CN109299091B - 基于数据分析的智能推荐律师的方法、装置及计算机设备 - Google Patents

Abstract

本发明提出的基于数据分析的智能推荐律师的方法、装置、计算机设备和存储介质，其中方法包括：从预设数据库中获取案件信息；根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表，这样筛选出的律师不但方便快捷且匹配度更高，且与案件更适配，一方面免去寻找适合律师的麻烦，省时省力，一方面由于推荐的律师更加适合从而提高了各类纠纷的胜诉率。

Description

基于数据分析的智能推荐律师的方法、装置及计算机设备

技术领域

本发明涉及到数据分析的技术领域，特别是涉及到一种基于数据分析的智能推荐律师的方法、装置、计算机设备和存储介质。

背景技术

现在保险公司中，常常出现各种理赔纠纷，保险公司与投保的客户有可能会对簿公堂，因而保险公司需要选择律师与客户打官司，选择恰当的律师对于没有多少法律专业知识人来说相对较为困难，这时通常使用推荐工具获得需要的信息，但是现有技术方案中，律师推荐重点在于律师信息的管理，如律师注册、律师和用户关联；其次主要是通过人工方式，从候选律师库中进行关键词查找匹配，或者根据案件信息查找与该信息相似的裁判文书，从中推荐对应的律师，然而这些律师推荐手段还有很多因素没有考虑，通常会存在获得推荐的律师的符合程度低、效率低等等问题。

发明内容

本发明的主要目的为提供一种的符合程度较高的基于数据分析的智能推荐律师的方法、装置、计算机设备和存储介质。

本发明提出一种智能推荐律师的方法，包括：从预设数据库中获取案件信息；

根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；

从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；

将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表。

进一步地，所述从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师的步骤，包括：

在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师。

进一步地，所述在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师的步骤，包括：

在所述律师资料库中调用律师信息；

判断所述律师信息中的律师所在地是否满足所述案件审理地筛选条件；

若所述律师信息中的律师所在地满足所述案件审理地筛选条件，则判断所述律师信息中的律师习惯代理方式是否满足所述案件代理方式筛选条件；

若所述律师信息中的律师习惯代理方式满足所述案件代理方式筛选条件，则判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件；

若所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件，则判断所述律师信息中的律师等级是否满足所述律师等级筛选条件；

若所述律师信息中的律师等级满足所述律师等级筛选条件，则判断所述律师信息中的历史案例对应的法官是否满足所述案件法官筛选条件；

若所述律师信息中的历史案例对应的法官满足所述案件法官筛选条件，则判断所述律师信息中的历史案例对应的案件性质是否满足所述案件性质筛选条件；

若所述律师信息中的历史案例对应的案件性质满足所述案件性质筛选条件，则将所述律师信息对应的律师判定为所述备选律师。

进一步地，所述判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件的步骤，包括：

根据所述律师信息获取所述律师在历史案例中处理最多的一种案件争议点，以形成所述律师擅长争议点；

判断所述律师擅长争议点与所述案件信息中的争议点是否匹配；

若是，则判定所述律师擅长争议点满足所述案件争议点筛选条件。

进一步地，所述将所述备选律师对应所述备选律师的分数的降序进行排序得到备选律师表的步骤，包括：

依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数；

将所述备选律师依据所述分数的降序依次排序得到备选律师表。

进一步地，所述依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分的步骤，包括：

根据所述案件信息分析各个所述律师筛选条件的重要程度；

根据所述律师筛选条件的重要程度对所述备选律师的每一个筛选条件的得分进行加权求和得到所述评分。

进一步地，所述将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表的步骤之后，包括：

获取所述备选律师的胜诉率；

将所述备选律师的胜诉率对应所述备选律师填入所述备选律师表。

本发明还提供一种智能推荐律师的装置，包括：

获取模块，用于从预设数据库中获取案件信息；

生成模块，用于根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；

筛选模块，用于从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；

排序模块，用于将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表。

本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明的有益效果为：按设定的筛选条件在预设的律师资料库中筛选符合律师筛选条件的律师，这样筛选出的律师不但方便快捷且匹配度更高，且与案件更适配，一方面免去寻找适合律师的麻烦，省时省力，一方面由于推荐的律师更加适合从而提高了各类纠纷的胜诉率。

