仓库作为决策支持系统服务的基础，是基于分析p 性处理的数据集合，也是供查询和决策分析p 用的集成化的信息仓库。它用来支持多维分析p 报表的分析p ，支持用户进行数据分析p 和预测，支持用户进行数据管理和决策分析p 等。 3.3.3.3 平台特点 Ø 分布式数据是按照数据仓库的模式进行存储，便于后期数据的利用。 Ø 分布式数据仓库

25、支持超大规模的数据的存储，因为分布式数据仓库是构建在分布式文件系统之上的，可以通过添加集群机器来增加存储量。 Ø 分布式数据仓库支持多种数据格式的存储，包括结构化数据，半结构化数据和非结构化数据。 3.3.4 高可用图数据库 3.3.4.1 平台架构图形数据库平台架构 3.3.4.2 平台介绍 图形数据库可以高效存储并搜索网状结构的业务数据，比如人际关系、资金链关系、知识图谱，效率远高于传统的关系型数据库。 Neo4j是一个高性能的,NOSQL图形数据库，它完全支持ACID(原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Dura

26、bility）)数据库事务属性，采用语音编写，由于其良好的图数据模型设计，Neo4j的速度非常快。对于连接的数据操作，Neo4j的速度要比传统的关系型数据库快1000倍。部署一个neo4j服务器便可以承载上亿级的节点和关系。当单节点无法承载我们的数据需求时，我们可以进行分布式集群部署。 3.3.4.3 平台特点 Ø 提供和SQL一样容易查询语言的Neo4j CQL Ø 它遵循属性图数据模型 Ø 它通过使用Apache Lucence支持索引 Ø 它支持UNIQUE约束 Ø 它包含一个UI执行CQL指令：Neo4j的数据浏览器 Ø 它支

27、持完整的ACID（原子性，一致性，隔离性和持久性）规则 Ø 它采用原生图形库与本地GPE（图形处理引擎） Ø 它支持查询的数据导出到JSON和_LS格式 Ø 它提供了REST API由如，春天，斯卡拉等任何编程语言进行访问 Ø 它提供了 Script支持以任何UI MVC框架如Node JS进行访问。 Ø 它支持两种类型的 API：Cypher支架API和本地 API来开发应用程序。第四章 智能辅助办案系统建设方案 4.1 系统架构 基于大数据平台的辅助办案系统，是以案件流程监控、辅助阅卷、文书生成、出庭预案五大部分内容组成，全面结合大数据技术

28、、机器学习技术、语义分析p 技术、智能搜索、智能推荐技术，实现案件信息智能关联，案件要素智能摘录，法律法规、最新司法解释、办案指引、争议要点、专家意见、指导案例、同类案件、近期热点、办案资等辅助办案的关键内容针对性的智能推荐，量刑建议智能分析p 、简单案件文书智能生成等各方面的辅助办案功能，提高辅助办案的智能化水平。 辅助办案系统功能结构图如下所示：辅助办案系统功能结构图 4.2 技术路线 4.2.1 采用J2EE 技术 系统将主要采用J2EE技术，将基于统一的应用支撑平台提供的组件进行开发，即采用Browser/WebServer/DataBaseServer三层结构进行应用系统的开发，摆脱

29、系统对客户端的依赖。 J2EE是一种利用 2平台来简化企业解决方案的开发、部署和管理相关的复杂问题的体系结构。J2EE技术的基础就是核心平台或 2平台的标准版，J2EE不仅巩固了标准版中的许多优点，例如“编写一次、随处运行”的特性、方便存取数据库的JDBC API、CORBA技术以及能够在Inter应用中保护数据的安全模式等等，同时还提供了对 EJB（Enterprise Beans）、 Servlets API、JSP（ Server Pages）以及_ML技术的全面支持。 J2EE体系结构提供中间层集成框架用来满足高可用性、高可靠性以及可扩展性的应用的需求。通过提供统一的开发平台，J2EE

30、降低了开发多层应用的复杂性，同时提供对现有应用程序集成强有力支持，完全支持Enterprise Beans，有良好的向导支持打包和部署应用，添加目录支持，增强了安全机制，提高了性能。 4.2.2 J2EE平台优势 J2EE为搭建具有可伸缩性、灵活性、易维护性的商务系统提供了良好的机制。 1、保留现存的IT资产: 由于企业必须适应新的商业需求，利用已有的企业信息系统方面的投资，而不是重新制定全盘方案就变得很重要。这样，一个以渐进的（而不是激进的，全盘否定的）方式建立在已有系统之上的服务器端平台机制是客户所需求的。J2EE架构可以充分利用用户原有的投资，如一些公司使用的BEA Tu_edo、IBM

