CN107330071A - 一种法律咨询信息智能答复方法及平台 - Google Patents
一种法律咨询信息智能答复方法及平台 Download PDFInfo
- Publication number
- CN107330071A CN107330071A CN201710524072.XA CN201710524072A CN107330071A CN 107330071 A CN107330071 A CN 107330071A CN 201710524072 A CN201710524072 A CN 201710524072A CN 107330071 A CN107330071 A CN 107330071A
- Authority
- CN
- China
- Prior art keywords
- information
- history
- legal case
- key element
- legal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000013589 supplement Substances 0.000 claims description 7
- 239000000284 extract Substances 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种智能查询方法和平台。所述方法包括:获取用户输入的咨询信息;根据法律案件的分类模型确定所述咨询信息的归属类别;根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息;在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件,并将匹配到的历史法律案件的相关信息作为咨询结果返回给用户。本申请实施例提供的智能查询技术方案,根据用户输入的咨询信息自动显示提示,引导用户完善查询要素信息,并根据要素信息向用户推送历史法律案件作为参考,相比现有技术查询功能更智能、更准确且更高效。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种法律咨询信息智能答复方法及平台。
背景技术
目前用户若想了解自身案情如何处理,只能通过案卷的翻阅等来查找,效率低,且费时费力,不全面精准,也难以找到类同案情的可供参考的历史法律案件等相关信息。
发明内容
本申请提供了一种法律咨询信息智能答复方法及平台,以法律咨询的效率和准确度。
第一方面,本申请提供了一种法律咨询信息智能答复方法,所述方法包括:
获取用户输入的咨询信息;
根据法律案件的分类模型确定所述咨询信息的归属类别;
根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息;
在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件,并将匹配到的历史法律案件的相关信息作为咨询结果返回给用户。
所述方法,在所述根据分类模型确定所述咨询信息的归属类别之前,还包括:
根据法律专业分类及样例历史法律案件,创建所述分类模型,所述分类模型为树状结构,每个节点对应有匹配节点分类的正则表达式;同时根据各样例历史法律案件归属的叶子节点,为各样例历史法律案件打上归属类别标签;
根据所述分类模型中各个叶子节点对应的样例历史法律案件,训练得到各叶子节点对应的要素模型,各叶子节点对应的要素模型中包括:该叶子节点对应类别的要素抽取规则。
所述方法,在所述根据分类模型确定所述咨询信息的归属类别之前,所述方法还包括:
根据所述分类模型,对历史法律案件分类,确定各历史法律案件的归属类别;
根据各历史法律案件的归属类别对应的要素模型,抽取各历史法律案件的要素信息。
其中,若根据法律案件的分类模型确定所述咨询信息的归属类别时,未匹配到分类模型的叶子节点,则所述方法还包括:
根据当前在所述分类模型中匹配到的节点,获取该匹配到的节点的所有叶子节点对应的分类类别,根据获取到的分类类别,提示用户进一步补充所述咨询信息的类别相关信息,直至匹配到所述分类模型的叶子节点,并打上匹配到的叶子节点对应的归属类别标签,所述咨询信息的归属类别即匹配到的叶子节点指示的类别;和/或,
所述方法还包括:若根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息时,未抽取到,则根据归属类别对应的要素模型,提示用户进一步补充所述咨询信息的要素相关信息,直至抽取成功。
其中,所述在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件;具体为:所述在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,计算各历史法律案件与所述咨询信息的相似度,将相似度分数最高的预设数目的历史法律案件确认为与所述咨询信息匹配的历史法律案件;
其中,所述各历史法律案件的相似度分数等于所述咨询信息中包含的各要素在对应历史法律案件中的要素分数的叠加, 其中,第i个要素为n为所述咨询信息中包含的要素中的第i个要素,n为所述咨询信息中包含的要素的个数;或者,所述第i个要素为所述咨询信息与对应的历史法律案件共同包含的要素中的第i个要素,n为所述咨询信息与对应的历史法律案件包含的共同的要素的个数;所述要素值和所述权重的值预先设定。
若存在多个要素分数相同且最大的历史法律案件,获取所述要素分数最高且包含要素信息种类最多的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
若存在多个要素分数相同且最大的历史法律案件,且所述多个要素分数相同且最大的历史法律案件中存在多个要素种类相同且最多的历史法律案件,获取所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
