赵晓林

（贵州省司法厅 贵州 贵阳 550001）

0 引言

随着信息网络传播不断扩散，对信息网络传播与司法保护的相关性研究受到人们的关注，结合对人民合法权益的分析，根据不同的保护机制和主体责任，建立对司法保护效果下的促进性影响分析模型，根据对司法实践的主体责任分析，采用大数据分析的方法，构建信息网络传播权司法保护效果评估平台，结合信息网络传播权的特征挖掘方法，分析在大数据平台下的信息网络传播权及司法保护的效果相关性因素，通过信息化的评估平台设计，在信息化体系构架下，进行信息网络传播权司法保护效果评估设计[1]。本文结合信息网络传播权司法保护效果分析和相关资源的大数据聚类，采用个人信息和大数据平台的联合特征挖掘的方法，结合大数据融合聚类分析的方法，实现信息网络传播权司法保护效果评估，提高司法保护的实践效果。本文提出一种基于数据挖掘的信息网络传播权司法保护效果评估平台设计方法[2]。采用概率密度分析方法，进行大数据挖掘，结合检察保护、社区保护以及公安保护等不同保护体系，在自由度约束下，提取信息网络传播权司法保护资源的联合特征集，根据大数据挖掘结果，实现司法保护效果评估，并通过实证分析进行性能验证，得出有效性结论。

1 信息网络传播权司法保护效果评估平台硬件设计

本文设计的基于数据挖掘的信息网络传播权司法保护效果评估平台的硬件采用B/S结构，保证平台能够在不确定的环境中，对司法保护效果进行快速地评估。平台的通信协议采用分层原则，建立平面式网络体系结构，在信息网络传输与管理方面具有较好的性能。采用重配置的网络设备，设置通信节点之间的链路结构。在硬件设计中，将评估平台的体系结构划分为三维的立体结构，包括评估平台的预警器、信息感知器、效果评估器。

首先，评估平台预警器的主要作用在于对可能发生的网络异常状况作出预先警告提示。在遭受网络攻击时，平台能够快速监控到攻击因素，通过发出的预警，平台内的服务器能够及时分析平台的异常，全方位地监控并分析，最终制定出相应的解决方案。

平台的信息感知器具有较强的自适应感知功能，根据平台外部环境的变化与平台状态的改变，获取到分布式的环境信息与影响平台运行的事件信息，最终经过平台的丢包率与时延指标进行分析判断，得出相应的结论后发送到平台服务器。

效果评估器在信息网络传播权司法保护效果评估平台中具有重要的作用，能够根据预警器发出的预警提示，进行风险监控与诊断，通过记录平台的运行状况，及时发现平台运行的风险，识别并评估风险，根据识别结果为平台的评估结果提供安全支撑。

在评估平台视图模块中，安装Adobe Flash硬件，用来实现评估平台的视图功能。当视图模块中的信息出现改变时，平台能够通过刷新页面，对视图信息进行更新处理，保证视图中展现的信息具有一定的一致性。控制器作为平台建设中的桥梁，根据用户的需求，调整并控制平台的各项功能，对用户的效果评估请求作出响应处理。

2 信息网络传播权司法保护效果评估平台软件设计

基于上述数据挖掘的信息网络传播权司法保护效果评估平台硬件设计完毕后，根据信息网络传播权司法保护资源分布数据架构，分析保护效果评估特征，构建平台的信息数据库，共同完成软件设计，具体步骤如下。

2.1 信息网络传播权司法保护资源分布数据架构与来源

为了实现信息网络传播权司法保护效果评估，结合语义特征分析和融合调度方法，构建信息网络传播权司法保护效果评估的粗糙集匹配模型，结合证据支持度分析，采用特征匹配方法，得到各准则下的基本证据[3]，分析信息网络传播权司法保护效果评估的数据管理。根据评估结果，实现对信息网络传播权司法保护效果评价[4]，由此得到信息网络传播权司法保护效果评估的语义分布表达式：参量，τ为司法保护延迟参数，根据语义信息融合，利用证据合成法则分析的方法，得到各准则下的证据基本概率密度参数，在簇聚类中心，得到支持度和置信增益分量为Mi与Mj，在刑法和诉讼法司法保护过程中，得到在多决策分类匹配参数，得到在信息网络传播中，司法保护效果评估的可靠性匹配度为Clustdist(Mi,Mj)，当

其中，N表示支持度，x表示司法保护效果的基准(i≠j,1≤i≤q,1≤j≤q)，得到信息网络传播权约束模式下，司法保护效果评估的多决策聚类泛函表示为：

其中，Xp为司法保护实践中的源信息，u为粗糙集分布权特征量，v为信息网络传播权司法保护资源的规范性模糊检测基函数，K为给定的信息源。通过信息网络传播权司法保护资源的语义信息检测结果，得到信息网络传播权司法保护资源的粗糙集匹配系数为和的值，采用关联系数和证据理论决策的方法，建立信息网络传播权司法保护效果评估的概率密度函数，表示为：

其中，σs为信息网络传播权司法保护的目标属性，X1为效果评估的待估参数，H为司法保护的效益传递函数。通过上述处理，采用概率密度分析，建立信息网络传播权司法保护效果评估的约束参数模型，结合对相关性参数的数据结构分析，实现司法保护效果评估和优化决策[5]。