31、 CICS, IBM Encina,、Inprise VisiBroker 以及scape lication Server。这之所以成为可能是因为J2EE拥有广泛的业界支持和一些重要的&#_27;企业计算&#_27;领域供应商的参与。每一个供应商都对现有的客户提供了不用废弃已有投资，进入可移植的J2EE领域的升级途径。由于基于J2EE平台的产品几乎能够在任何操作系统和硬件配置上运行，现有的操作系统和硬件也能被保留使用。 2、高效的开发: J2EE允许公司把一些通用的、很繁琐的服务端任务交给中间件供应商去完成。这样开发人员可以集中精力在如何创建商业逻辑上，相应地缩短了开发时间。高

32、级中间件供应商提供以下这些复杂的中间件服务: 状态管理服务 - 让开发人员写更少的代码，不用关心如何管理状态，这样能够更快地完成程序开发。 持续性服务 - 让开发人员不用对数据访问逻辑进行编码就能编写应用程序，能生成更轻巧，与数据库无关的应用程序，这种应用程序更易于开发与维护。 分布式共享数据对象CACHE服务 - 让开发人员编制高性能的系统，极大提高整体部署的伸缩性。 3、支持异构环境: J2EE能够开发部署在异构环境中的可移植程序。基于J2EE的应用程序不依赖任何特定操作系统、中间件、硬件。因此设计合理的基于J2EE的程序只需开发一次就可部署到各种平台。这在典型的异构企业计算环境中是十分关

33、键的。J2EE标准也允许客户订购与J2EE兼容的第三方的现成的组件，把他们部署到异构环境中，节省了由自己制订整个方案所需的费用。 4、可伸缩性: 企业必须要选择一种服务器端平台，这种平台应能提供极佳的可伸缩性去满足那些在他们系统上进行商业运作的大批新客户。基于J2EE平台的应用程序可被部署到各种操作系统上。例如可被部署到高端UNI_与大型机系统，这种系统单机可支持64至256个处理器。J2EE领域的供应商提供了更为广泛的负载平衡策略。能消除系统中的瓶颈，允许多台服务器集成部署。这种部署可达数千个处理器，实现可高度伸缩的系统，满足未来商业应用的需要。 5、稳定的可用性: 一个服务器端平台必须能全

34、天候运转以满足客户、合作伙伴的需要。因为INTER是全球化的、无处不在的，即使在夜间按计划停机也可能造成严重损失。若是意外停机，那会有灾难性后果。J2EE部署到可靠的操作环境中，他们支持长期的可用性。一些J2EE部署在DOWS环境中，客户也可选择健壮性能更好的操作系统如Sun Solaris、IBM OS/390。最健壮的操作系统可达到99.999的可用性或每年只需5分钟停机时间。 4.2.3 J2EE的核心API与组件 J2EE平台由一整套服务（Services）、应用程序接口（APIS）和协议构成，它对开发基于Web的多层应用提供了功能支持，下面对J2EE中的13种技术规范进行简单的描述:

35、 JDBC( Database Connectivity): JDBC API为访问不同的数据库提供了一种统一的途径，象ODBC一样，JDBC对开发者屏蔽了一些细节问题，另外，JDCB对数据库的访问也具有平台无关性。 JNDI( Name and Directory Interface): JNDI API被用于执行名字和目录服务。它提供了一致的模型来存取和操作企业级的资如DNS和LDAP，本地文件系统，或应用服务器中的对象。 EJB(Enterprise Bean): J2EE技术之所以赢得某体广泛重视的原因之一就是EJB。它们提供了一个框架来开发和实施分布式商务逻辑，由此很显著地简化了具有

36、可伸缩性和高度复杂的企业级应用的开发。EJB规范定义了EJB组件在何时如何与它们的容器进行交互作用。容器负责提供公用的服务，例如目录服务、事务管理、安全性、资缓冲池以及容错性。但这里值得注意的是，EJB并不是实现J2EE的唯一途径。正是由于J2EE的开放性，使得有的厂商能够以一种和EJB平行的方式来达到同样的目的。 RMI(Remote Method Invoke): 正如其名字所表示的那样，RMI协议调用远程对象上方法。它使用了序列化方式在客户端和服务器端传递数据。RMI是一种被EJB使用的更底层的协议。 IDL/CORBA: 在 IDL的支持下，开发人员可以将和CORBA集成在一起。 他们