若存在多个所述要素分数相同且最大、而且要素种类相同且最多、而且文本字数最少的历史法律案件,获取所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件的信息,所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件为与所述最终要素信息相匹配的历史法律案件。
其中,所述将匹配到的历史法律案件的相关信息作为咨询结果返回给用户,具体包括:
将匹配到的历史法律案件的案情信息、判决信息、律师信息中的一项或多项作为咨询结果返回给用户。
第二方面,本申请还提供了一种法律咨询信息智能答复平台,所述平台包括:
输入信息获取单元,用于获取用户输入的咨询信息;
类别确定单元,用于根据法律案件的分类模型确定所述咨询信息的归属类别;
要素抽取单元,用于根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息;
匹配单元,用于在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件,并将匹配到的历史法律案件的相关信息作为咨询结果返回给用户。
本申请实施例提供的智能查询技术方案,能够根据用户输入的咨询信息自动显示提示,引导用户完善查询要素信息,并根据要素信息向用户推送准确的历史法律案件作为参考,查询功能更智能,效率更高。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种法律咨询信息智能答复方法的流程示意图;
图2为本申请提供的一种法律咨询信息智能答复平台的框图。
具体实施方式
本申请在于为用户提供智能咨询功能,当用户输入想咨询的问题时,根据用户输入的问题来引导用户输入完整的要素信息,再根据完整的要素信息查询相匹配的历史法律案件信息,从而高效地为用户推送准确的查询结果。例如用户想要咨询离婚案件,输入“离婚”进行查询,本申请提供的智能查询方法和平台获取到用户输入的信息,得知用户的问题为离婚分类,由于离婚案件涉及多种问题子分类,故向用户显示提示,例如显示“您想要咨询以下问题:变更抚养权、变更抚养费、离婚后财产纠纷、探望权纠纷”等,供用户进一步输入具体的信息,当用户输入的信息不再有下一级分类时,不再显示提示,然后根据用户输入的所有信息查询到对应的历史法律案件并推送给用户参考。
本申请首先需要建立历史法律案件数据库,并建立要素模型。所述要素信息为案件案情的关键信息,例如适用法律种类、裁判要点、相关法条、判决结果、判决理由、案情要点等,将所有法律咨询涉及的要素信息综合并分类,保存于数据表或者根据要素信息构建搜索模型,从而得到要素模型。将历史法律案件分类,所述分类可以根据法律分类情况逐级分类,建立历史法律案件数据库,并使用要素模型进行要素信息提取,每个历史法律案件中包含的要素信息与该案件对应,每个历史法律案件中提取到的要素信息可以作为历史法律案件的标签。
参见图1,为本申请提供的一种法律咨询信息智能答复方法的流程示意图,如图1所示,所述方法包括:
步骤S101,获取用户输入的咨询信息。
其中,其中,用户在用户界面的输入框输入咨询信息,或者通过用户界面的选择列表选择显示给用户的咨询信息,由用户界面获取用户输入的咨询信息。步骤S101可以包括:
(a1)对所述咨询信息进行预处理;
(a2)根据预先设定的要素字段提取所述咨询信息中的要素信息。
所述预处理包括过滤去除干扰词汇,干扰词汇包括与法律案情案件无关的词汇,例如“想知道”、“寒暄”等等。然后将预先设定的要素字段与所述咨询信息对比,提取所述咨询信息中与要素字段相同的部分,即要素信息。预先设定的要素字段来自于要素模型。需要说明的是,所述咨询信息中可能不包括要素信息,这样提取到的要素信息可以设定为零(Zero)或空(Blank)。
步骤S102,根据法律案件的分类模型确定所述咨询信息的归属类别;
步骤S103,根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息;
步骤S104,在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件,并将匹配到的历史法律案件的相关信息作为咨询结果返回给用户。
其中,在所述根据分类模型确定所述咨询信息的归属类别之前,先根据法律专业分类及样例历史法律案件,创建所述分类模型,所述分类模型为树状结构,每个节点对应有匹配节点分类的正则表达式;同时根据各样例历史法律案件归属的叶子节点,为各样例历史法律案件打上归属类别标签;并根据所述分类模型中各个叶子节点对应的样例历史法律案件,训练得到各叶子节点对应的要素模型,各叶子节点对应的要素模型中包括:该叶子节点对应类别的要素抽取规则。
其中,在所述根据分类模型确定所述咨询信息的归属类别之前,所述方法还包括:根据所述分类模型,对历史法律案件分类,确定各历史法律案件的归属类别;根据各历史法律案件的归属类别对应的要素模型,抽取各历史法律案件的要素信息。
若根据法律案件的分类模型确定所述咨询信息的归属类别时,未匹配到分类模型的叶子节点,则所述方法还包括:
根据当前在所述分类模型中匹配到的节点,获取该匹配到的节点的所有叶子节点对应的分类类别,根据获取到的分类类别,提示用户进一步补充所述咨询信息的类别相关信息,直至匹配到所述分类模型的叶子节点,并打上匹配到的叶子节点对应的归属类别标签,所述咨询信息的归属类别即匹配到的叶子节点指示的类别;和/或,若根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息时,未抽取到,则根据归属类别对应的要素模型,提示用户进一步补充所述咨询信息的要素相关信息,直至抽取成功。
所述在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件;具体为:所述在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,计算各历史法律案件与所述咨询信息的相似度,将相似度分数最高的预设数目的历史法律案件确认为与所述咨询信息匹配的历史法律案件;