附图说明

图1为本发明一实施例中基于数据分析的智能推荐律师的方法的步骤示意图；

图2为本发明一实施例中基于数据分析的智能推荐律师的装置的结构示意框图；

图3为本发明一实施例的计算机设备的结构示意框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，本实施例中的基于数据分析的智能推荐律师的方法，包括：

步骤S1：从预设数据库中获取案件信息；

步骤S2：根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；

步骤S3：从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的律师，得到备选律师；

步骤S4：将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表。

在步骤S1中，案件信息为发生法律纠纷而产生的官司案件的信息，上述案件信息包括但不限该案件的审理地、法官、案件性质、案件的争议点、原/被告、上诉/被上诉人、审理法院级别以及根据案件的需要而要求的律师等级、案件的代理方式等信息。上述案件信息直接通过法律文书以及与发生该官司纠纷的对象的相关文件处获得，这些文件的信息存储于预设数据库中，当进行数据分析时直接将对应的信息从预设数据库中取出。

在步骤S2中，在筛选之前，需要预设律师筛选条件，上述律师筛选条件主要用作挑选出该官司需要的、对口的律师的限定条件，而从上述案件信息中可以获知该官司需要哪种律师，故而可以根据上述案件信息来设置满足筛选律师的条件，即可按照预设的筛选项目来生成上述律师筛选条件，具体为将案件的具体信息填入预设的筛选项目来生成上述律师筛选条件，预设的筛选项目包括审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质。对应的，生成的律师筛选条件包括审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、法官筛选条件以及案件性质筛选条件。如根据案件信息得到该案件的审理地为深圳，案件性质为合同纠纷，争议点为责任争议要求的律师等级为二级等信息，则第一预设规则可为将所在地为深圳，处理历史案例的案件性质为合同纠纷，处理历史案例的争议点为责任争议，律师的等级为二级等信息填入对应的筛选项目，从而生成律师需要满足的条件。

在步骤S3中，在生成上述律师筛选条件之后，在预设的律师资料库中基于数据分析筛选出符合律师筛选条件的备选律师，优选地，在进行筛选之前，需要从预设的律师资料库中调用上述律师信息，具体的说，预设的律师资料库中存储有合作过的律师资料以及通过各种途径收集到的律师资料，形成上述律师信息。如保险公司，一般具有专门的与其合作的律师资料，这些律师资料的信息存储于保险公司的律师资料库中。上述律师信息包括律师的历史案件案例、律师等级、胜诉率、所在地等等与处理官司案件有关的资料。本步骤中，将上述律师资料库中的律师逐一进行筛选，即根据每个律师的律师信息将该律师按照上述律师筛选条件进行筛选。

进一步地，上述步骤S3，包括：

步骤S30：在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师。

具体的说，根据调用到的律师信息按预设顺序，与律师筛选条件一一进行对比筛选，从而得到符合所有上述律师筛选条件的律师，即得到备选律师。

在步骤S4中，可以理解的是，经上述步骤得到备选律师可能不止一个，这时将这些备选律师按对应所述备选律师的分数的降序进行排序，从而得到备选律师表，可让用户根据实际情况在备选律师表中选择需要的律师，由于备选律师是按照上述案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质等筛选项目生成的筛选条件来筛选的，其中案件审理地符合则方便律师处理案件，依据案件代理方式、案件争议点、案件法官以及案件性质可选出有对案件有针对性的律师，依据律师等级则合理分配避免“大律师小用”，通过这样的筛选会大大提高律师与案件的符合程度，使得胜诉率提升，且系统自动筛选实现方便快捷。

在一个实施例中，上述基于数据分析筛选的过程可以参考上述步骤S30的具体步骤，这些具体步骤包括：

步骤S300：在所述律师资料库中调用律师信息；

步骤S301：判断所述律师信息中的律师所在地是否满足所述案件审理地筛选条件；

步骤S302：若所述律师信息中的律师所在地满足所述案件审理地筛选条件，则判断所述律师信息中的律师习惯代理方式是否满足所述案件代理方式筛选条件；

步骤S303：若所述律师信息中的律师习惯代理方式满足所述案件代理方式筛选条件，则判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件；

步骤S304：若所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件，则判断所述律师信息中的律师等级是否满足所述律师等级筛选条件；