37、可以创建对象并使之可在CORBA ORB中展开, 或者他们还可以创建类并作为和其它ORB一起展开的CORBA对象的客户。后一种方法提供了另外一种途径，通过它可以被用于将你的新的应用和旧的系统相集成。 JSP( Server Pages): JSP页面由HTML代码和嵌入其中的代码所组成。服务器在页面被客户端所请求以后对这些代码进行处理，然后将生成的HTML页面返回给客户端的浏览器。 Servlet: Servlet是一种小型的程序，它扩展了Web服务器的功能。作为一种服务器端的应用，当被请求时开始执行，这和CGI Perl脚本很相似。Servlet提供的功能大多与JSP类似，不过实现的方式不同

38、。JSP通常是大多数HTML代码中嵌入少量的代码，而servlets全部由写成并且生成HTML。 _ML(E_tensible Markup Language): _ML是一种可以用来定义其它标记语言的语言。它被用来在不同的商务过程中共享数据。_ML的发展和是相互独立的，但是，它和具有的相同目标正是平立性。通过将和_ML的组合，您可以得到一个完美的具有平立性的解决方案。 JMS( Message Service): MS是用于和面向消息的中间件相互通信的应用程序接口(API)。它既支持点对点的域，有支持发布/订阅(publish/subscribe)类型的域，并且提供对下列类型的支持：经认可的

39、消息传递,事务型消息的传递，一致性消息和具有持久性的订阅者支持。JMS还提供了另一种方式来对您的应用与旧的后台系统相集成。 JTA( Transaction Architecture): JTA定义了一种标准的API，应用系统由此可以访问各种事务监控。 JTS( Transaction Service): JTS是CORBA OTS事务监控的基本的实现。JTS规定了事务管理器的实现方式。该事务管理器是在高层支持 Transaction API (JTA)规范，并且在较底层实现OMG OTS specification的映像。JTS事务管理器为应用服务器、资管理器、独立的应用以及通信资管理器提供

40、了事务服务。 Mail: Mail是用于存取邮件服务器的API，它提供了一套邮件服务器的抽象类。不仅支持SMTP服务器，也支持IMAP服务器。 JTA(Beans Activation Framework): Mail利用JAF来处理MIME编码的邮件附件。MIME的字节流可以被转换成对象，或者转换自对象。大多数应用都可以不需要直接使用JAF。4.3 系统功能 4.3.1 案件流程监控 按照监督、管理、服务、参谋的职能定位要求，建立全程、动态、及时的监督管理体系，不断强化案件流程监控，有力促进了司法规范化建设。流程监控样例 4.3.2 辅助阅卷 系统通过智能分析p 电子卷宗的文字信息，通过语义

41、分析p 自动提取身份、前科、犯罪事实、量刑情节等要素并进行分类，辅助公诉人完成阅卷工作。电子卷宗样例 4.3.3 类案推送 建立案例库，自动调取相似案件，智能提出量刑建议，辅助提升量刑建议和法律监督的精准度。类案推送样例 4.3.4 文书生成 一键自动生成审查报告、起诉书等各类文书，辅助公诉人提高文书编制效率。文书生成样例 4.3.5 出庭预案 改变了传统的制作纸质出庭预案和携带案件卷宗出庭模式，将统一业务应用系统中制作的法律文书、出庭预案、审查报告，包括制作的电子卷宗下载到本地，根据需要对预案的内容进行编辑，即完成庭前准备工作。出庭时，可用投影设备直接出示原始证据、证物、证词，有利于法庭、辩

42、护人及旁听群众对公诉过程进行同步监督。出庭预案样例 第五章 智能语音系统建设方案 5.1 语音识别系统优势 深度定制服务：为行业客户提供深度定制服务，根据业务背景深度定制具有行业特点的声学及语言层模型，让行业专有名词识别得更精准，更高效。开放SDK及API，帮助行业更好地挖掘藏在语音中的业务价值。 海量语料积累：立足社交数据大平台，积累了数十万小时标注语音数据，拥有海量的语言层数据，具备有竞争力的识别准确率。 多语言识别：支持汉语普通话，并涵盖南北地域口音，同时支持中英混合，充分满足不同人群的需求。 智能纠错: 基于长文本更多的语义信息，自主进行智能纠错，持续优化识别结果。 识别率高：具备业内