其中,所述各历史法律案件的相似度分数等于所述咨询信息中包含的各要素在对应历史法律案件中的要素分数的叠加, 其中,第i个要素为n为所述咨询信息中包含的要素中的第i个要素,n为所述咨询信息中包含的要素的个数;或者,所述第i个要素为所述咨询信息与对应的历史法律案件共同包含的要素中的第i个要素,n为所述咨询信息与对应的历史法律案件包含的共同的要素的个数;所述要素值和所述权重的值预先设定。
若存在多个要素分数相同且最大的历史法律案件,获取所述要素分数最高且包含要素信息种类最多的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
若存在多个要素分数相同且最大的历史法律案件,且所述多个要素分数相同且最大的历史法律案件中存在多个要素种类相同且最多的历史法律案件,获取所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
若存在多个所述要素分数相同且最大、而且要素种类相同且最多、而且文本字数最少的历史法律案件,获取所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件的信息,所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件为与所述最终要素信息相匹配的历史法律案件。
其中,所述将匹配到的历史法律案件的相关信息作为咨询结果返回给用户,具体包括:将匹配到的历史法律案件的案情信息、判决信息、律师信息中的一项或多项作为咨询结果返回给用户。
下面结合举例具体说明本申请实施例所提供的法律咨询信息智能答复方法。
由于用户通常非法律专业人士,因此一开始输入的咨询信息可能不包括要素信息或者包括很少的要素信息,因此先判断用户输入的咨询信息包括的要素信息是否为最终要素信息,若是,则根据最终要素信息匹配历史法律案件,若不是最终要素信息,则向用户显示查询提示,引导用户补充完整的要素信息。
所述最终要素信息指不存在下一级分类的要素信息,所述最终要素信息非指一个要素信息,不存在下一级分类指最终要素信息中存在已达最后一级分类的要素信息,已达最后一级分类的要素信息可以为一个或多个,可以根据平台处理能力等因素设定为一个还是多个,例如设定若存在一个已达最后一级分类的要素信息便确定分类不存在下一级分类,已获取的要素信息为最终要素信息,或者设定存在两个已达最后一级分类的要素信息便确定分类不存在下一级分类,已获取的要素信息为最终要素信息。每个分类的级数可以预先设定。
若未获取到要素信息,也就是获取到的要素信息为零或空,则该要素信息无分类,也不存在下一级分类,所述要素信息非最终要素信息。若获取到要素信息,先查询这一开始获取到的要素信息的分类,并判断所述分类是否存在下一级分类,若所述分类都不存在下一级分类,则所述要素信息为最终要素信息。需要说明的是,对于一开始获取到的要素信息,如果获取到的是多个要素信息,只要有存在下一级分类的要素信息,则获取到的要素信息非最终要素信息。
若获取到的要素信息非最终要素信息,则执行下述步骤:
(b1)根据已获取的要素信息显示查询提示;
(b2)获取用户根据所述查询提示继续输入的咨询信息;
(b3)获取所述继续输入的咨询信息中的要素信息;
(b4)查询所述继续输入的咨询信息中的要素信息的分类;
(b5)根据获取到的要素信息的分类,判断是否存在已达最后一级分类的要素信息,若不存在已达最后一级分类的要素信息,返回步骤(c1);
(b6)若存在已达最后一级分类的要素信息,则确定获取到的要素信息为最终要素信息。
其中,查询提示用于提示用户输入下一级分类的要素信息。(b5)中可以规定已达最后一级分类的要素信息的个数,例如只要存在一个已达最后一级分类的要素信息,则可以确定获取到的要素信息为最终要素信息,或者存在两个已达到最后一级分类的要素信息,则可以确定获取到的要素信息为最终要素信息,以此类推,所述获取到的要素信息。其中获取到的要素信息指当前已获取到的所有要素信息。若通过(b5)的判断,仍然不存在已达最后一级分类的要素信息,则重复步骤(b1)至(b5),也就是再次向用户显示查询提示,获取用户再次输入的咨询信息,提取用户再次输入的咨询信息中的要素信息,并查询该要素信息的分类,再次判断是否存在已达最后一级分类的要素信息,直至得到最终要素信息。
例如,用户输入“一个法律问题”,获取到用户输入的咨询信息后,提取到的要素信息为空,也就是未提取到真正的要素信息,则显示查询提示:“请问您想咨询哪一类问题:离婚案件、版权案件、人身伤害案件……”。如用户根据查询提示继续输入“离婚案件”或者在显示的提示列表中选择“离婚案件”选项,则获取用户输入的咨询信息为“离婚案件”,提取到的要素信息为“离婚”,该要素信息属于离婚案分类,判断的结果是该要素信息存在下一级分类,则再显示查询提示“您想咨询的是:离婚纠纷、变更抚养权、变更抚养费、离婚后财产纠纷、探望权纠纷……”,用户继续输入“离婚后财产纠纷”,则获取到咨询信息为“离婚后财产纠纷”,提取到的要素信息为“离婚”和“财产”,其中“离婚”为重复的要素信息,“财产”属于离婚案件(上一级分类)下的财产纠纷分类,该分类无下一级分类,则最终要素信息为“离婚”和“财产”。
获取到最终要素信息后,在历史法律案件数据库中查找与所述最终要素信息相匹配的历史法律案件信息。具体地,先根据所述最终要素信息确定历史法律案件分类;再在与所述历史法律案件分类对应的数据中,获取与所述最终要素信息相匹配的历史法律案件信息。
可以先根据最终要素信息确定历史法律案件分类,然后在该分类下查找与最终要素信息相匹配的历史法律案件信息,从而节省处理资源,提供查询效率,例如最终要素信息为“离婚”和“财产”,则确定历史法律案件分类为离婚财产纠纷案件,然后在离婚财产纠纷历史法律案件中进行查找。也可以不先确定历史法律案件分类,而是直接根据最终要素信息在整个历史法律案件数据中查找,但这样查询效率会低一些。所述查找为将最终要素信息和历史法律案件的要素信息或标签(要素信息作为标签时)进行匹配,找到匹配度最高的历史法律案件。