步骤S305：若所述律师信息中的律师等级满足所述律师等级筛选条件，则判断所述律师信息中的历史案例对应的法官是否满足所述案件法官筛选条件；

步骤S306：若所述律师信息中的历史案例对应的法官满足所述案件法官筛选条件，则判断所述律师信息中的历史案例对应的案件性质是否满足所述案件性质筛选条件；

步骤S307：若所述律师信息中的历史案例对应的案件性质满足所述案件性质筛选条件，则将所述律师信息中对应的律师判定为备选律师。

在本实施例中，首先在上述律师资料库中调用律师信息，判断律师信息中的律师所在地是否满足案件审理地筛选条件，即判断律师的所在地是否为当前的案件审理地，如果律师所在地与案件审理地不是同一地方，一方面律师上法庭不便利，一方面考虑到律师有可能不希望出差等等因素，故而将案件审理地作为一个律师筛选条件进行筛选，若不满足，则直接将该律师排除。

在步骤S302中，若律师信息中的律师所在地满足案件审理地筛选条件，则继续判断该律师是否满足下一律师筛选条件，即判断该律师习惯代理方式是否与已根据案件情况选择出的案件代理方式匹配，案件代理方式包括一般代理和风险代理，具体的说，可从律师信息中获得律师的习惯代理方式，如A律师历史案件中80％为风险代理，20％为一般代理，那么这时默认该律师的习惯代理方式为风险代理，若当前案件需要的是一般代理，那么该律师不满足案件代理方式筛选条件，这时将该律师排除，若两者均为风险代理，说明该律师满足案件代理方式筛选条件，这时可以继续判断该律师是否满足下一筛选条件。

在步骤S303中，若律师信息中的律师习惯代理方式满足案件代理方式筛选条件，则判断律师信息中的律师擅长争议点是否满足案件争议点筛选条件，其中案件争议点包括有责任争议、户籍争议、拒赔争议、伤残争议、务工标准争议等等。在一个实施例中，上述步骤S303，包括：

步骤S3030：根据所述律师信息获取所述律师在历史案例中处理最多的一种案件争议点，以形成所述律师擅长争议点；

步骤S3031：判断所述律师擅长争议点与所述案件信息中的争议点是否匹配；

步骤S3032：若是，则判定所述律师擅长争议点满足所述案件争议点筛选项条件。

本实施例中，根据律师信息中对应的律师的历史案例信息得出律师擅长处理的争议点，具体可通过其处理案例的争议点的占比来确定，根据律师信息得到该律师在历史案例中处理占比最高的一种案件争议点，记为上述律师擅长争议点，举例地，A律师历史案件中占比最高的为责任争议，而当前案件的争议点也为责任争议，那么这时两者匹配，即判定该律师满足案件争议点筛选条件，否则为不匹配，这时将该律师排除，从而进一步为当前案件排除不适合的律师。

在步骤S304中，若所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件，则可判断该律师是否满足律师等级筛选条件，由于已根据案件信息生成律师筛选条件，即已设定该案件对应的律师等级，如果上述律师的律师等级与该设定的律师等级匹配，即满足该律师等级筛选条件。上述律师等级为国家有关文件规定的律师级别，如依据年限资历等评出的一级律师、二级律师以及三级律师等，可以根据当前案件的重要程度来设定恰当的律师等级的律师，这样避免浪费资源，如避免小案件采用大律师。

在步骤S305中，筛选出对应的等级的律师之后，可以根据审理当前案件的法官来进一步筛选，由于每个法官的审理风格和习惯可能都不一样，如果熟悉该法官的律师处理案件可能会更加得心应手，故而，可以将法官纳入筛选条件，通过律师信息得知该律师处理过的案例中是否有审理当前案件的法官，若没有则将该律师排除，有则说明满足该项律师筛选条件，这时可再进行判断该律师是否满足下一律师筛选条件。

在步骤S306中，若律师信息中的历史案例对应的法官满足法官筛选条件，则判断律师信息中的历史案例对应的案件性质是否满足案件性质筛选条件，即将律师信息中的历史案例中最高占比的案件性质与当前的案件性质匹配，上述案件性质是指案件的类型，包括但不限于合同纠纷、侵权纠纷等，若案件性质匹配，说明该律师更加适合处理当前案件，否则，则将该律师排除。