2.2 信息网络传播权司法保护效果评估特征分析

基于贝叶斯粗糙集理论，引入特征压缩分析技术，构建信息网络传播权司法保护效果评估的最优决策函数为：

式中，X1为司法保护效果可靠性分布的正域元素集，X2表示负域元素集，sij表示信息网络传播权司法保护效果评估的存储结构模型，设采样周期为Ts，则每周期包含的信息网络传播权司法保护大数据分布点数m=T/Ts，以决策表条件属性作为各个司法保护实践的证据，得到信息网络传播权模式下的司法保护的大数据挖掘分布参数为ti=[ti1,ti2,…,tiM]，设定信息网络传播权司法保护效果评估的离散序列，σi为信息网络传播权司法保护效果评估的空间分布代价。令y(n)为信息网络传播权司法保护效果评估的联合特征量，通过对信息网络传播权约束下的司法保护相关效益度分析，进行司法保护效果评估的可靠度测量，构建信息网络传播权司法保护效果评估特征分析模型，得到的信息网络传播权司法保护效果评估的延迟函数：

式中，τk为司法保护效果评估的分类参数，µ为司法保护效果模糊约束参数，为归一化的特征分布系数，tACK为完备信息系统参数，根据上述分析，构建信息网络传播权司法保护效果评估的条件属性，完备信息系统S=(U,C∪D,V,f)，假定xm+1条件属性取值为dm+1=dl(l=2,…,k)，得到条件属性ci对U′/dl的最大置信度，得到特征匹配函数为：

其中，Gk+1为最大置信增益函数，为司法保护的决策表决策属性，为等价关系R下的确信度。设nz为信息网络传播权司法保护效果评估的模糊特征点，采用分组样本检测的方法，分析信息网络传播权司法保护效果评估的关联系数ρ(k)，采用大数据挖掘，得到信息网络传播权司法保护效果评估的统计特征量为：

其中，L为条件属性的置信度，为司法保护的证据概率分布集，Rk为等权重分布参数，则ϕk的粗糙模糊度集服从于自由度为nz的χ2分布，构建信息网络传播权司法保护资源的模糊集，得到模糊信息分量为qk,Qk,rk和Rk，采用大数据挖掘模型，实现信息网络传播权司法保护效果评估平台的优化设计。

2.3 构建司法保护信息数据库

基于上述的信息网络传播权司法保护效果评估特征分析结束后，建立评估平台的司法保护信息数据库。平台中完整的数据库能够全方位地提高评估结果的质量，对于事物的全貌能够反映得更加清晰明了。

本文在构建信息数据库之前，首先要扩大数据库的抽样范围，选取尽量多的数据训练样本，包括网络传播权司法保护的会议纪要、审结报告等，输入到评估平台中，保证平台算法逻辑的稳定运行[6-7]。采用相关的司法保护效果案例，将案例输入到平台中，减少数据库信息较少的现象。结合数据挖掘技术，对数据库内的样本进行筛选，选择出符合信息网络传播权司法保护效果的数据，减少由于数据偏差导致的评估结果不准确情况。本文在构建司法保护信息数据库中，采用SQL Server 2010软件进行构建，应用E-R图与信息网络数据关系模型共同设计数据库。E-R图能够更加直观地反映出平台内各项数据的类型关系[8-9]。本文构建的司法保护信息数据库基本信息表，见表1。

表1 司法保护信息数据库基本信息表

表1为本文设计构建的司法保护信息数据库基本信息表，通过输入上述表格中的各项信息，完成平台数据的初步录入工作。

表2为信息网络传播权司法保护效果信息表，根据用户输入的信息，平台的数据库会自动对上述信息进行录入操作，保存到评估平台的数据库中，经过一定的评估作用，最终为用户提供精确可靠的评估结果。

表2 信息网络传播权司法保护效果信息表

3 实验分析

通过实验分析的方法，验证信息网络传播权下司法保护效果评估的可靠性，大数据采样的样本大小为3 000，测试集大小为2 000，关联系数为0.182，模糊度系数为0.177，以人格权保护、隐私、信息扩散、责任主体、行为主义、道义责任、自由意志、司法协助、处罚对象等的约束分量，再以20个不同测试对象为样本，进行网络传播权司法保护效果评估的大数据挖掘，以人格权保护、隐私保护、行为保护、意志保护，得到挖掘结果见表3。

表3 数据挖掘结果

在表3的基础上，通过信息网络传播权约束下司法保护大数据挖掘，进行收敛性评价，以测试评估的精度，见图1。

分析图1得知，本文方法进行信息网络传播权司法保护效果评估的收敛性较好，评估精度较高，证实了设计方法的有效性。

4 结语

本文结合信息网络传播权司法保护效果分析和相关资源的大数据聚类，采用个人信息和大数据平台的联合特征挖掘的方法，结合大数据融合聚类分析的方法，实现信息网络传播权司法保护效果评估，并以人格权保护、隐私、信息扩散、责任主体、行为主义、道义责任、自由意志、司法协助、处罚对象等的约束分量，构建基于大数据挖掘和参数估计的信息网络传播权司法保护效果评估方法，提高图书文献信息的效果评估能力。分析得知，本文方法进行效果评估的准确性和收敛性较高。