具体地,在另一种实施方式中,可以先根据所述最终要素信息查找具有相同要素信息的历史法律案件;再计算 n为所述历史法律案件中属于所述最终要素信息的要素信息的个数,所述要素值和所述权重预先设定;然后获取所述要素分数最高的历史法律案件的信息,所述要素分数最高的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
其中,若先根据最终要素信息确定了历史法律案件的分类,则在该分类下的历史法律案件数据中查找和最终要素信息具有相同要素信息的历史法律案件,也就是查找包含最终要素信息的历史法律案件,若未先确定历史法律案件的分类,则在所有历史法律案件数据中查找包含最终要素信息的历史法律案件。
最终要素信息中的各个要素信息可能会在一个历史法律案件文本数据中重复出现,因而各个要素信息的个数可能不只一个。包含最终要素信息的历史法律案件也可能有很多个。为筛选历史法律案件,计算 其中,n为所述历史法律案件中属于所述最终要素信息的要素信息的个数,每个要素信息的要素值和权重预先设定。例如最终要素信息为“离婚”和“财产”,包含“离婚”和“财产”的历史法律案件有多个,某个历史法律案件文本中“离婚”出现10次,“财产”出现20次,“离婚”的要素值为3、权重为1,“财产”的要素值为2、权重为0.8,则该历史法律案件的要素分数=3×10×3+2×20×0.8=122。
计算得到各个包含最终要素信息的历史法律案件的要素分数后,将要素分数最高的作为与所述最终要素信息相匹配的历史法律案件,获取该历史法律案件的信息并推送给用户参考。
如果有多个历史法律案件的要素分数相同,则可以进一步增加筛选条件。具体地,在又一种实施方式中,执行如下步骤:
(c1)根据所述最终要素信息查找具有相同要素信息的历史法律案件;
(c2)计算 n为所述历史法律案件中属于所述最终要素信息的要素信息的个数,所述要素值和所述权重预先设定;
(c3)若仅存在一个要素分数最高的历史法律案件,获取所述要素分数最高的历史法律案件的信息,所述要素分数最高的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
(c4)若存在多个要素分数相同且最大的历史法律案件,获取所述要素分数最高且包含要素信息种类最多的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息;
(c5)若存在多个要素分数相同且最大的历史法律案件,且所述多个要素分数相同且最大的历史法律案件中存在多个要素种类相同且最多的历史法律案件,获取所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息;
(c6)若存在多个所述要素分数相同且最大、而且要素种类相同且最多、而且文本字数最少的历史法律案件,获取所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件的信息,所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件为与所述最终要素信息相匹配的历史法律案件。
其中,若存在多个要素分数相同且最高的历史法律案件,则取其中要素信息种类最多的案件为与最终要素信息相匹配的历史法律案件的信息;若要素信息种类最多的也有多个历史法律案件,则取其中文本字数最少的历史法律案件的信息为推送给用户的最终结果;若文本字数最少的历史法律案件也有多个,则取其中要素值之间位置关系最近的历史法律案件的信息为最终结果,其中位置关系最近指设定要素值时各要素值的分布关系。
本申请实施例提供的智能查询技术方法,根据用户输入的咨询信息自动显示查询提示,引导用户完善查询要素信息,并根据要素信息向用户推送相匹配的历史法律案件作为参考,查询功能更智能,效率和准确度更高。
参见图2,一种法律咨询信息智能答复的平台,所述平台包括:
输入信息获取单元U201,用于获取用户输入的咨询信息;
类别确定单元U202,用于根据法律案件的分类模型确定所述咨询信息的归属类别;
要素抽取单元U203,用于根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息;
匹配单元U204,用于在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件,并将匹配到的历史法律案件的相关信息作为咨询结果返回给用户。
需要说明的是,在本文中,需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者逆序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者平台不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者平台所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者平台中还存在另外的相同要素。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于装置或平台实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
以上所述的本申请的实施方式并不构成对本申请保护范围的限定。
Claims (10)
1.一种法律咨询信息智能答复方法,其特征在于,包括:
获取用户输入的咨询信息;
根据法律案件的分类模型确定所述咨询信息的归属类别;
根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息;