在步骤S307，若律师信息中的案件性质满足案件性质筛选条件，即经过上述步骤表明律师信息对应的律师满足所有根据当前的案件信息生成的律师筛选条件，这时获得律师即为可向用户推荐的适合的备选律师，这样依次调用将律师资料库中的每个律师的律师信息，从中筛选出多个上述备选律师。

举例地，有100个律师，先按案件所在地筛选，有70个是在当前案件所在地的律师，那么就筛选出这70个，剔除30个；接着按案件代理方式筛选，当前案件需要的是一般代理，而有60个是处理一般争议案例的比重比较多，则筛选出这60个律师，其余的排除，接着是案件争议点，其中有50个律擅长处理的争议点与当前案件争议点一致(同理，可以根据争议点占所有案例的比重来确定，比重最高的默认为该律师擅长处理的争议点)，接着按律师等级，根据当前案件情况需要的是一级律师，根据律师信息，上述50个律师中有30个位一级律师，那么一级以下的律师全部排除，剩下这30个律师继续进行筛选；再按法官筛条件进行筛选，上述30个律师中处理过该法官审理的案例律师有20个，那么剩下这20个律师继续进行筛选；然后按照案件性质进行筛选，当前案件为合同纠纷，上述20个律师中有10个律师处理过的案例中合同纠纷的比例最高，那么最后剩下10个律师，经过上述层层筛选，这10个律师均为适合的备选律师，这时可以将这些律师推荐给用户，让用户进行挑选。

在另一个实施例中，上述步骤S30包括：在上述律师资料库中调用律师信息；判断律师信息中的律师擅长争议点是否满足案件争议点筛选条件；若律师信息中的律师擅长争议点满足案件争议点筛选条件，则判断律师信息中的律师等级是否满足律师等级筛选条件；若律师信息中的律师等级满足律师等级筛选条件，判断律师信息中的律师所在地是否满足案件审理地筛选条件；若律师信息中的律师所在地满足所述案件审理地筛选条件，则判断律师信息中的历史案例对应的法官是否满足法官筛选条件；若律师信息中的历史案例对应的法官满足法官筛选条件，则判断律师信息中的历史案例对应的案件性质是否满足案件性质筛选条件；若律师信息中的历史案例对应的案件性质满足案件性质筛选条件，则判断律师信息中的律师习惯代理方式是否满足案件代理方式筛选条件；若律师信息中的律师习惯代理方式满足案件代理方式筛选条件，则将律师信息对应的律师判定为备选律师。

在一个实施例中，上述步骤S4，包括：

步骤S40：依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数；

步骤S41：将所述备选律师依据所述分数的降序依次排序得到备选律师表。

在步骤S40中，为了便于用户选择，可以在筛选的过程中根据律师满足律师筛选条件的情况对备选律师进行评分，具体的说，依据律师筛选条件，律师每满足一个律师筛选条件相应的加一定的分数，加分数的多少根据满足律师筛选条件的程度而定，然后就每项分数相加得到最终分数，该分数即是经过筛选后备选律师的评分，举例地，最高分数为100分，上述满足案件审理地的律师加10分，满足律师等级的加10分，满足上述案件代理方式的加5-10分，满足案件争议点筛选条件的加15-30分、满足法官筛选条件的加5-10分以及满足案件性质筛选条件加15-30分，具体地，在案件代理方式筛选条件中，依据律师处理过的案例的比重评分，如比重占80％以上则加10分，若是70％-80％则加8分，若是50％-70％则加5分；同理，上述案件争议点、法官以及案件性质等筛选条件都可以按照上述规则分别给筛选出的律师加分，由于每个律师处理的案件都不一样，所以最终得出的每个律师的分数可能有差别。

在另一实施例中，上述步骤S40，包括：

步骤S401：根据所述案件信息分析各个所述律师筛选条件的重要程度；

步骤S402：根据所述律师筛选条件的重要程度对所述备选律师的每一个筛选条件的得分进行加权求和得到所述评分。

可以理解的是，由于每个案件都不一样，性质不一样，故而对于每个案件来对应上述律师筛选条件的重要程度可能都不一样，这时可以根据当前案件的案件信息，分析各个律师筛选条件的重要程度，然后对应这些律师筛选条件的重要程度对备选律师的每一个筛选条件的得分进行加权求和，从而得到每个备选律师的评分，具体的说，上述备选律师每满足一个筛选条件即可得到相应的分数，然后根据该筛选条件的重要程度加权，最后将所有加权后的分数相加得到上述分数。