43、领先语音识别建模方法，包括 LSTM，BLSTM，Deep CNN，LFMMI，CTC 重估等多种声学模型建模技术, 智能理解语义，智能断句，从而提供极高的语音识别率 。 服务可靠：经过内外部各大业务线的充分验证，珍爱网、知乎、北京知识产权法院、广州知识产权法院、微信、 等，覆盖行业广泛，日服务亿级用户，丰富的业务应用场景。 5.2 系统总体架构 根据国家有关单位及上级主管单位的有关规定，检察院包括涉密网、办公网、外网、协同网等网络类型，各类型网络之间实现物理隔离，不同的网络类型运行不同的业务应用，本项目语音识别系统部署模式为本地部署，语音识别后台引擎分布部署在涉密网、办公网以及便携式设备上。

44、在保证跨网数据安全前提下，不同网络类型的语音识别后台引擎采用定期人工同步升级方式。为保证语音识别的整体效果，在市人民检察院部署一级总语音识别引擎，下属基层检察院部署二级语音识别分引擎结构。市人民检察院的检委会会议、党组会议及日常会议的会议纪要、讯（询）问笔录、听取律师意见笔录、日常文书制作及培训等应用接到一级总语音识别引擎，其他基层检察院的语音转文字需求接到对应的二级引擎做交互。总引擎与二级引擎学习的数据通过后台可自动同步，最终实现两级检院语音识别引擎识别能力的同步。 5.3 语音识别引擎 为检察院提供深度定制服务，根据业务背景深度定制具有检察院特点的声学及语言层模型，让检察院专有名词识别得更

45、精准，更高效。 系统具备的特性： 1) 支持中文的常见语句听写 语音识别对于日常使用的常用对话有着很高的识别准确率。 2) 噪音消除 语音识别系统具备噪音消除能力，以适应用户在不同环境中的应用。 3) 说话人自适应 当用户与语音识别系统进行多次会话过程中，系统能够在后台提取说话人的语音特征，使识别效果得到持续优化。4) 防串音 系统具有防串音算法，能有效解决现场串音问题。 5) 语义理解 语义理解是一种能够让使机器理解用户的语言、识别用户的意图，并执行用户操作的一项技术能力。 5.4 客户端开发定制 根据检察院的不同应用，前端客户端可独立或与原有系统进行对接进行智能语音的识别，包括拾音设备角色

46、设置、预学习、语音识别的结果单独呈现或与原有应用系统对接统一呈现、语音识别的笔录修正、导出打印等功能，通过二次开发，实现客户端与现有的业务系统关联，具体根据业务场景定制。 5.5 相关硬件配置要求 序号 设备名称 主要参数 数量 单位 备注 1 一级引擎服务器 根据并发数配置 1 台 市检察院部署 2 二级引擎服务器 根据并发数配置 11 台 每个基层院一台 3 数模语音接入转换器 8路音频采集模块 1 台 根据会议室麦克风接入配置 4 便携式语音识别设备 离线式语音识别一体机 1 台 5 便携式麦克风 舒尔MV5 2 个 6 语音识别客户端软件 实现麦克风角色设置，通过二次开发，将识别文字对

47、接到原有业务系统 1 套 定制开发第六章 案件流程监控系统建设方案 6.1 系统架构其中，应用运维体系和安全防护体系、网络及硬件平台、操作系统、中间件等在条件允许情况下可利用检察院现有的软硬件资，无需重新建设。 系统分为提醒和监控两部分: 提醒：系统自动将检测到的办案注意事项发送给办案人。 监控分为四个阶段： 待核实：部分监控点需要监控人员人工确认是监控问题后再发送给办案人； 异议审核：办案人对监控问题提出质疑，监控人员进行审核确认； 待整改：需要办案人处理尚未处理的的监控问题； 已整改：办案人处理完成的的监控问题。 6.2 系统特点1.2.3.4.6.2.1 灵活配置、随需应变 案件流程监控