在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件,并将匹配到的历史法律案件的相关信息作为咨询结果返回给用户。
2.如权利要求1所述的方法,其特征在于,在所述根据分类模型确定所述咨询信息的归属类别之前,还包括:
根据法律专业分类及样例历史法律案件,创建所述分类模型,所述分类模型为树状结构,每个节点对应有匹配节点分类的正则表达式;同时根据各样例历史法律案件归属的叶子节点,为各样例历史法律案件打上归属类别标签;
根据所述分类模型中各个叶子节点对应的样例历史法律案件,训练得到各叶子节点对应的要素模型,各叶子节点对应的要素模型中包括:该叶子节点对应类别的要素抽取规则。
3.如权利要求2所述的方法,其特征在于,在所述根据分类模型确定所述咨询信息的归属类别之前,所述方法还包括:
根据所述分类模型,对历史法律案件分类,确定各历史法律案件的归属类别;
根据各历史法律案件的归属类别对应的要素模型,抽取各历史法律案件的要素信息。
4.如权利要求1所述的方法,其特征在于,
若根据法律案件的分类模型确定所述咨询信息的归属类别时,未匹配到分类模型的叶子节点,则所述方法还包括:
根据当前在所述分类模型中匹配到的节点,获取该匹配到的节点的所有叶子节点对应的分类类别,根据获取到的分类类别,提示用户进一步补充所述咨询信息的类别相关信息,直至匹配到所述分类模型的叶子节点,并打上匹配到的叶子节点对应的归属类别标签,所述咨询信息的归属类别即匹配到的叶子节点指示的类别;和/或,
所述方法还包括:若根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息时,未抽取到,则根据归属类别对应的要素模型,提示用户进一步补充所述咨询信息的要素相关信息,直至抽取成功。
5.如权利要求1所述的方法,其特征在于,
所述在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件;具体为:所述在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,计算各历史法律案件与所述咨询信息的相似度,将相似度分数最高的预设数目的历史法律案件确认为与所述咨询信息匹配的历史法律案件;
其中,所述各历史法律案件的相似度分数等于所述咨询信息中包含的各要素在对应历史法律案件中的要素分数的叠加,即所述 其中,第i个要素为n为所述咨询信息中包含的要素中的第i个要素,n为所述咨询信息中包含的要素的个数;或者,所述第i个要素为所述咨询信息与对应的历史法律案件共同包含的要素中的第i个要素,n为所述咨询信息与对应的历史法律案件包含的共同的要素的个数;所述要素值和所述权重的值预先设定。
6.根据权利要求1所述的方法,其特征在于,所述将匹配到的历史法律案件的相关信息作为咨询结果返回给用户,具体包括:
将匹配到的历史法律案件的案情信息、判决信息、律师信息中的一项或多项作为咨询结果返回给用户。
7.如权利要求5所述的方法,其特征在于,还包括:
若存在多个要素分数相同且最大的历史法律案件,获取所述要素分数最高且包含要素信息种类最多的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
8.如权利要求7所述的方法,其特征在于,还包括:
若存在多个要素分数相同且最大的历史法律案件,且所述多个要素分数相同且最大的历史法律案件中存在多个要素种类相同且最多的历史法律案件,获取所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息,所述要素分数最高且包含要素信息种类最多且文本字数最少的历史法律案件的信息为与所述最终要素信息相匹配的历史法律案件信息。
9.如权利要求8所述的方法,其特征在于,还包括:
若存在多个所述要素分数相同且最大、而且要素种类相同且最多、而且文本字数最少的历史法律案件,获取所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件的信息,所述要素分数最高且要素种类最多且文本字数最少且要素值之间位置关系最近的历史法律案件为与所述最终要素信息相匹配的历史法律案件。
10.一种法律咨询信息智能答复平台,其特征在于,包括:
输入信息获取单元,用于获取用户输入的咨询信息;
类别确定单元,用于根据法律案件的分类模型确定所述咨询信息的归属类别;
要素抽取单元,用于根据归属类别对应的要素模型,抽取所述咨询信息包含的要素信息;
匹配单元,用于在归属类别相同的历史法律案件中,根据各历史法律案件的要素信息及所述咨询信息中包含的要素信息,确认与所述咨询信息匹配的历史法律案件,并将匹配到的历史法律案件的相关信息作为咨询结果返回给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710524072.XA CN107330071A (zh) | 2017-06-30 | 2017-06-30 | 一种法律咨询信息智能答复方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710524072.XA CN107330071A (zh) | 2017-06-30 | 2017-06-30 | 一种法律咨询信息智能答复方法及平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107330071A true CN107330071A (zh) | 2017-11-07 |
Family
ID=60198695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710524072.XA Pending CN107330071A (zh) | 2017-06-30 | 2017-06-30 | 一种法律咨询信息智能答复方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330071A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280149A (zh) * | 2018-01-04 | 2018-07-13 | 东南大学 | 一种基于多维度分类标签的医患纠纷类案件推荐方法 |
CN109033083A (zh) * | 2018-07-20 | 2018-12-18 | 吴怡 | 一种基于语义网的法律咨询系统 |
CN109145106A (zh) * | 2018-07-20 | 2019-01-04 | 吴怡 | 一种自学习式法律咨询机器人 |
CN109145305A (zh) * | 2018-09-10 | 2019-01-04 | 北京神州泰岳软件股份有限公司 | 一种信息提取方法、装置及服务器 |
CN109165243A (zh) * | 2018-08-15 | 2019-01-08 | 武汉烽火众智数字技术有限责任公司 | 基于用户自定义串并案规则的相似案件推荐系统及其方法 |
CN109165281A (zh) * | 2018-07-20 | 2019-01-08 | 吴怡 | 一种基于语义网的多机器人终端共享式法律咨询系统 |
CN109582964A (zh) * | 2018-11-29 | 2019-04-05 | 天津工业大学 | 基于婚姻法司法判决文书大数据的智能法律咨询辅助系统 |
CN109739888A (zh) * | 2018-12-25 | 2019-05-10 | 北京市律典通科技有限公司 | 同案同判方法和系统 |
CN110059193A (zh) * | 2019-06-21 | 2019-07-26 | 南京擎盾信息科技有限公司 | 基于法律语义件与文书大数据统计分析的法律咨询系统 |
CN110362602A (zh) * | 2019-07-08 | 2019-10-22 | 北京市律典通科技有限公司 | 案例数据智能推送方法及装置 |
CN110390083A (zh) * | 2019-06-17 | 2019-10-29 | 平安科技(深圳)有限公司 | 近似案件的推送方法、装置、计算机设备和存储介质 |
CN110532363A (zh) * | 2019-08-27 | 2019-12-03 | 华侨大学 | 一种基于决策树的任务导向型自动对话方法 |
CN110569350A (zh) * | 2019-08-08 | 2019-12-13 | 河北省讯飞人工智能研究院 | 法条推荐方法、设备和存储介质 |
CN110807094A (zh) * | 2018-07-20 | 2020-02-18 | 林威伶 | 法律文件的大数据分析、预测、数据可视化系统及其装置 |
CN110827177A (zh) * | 2018-08-13 | 2020-02-21 | 北京国双科技有限公司 | 类案文书查找方法及装置 |
CN110929497A (zh) * | 2018-09-19 | 2020-03-27 | 北京国双科技有限公司 | 文书确定方法及装置 |
CN111339276A (zh) * | 2020-02-28 | 2020-06-26 | 重庆百事得大牛机器人有限公司 | 用于特殊法律咨询的场景定制系统及方法 |
CN111444701A (zh) * | 2019-01-16 | 2020-07-24 | 阿里巴巴集团控股有限公司 | 问讯提示方法及装置 |
CN111797232A (zh) * | 2020-06-11 | 2020-10-20 | 南京擎盾信息科技有限公司 | 法律事件图谱构建方法、法律事件推理方法、装置和电子设备 |
CN111813947A (zh) * | 2019-04-09 | 2020-10-23 | 北京国双科技有限公司 | 开庭询问提纲自动生成方法及装置 |
CN111930933A (zh) * | 2020-05-29 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 一种基于人工智能的检务案件处理方法及装置 |
CN116431779A (zh) * | 2023-03-15 | 2023-07-14 | 北京擎盾信息科技有限公司 | 法律领域faq问答的匹配方法、装置、存储介质及电子装置 |
CN117390293A (zh) * | 2023-12-12 | 2024-01-12 | 之江实验室 | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040243588A1 (en) * | 2003-05-29 | 2004-12-02 | Thomas Tanner | Systems and methods for administering a global information database |
JP2005196510A (ja) * | 2004-01-08 | 2005-07-21 | Hitachi Ltd | 医療機関検索システム |
CN103902672A (zh) * | 2014-03-19 | 2014-07-02 | 微梦创科网络科技(中国)有限公司 | 问答系统及其问答处理方法 |
CN104090907A (zh) * | 2014-05-28 | 2014-10-08 | 北京百度网讯科技有限公司 | 一种用于特定应用领域的向用户提供信息的方法与装置 |
CN104240164A (zh) * | 2014-09-29 | 2014-12-24 | 南京提坦信息科技有限公司 | 一种基于大数据分析的法律咨询方法及系统 |
CN106503239A (zh) * | 2016-11-07 | 2017-03-15 | 上海智臻智能网络科技股份有限公司 | 一种法律信息查询的方法和装置 |