48、系统的推广实施要充分考虑到检察机关业务本身是一个不断改进不断创新的业务。检察机关必然处于不断的变革之中，为此，我们的产品设计是要建设灵活配置型系统。使得从权限、用户、机构到流程、表单等都可以由用户自己灵活定制。本产品的一个重要特点就是建设平台型系统。使得从权限、用户、机构到流程、表单等都可以由用户自己灵活定制。 6.2.2 应用为先、实用易用 要充分符合业务实际情况以及信息化所可能的改进趋势。要作到实用性强。一个应用项目的成功与否在相当大程度上取决于可否让最终用户方便的、高效的操作使用。为此本产品高度重视系统的易用性，在系统中很多细节都有易用化设计，例如：一，页面导航；二、推送式信息反馈；三、

49、一表式管理；四、图表展示。 6.2.3 系统维护简单 系统由服务器和客户端两部分组成，采用BS架构，部署方式灵活，不会改变用户现有的网络拓扑结构以及用户业务，可使用户轻松实现单点维护，全面升级。摆脱传统C/S结构实施，维护工作复杂，升级系统时系统管理员四处奔波的情况。 6.2.4 完备的安全控制 为了保证单位信息的保密，系统实现三级保密技术，操作系统级（配合防火墙软件）、数据级（数据加密）、用户级（安全权限的划分限制），为单位信息的安全畅通提供有力保障。 6.3 系统功能 案件流程监控系统梳理了侦监、公诉、民行、控申、未检等业务类型案件共计三百余条规则，针对办案的各个环节，实现系统自动监控。根

50、据不同的规则，系统会提前两到五天，通过即时通讯发消息给办案人，点击可自动登录流程监控系统，提醒办案人有哪些需要注意的地方，例如，公诉案件退回公安补充侦查，在一个月的期限到期前5天，系统自动提醒办案人该案件退查重报即将到期。如果超过了一个月还是没有重报，此案件会自动进入案管的监控，监控人员可以跟进询问相关情况。如果口头提示后还是没有解决，情节严重的可申请发送流程监控通知书。 1.2.3.4.5.6.3.1 首页设计 功能描述： 能够显示该用户关注的主要监控信息。如【今日监控要点】图表、【监控问题统计】图表、【监控进度跟踪】图表、【检察官办案活动监控】图表等，可根据客户需求实现定制化图表。1.2.

51、3.4.5.5.1.6.3.2 办案提醒 功能描述： 根据不同的规则，系统会提前两到五天，通过即时通讯发消息给办案人，点击可自动登录流程监控系统，提醒办案人有哪些需要注意的地方，例如，公诉案件退回公安补充侦查，在一个月的期限到期前5天，系统自动提醒办案人该案件退查重报即将到期。 【提醒类别】介绍： 类别种类：包括全部、受理、强制措施、涉案财物、文书制作/使用、办案期限、诉讼权利保障、移送/退回、风险评估、系统使用、信息公开、诉讼监督、其它。 【业务类型】介绍： 类型种类：包括全部、侦监、公诉、执检、民行、控告、申诉、案管、未检。6.3.3 流程监控 功能描述： 如果超过了一个月还是没有重报，此

52、案件会自动进入案管的监控，监控人员可以跟进询问相关情况。 【监控类别】介绍： 类别种类：包括全部、受理、强制措施、涉案财物、文书制作/使用、办案期限、诉讼权利保障、移送/退回、风险评估、系统使用、信息公开、诉讼监督、其它。 【业务类型】介绍： 类型种类：包括全部、侦监、公诉、执检、民行、控告、申诉、案管、未检。6.3.4 查询统计 功能描述： 系统可根据地域分布、业务类型、监控类别等多维度进行查询统计。6.3.5 监控报告 功能描述： 系统可根据组织机构及时间截止日期自动生成某一时间段内的监控报告。6.3.6 系统管理 系统能够对规则配置、监控日志、组织机构、用户权限等进行管理操作。第七章 司

53、法案件社情及行政执法监测分析p 建设方案 7.1 智能分析p 系统框架 检务智能分析p 系统利用分词组件、基于语义的词语聚类组件提取各类文书中的关键信息，对案件信息进行深度的分析p 和挖掘，使用机器学习和分布式挖掘算法组件得出分析p 结论，包含结构化、非结构化、半结构化等各类数据资，涵盖侦监、公诉、控申、执检、民行等各类业务条线的司法办案数据，以及检察办公、队伍管理、检务保障等内部日常管理数据，并能够根据检务数仓的数据资，根据各类业务条线的分析p 维度，通过托拉拽实现业务动态数据的调研、分析p 和研判。7.2 系统的特点 资动态匹配、结果灵活多样 该系统智能分析p 根据关键要素动态匹配数据资池