CN106789595A (zh) * | 2017-01-17 | 2017-05-31 | 北京诸葛找房信息技术有限公司 | 信息推送方法和装置 |
CN106802925A (zh) * | 2016-12-20 | 2017-06-06 | 深圳爱拼信息科技有限公司 | 一种律师智能匹配推荐方法和服务器 |
-
2017
- 2017-06-30 CN CN201710524072.XA patent/CN107330071A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040243588A1 (en) * | 2003-05-29 | 2004-12-02 | Thomas Tanner | Systems and methods for administering a global information database |
JP2005196510A (ja) * | 2004-01-08 | 2005-07-21 | Hitachi Ltd | 医療機関検索システム |
CN103902672A (zh) * | 2014-03-19 | 2014-07-02 | 微梦创科网络科技(中国)有限公司 | 问答系统及其问答处理方法 |
CN104090907A (zh) * | 2014-05-28 | 2014-10-08 | 北京百度网讯科技有限公司 | 一种用于特定应用领域的向用户提供信息的方法与装置 |
CN104240164A (zh) * | 2014-09-29 | 2014-12-24 | 南京提坦信息科技有限公司 | 一种基于大数据分析的法律咨询方法及系统 |
CN106503239A (zh) * | 2016-11-07 | 2017-03-15 | 上海智臻智能网络科技股份有限公司 | 一种法律信息查询的方法和装置 |
CN106802925A (zh) * | 2016-12-20 | 2017-06-06 | 深圳爱拼信息科技有限公司 | 一种律师智能匹配推荐方法和服务器 |
CN106789595A (zh) * | 2017-01-17 | 2017-05-31 | 北京诸葛找房信息技术有限公司 | 信息推送方法和装置 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280149A (zh) * | 2018-01-04 | 2018-07-13 | 东南大学 | 一种基于多维度分类标签的医患纠纷类案件推荐方法 |
CN110807094A (zh) * | 2018-07-20 | 2020-02-18 | 林威伶 | 法律文件的大数据分析、预测、数据可视化系统及其装置 |
CN109033083A (zh) * | 2018-07-20 | 2018-12-18 | 吴怡 | 一种基于语义网的法律咨询系统 |
CN109145106A (zh) * | 2018-07-20 | 2019-01-04 | 吴怡 | 一种自学习式法律咨询机器人 |
CN109145106B (zh) * | 2018-07-20 | 2022-06-28 | 重庆百事得大牛机器人有限公司 | 一种自学习式法律咨询机器人 |
CN109165281A (zh) * | 2018-07-20 | 2019-01-08 | 吴怡 | 一种基于语义网的多机器人终端共享式法律咨询系统 |
CN110827177A (zh) * | 2018-08-13 | 2020-02-21 | 北京国双科技有限公司 | 类案文书查找方法及装置 |
CN109165243A (zh) * | 2018-08-15 | 2019-01-08 | 武汉烽火众智数字技术有限责任公司 | 基于用户自定义串并案规则的相似案件推荐系统及其方法 |
CN109145305B (zh) * | 2018-09-10 | 2022-12-16 | 鼎富智能科技有限公司 | 一种信息提取方法、装置及服务器 |
CN109145305A (zh) * | 2018-09-10 | 2019-01-04 | 北京神州泰岳软件股份有限公司 | 一种信息提取方法、装置及服务器 |
CN110929497B (zh) * | 2018-09-19 | 2023-07-07 | 北京国双科技有限公司 | 文书确定方法及装置 |
CN110929497A (zh) * | 2018-09-19 | 2020-03-27 | 北京国双科技有限公司 | 文书确定方法及装置 |
CN109582964A (zh) * | 2018-11-29 | 2019-04-05 | 天津工业大学 | 基于婚姻法司法判决文书大数据的智能法律咨询辅助系统 |
CN109739888A (zh) * | 2018-12-25 | 2019-05-10 | 北京市律典通科技有限公司 | 同案同判方法和系统 |
CN111444701A (zh) * | 2019-01-16 | 2020-07-24 | 阿里巴巴集团控股有限公司 | 问讯提示方法及装置 |
CN111813947A (zh) * | 2019-04-09 | 2020-10-23 | 北京国双科技有限公司 | 开庭询问提纲自动生成方法及装置 |
CN110390083A (zh) * | 2019-06-17 | 2019-10-29 | 平安科技(深圳)有限公司 | 近似案件的推送方法、装置、计算机设备和存储介质 |
CN110390083B (zh) * | 2019-06-17 | 2023-12-22 | 平安科技(深圳)有限公司 | 近似案件的推送方法、装置、计算机设备和存储介质 |
CN110059193A (zh) * | 2019-06-21 | 2019-07-26 | 南京擎盾信息科技有限公司 | 基于法律语义件与文书大数据统计分析的法律咨询系统 |
CN110362602A (zh) * | 2019-07-08 | 2019-10-22 | 北京市律典通科技有限公司 | 案例数据智能推送方法及装置 |
CN110569350A (zh) * | 2019-08-08 | 2019-12-13 | 河北省讯飞人工智能研究院 | 法条推荐方法、设备和存储介质 |
CN110569350B (zh) * | 2019-08-08 | 2022-08-09 | 河北省讯飞人工智能研究院 | 法条推荐方法、设备和存储介质 |
CN110532363A (zh) * | 2019-08-27 | 2019-12-03 | 华侨大学 | 一种基于决策树的任务导向型自动对话方法 |
CN110532363B (zh) * | 2019-08-27 | 2022-07-29 | 华侨大学 | 一种基于决策树的任务导向型自动对话方法 |
CN111339276A (zh) * | 2020-02-28 | 2020-06-26 | 重庆百事得大牛机器人有限公司 | 用于特殊法律咨询的场景定制系统及方法 |
CN111930933A (zh) * | 2020-05-29 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 一种基于人工智能的检务案件处理方法及装置 |
CN111797232A (zh) * | 2020-06-11 | 2020-10-20 | 南京擎盾信息科技有限公司 | 法律事件图谱构建方法、法律事件推理方法、装置和电子设备 |
CN116431779A (zh) * | 2023-03-15 | 2023-07-14 | 北京擎盾信息科技有限公司 | 法律领域faq问答的匹配方法、装置、存储介质及电子装置 |
CN116431779B (zh) * | 2023-03-15 | 2023-10-03 | 北京擎盾信息科技有限公司 | 法律领域faq问答的匹配方法、装置、存储介质及电子装置 |
CN117390293A (zh) * | 2023-12-12 | 2024-01-12 | 之江实验室 | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 |
CN117390293B (zh) * | 2023-12-12 | 2024-04-02 | 之江实验室 | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330071A (zh) | 一种法律咨询信息智能答复方法及平台 | |
CN103324609B (zh) | 文本校对装置和文本校对方法 | |
CN100461183C (zh) | 网络搜索中基于多种规则的元数据自动抽取方法 | |
CN103605665B (zh) | 一种基于关键词的评审专家智能检索与推荐方法 | |
Missikoff et al. | Integrated approach to web ontology learning and engineering | |
CN109063221A (zh) | 基于混合策略的查询意图识别方法和装置 | |
CN110334178A (zh) | 数据检索方法、装置、设备及可读存储介质 | |
CN106156365A (zh) | 一种知识图谱的生成方法及装置 | |
CN105302793A (zh) | 一种利用计算机自动评价科技文献新颖性的方法 | |
CN107992633A (zh) | 基于关键词特征的电子文档自动分类方法及系统 | |
KR20050036541A (ko) | 백과사전 질의응답 시스템의 지식베이스 반자동 구축 방법 | |
CN101609450A (zh) | 基于训练集的网页分类方法 | |
CN105787134B (zh) | 智能问答方法、装置及系统 | |
CN106126619A (zh) | 一种基于视频内容的视频检索方法及系统 | |
CN101887443A (zh) | 一种文本的分类方法及装置 | |
CN105843796A (zh) | 一种微博情感倾向分析方法及装置 | |
CN108595525A (zh) | 一种律师信息处理方法和系统 | |
CN108038506A (zh) | 一种图书自动分类方法 | |
CN110188077A (zh) | 一种电子卷宗智能分类方法、装置、电子设备和存储介质 | |
US9652997B2 (en) | Method and apparatus for building emotion basis lexeme information on an emotion lexicon comprising calculation of an emotion strength for each lexeme | |
WO2003019524A1 (en) | A method for automatically indexing documents | |
AU2002331728A1 (en) | A method for automatically indexing documents | |
CN106874397B (zh) | 一种面向物联网设备的自动语义标注方法 | |
Chantrapornchai et al. | Information extraction based on named entity for tourism corpus | |
CN108520038B (zh) | 一种基于排序学习算法的生物医学文献检索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |
|
RJ01 | Rejection of invention patent application after publication |