54、，按需对数据进行抽取数据，达到迅速高效，并根据各类需求特点，灵活的生成各种智能分析p 维度，包括柱状图、折线图、热力图、关系图、各类不同图表等。 规则多样化模型设计 根据一系列的规则分析p ，将裁判文书的信息通过语义分析p 系统抽取出来，然后进行数据转换和模型分析p ，建立起各种类型司法统计分析p 需要的数学统计模型。 支持亿级规模大数据秒级响应 通过案件关系力导图的功能，生成这个案件的信息点的非结构化数据,支持分布式数据库实现亿级规模大数据秒级响应,卓越的性能为您支撑更多的智能分析p 维度和更大的数据范围。 自助式的数据可视化分析p 工具 该系统提供强大的数据分析p 功能，包括：图形化数据建

55、模、SQL数据建模、自助智能分析p 、多维数据分析p 、丰富的图表展示、一键式数据视角切换、自由拖拽布局、多图表数据联动、数据透视钻取等。无需技术人员，业务人员可独立通过便捷可视化操作在几分钟内实现数据建模，并随时进行自助式优化调整变换业务模型。 7.3 核心业务分析p 核心业务分析p 子系统主要包括司法办案分析p 、检察办公分析p 、队伍管理分析p 、检务保障分析p 四大功能模块；司法办案分析p 主要包括综合情况分析p 、侦监、公诉、民行、控申、执检、未检条线数据分析p ；检查办公分析p 包括收发文分析p 、信息发布分析p 、归档数据分析p 、会务数据分析p 等；队伍管理分析p 包括人员分析

56、p 、人员分类分析p 、奖惩分析p 、人员培训情况分析p 、教育情况分析p 、人员结构分析p 、人员年龄分析p 、党建分析p 、廉政风险分析p 等；检务保障分析p 包括预决算分析p 、用款数据分析p 、办公用品分析p 、办公设备分析p 等。图 数据整体情况 7.3.1 司法办案分析p 业务条线态势分析p ，左侧为可向下钻取表格，右侧为跟随表格动态变化的地图。将各业务条线数据通过态势图动态展现到地图上，用不同的颜色表示，颜色越深待表数值越大。图 态势分析p 通过综合分析p 可以将各部门整体数据情况，同比情况以直观的形式显示出来。图 核心数据展示侦监、公诉、民行、控申、执检、未检条线数据分析p 受

57、理监督立、撤案情况分析p 。图 受理监督立、撤案情况侦监、公诉、民行、控申、执检、未检条线数据分析p 逮捕情况分析p 图 逮捕情况 7.3.2 检察办公分析p 针对发文情况、发文密级分布、发文缓急分布、收文情况、收文密级分布、收文缓急分布等详细指标项数据分析p 图 发文分析p 以一段时间为统计时间，以各地区为统计维度，针对信息发布情况、信息访问情况分析p 。图 信息发布数据分析p 归档分析p 功能以各地区为统计维度，以一段时间为统计区间，分别统计归档类型分布、归档密级分析p 、归档时间分析p 等详细指标项数据。图 归档数据分析p 会务数据功能以各地区为统计维度，以一段时间为统计区间，分别统计会

58、务主题分析p 、会务纪要分析p 等详细指标项数据。图 会务分析p 7.3.3 队伍管理分析p 人员分类功能是以所属部门为统计维度，以一段时间为统计区间，分别统计人员绩效、人员分类、奖惩情况、教育培训、人员结构、党建分析p 、廉政风险等详细指标项数据。图 人员编制分布分析p 奖惩情况分析p 图 奖惩分析p 检查人员教育培训情况分析p 图 教育培训情况分析p 7.3.4 检务保障分析p 以所属部门为统计维度，以一段时间为统计区间，统计预算数据、决算数据、用款数据、办公用品、办公设备等详细指标项数据图 预算分析p 三公经费总体情况分析p 图 三公经费分析p 7.4 案件数据分析p 基于深度学习技术和法律及办案专家的人工干预，基于案件罪名，梳理出的各类罪名的案件要素，建立案件要素库，初始化至系统中。后期随着案件情形的丰富，可对案件要素库