在步骤S41中，为了让用户更加直观，选择更方便，则将上述已评分的备选律师进行排序，具体可以根据分数降序排序，即按分数由高至低依次排序，然后得到律师备选表。

进一步地，上述步骤S4之后，包括：

步骤S5：获取所述备选律师的胜诉率；

步骤S6：将所述备选律师的胜诉率对应所述备选律师填入所述备选律师表。

本实施例中，可以在上述律师信息中获取备选律师的胜诉率，上述胜诉率是指该律师在处理过全部的案例中，其中胜诉的案例占全部的案例的比例，胜诉率越高在一定程度上可以反映该律师的能力越强，故而，在上述备选律师表格中，将对应备选律师的胜诉率填入到该备选律师表中，在分数的基础上增加了胜诉率作为让用户做出选择的参考条件，让用户更进一步了解备选律师，选择最适合的律师。

参照图2，本实施例中基于数据分析的智能推荐律师的装置，包括：

获取模块100，用于从预设数据库中获取案件信息；

生成模块200，用于根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；

筛选模块300，用于从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；

排序模块400，用于将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表。

在本实施例中，案件信息为发生法律纠纷而产生的官司案件的信息，上述案件信息包括但不限该案件的审理地、法官、案件性质、案件的争议点、原/被告、上诉/被上诉人、审理法院级别以及根据案件的需要而要求的律师等级、案件的代理方式等信息。上述案件信息直接通过法律文书以及与发生该官司纠纷的对象的相关文件处获得，这些文件的信息存储于预设数据库中，当进行数据分析时直接将对应的信息从预设数据库中取出。

在筛选之前，需要预设律师筛选条件，上述律师筛选条件主要用作挑选出该官司需要的、对口的律师的限定条件，而从上述案件信息中可以获知该官司需要哪种律师，故而可以根据上述案件信息来设置满足筛选律师的条件，即生成模块200可按照预设的筛选项目来生成上述律师筛选条件，具体为将案件的具体信息填入预设的筛选项目来生成上述律师筛选条件，预设的筛选项目包括审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质。对应的，生成的律师筛选条件包括审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、法官筛选条件以及案件性质筛选条件。如根据案件信息得到该案件的审理地为深圳，案件性质为合同纠纷，争议点为责任争议要求的律师等级为二级等信息，则第一预设规则可为将所在地为深圳，处理历史案例的案件性质为合同纠纷，处理历史案例的争议点为责任争议，律师的等级为二级等信息填入对应的筛选项目，从而生成律师需要满足的条件。

在生成上述律师筛选条件之后，筛选模块300在预设的律师资料库中基于数据分析筛选出符合律师筛选条件的备选律师，优选地，在进行筛选之前，需要从预设的律师资料库中调用上述律师信息，具体的说，预设的律师资料库中存储有合作过的律师资料以及通过各种途径收集到的律师资料，形成上述律师信息。如保险公司，一般具有专门的与其合作的律师资料，这些律师资料的信息存储于保险公司的律师资料库中。上述律师信息包括律师的历史案件案例、律师等级、胜诉率、所在地等等与处理官司案件有关的资料。将上述律师资料库中的律师逐一进行筛选，即根据每个律师的律师信息将该律师按照上述律师筛选条件进行筛选。

进一步地，上述筛选模块300，包括：

筛选子模块，用于在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师。

具体的说，根据调用到的律师信息按预设顺序，与律师筛选条件一一进行对比筛选，从而得到符合所有上述律师筛选条件的律师，即得到备选律师。

可以理解的是，上述得到备选律师可能不止一个，这时排序模块400将这些备选律师按对应所述备选律师的分数的降序进行排序，从而得到备选律师表，可让用户根据实际情况在备选律师表中选择需要的律师，由于备选律师是按照上述案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质等筛选项目生成的筛选条件来筛选的，其中案件审理地符合则方便律师处理案件，依据案件代理方式、案件争议点、案件法官以及案件性质可选出有对案件有针对性的律师，依据律师等级则合理分配避免“大律师小用”，通过这样的筛选会大大提高律师与案件的符合程度，使得胜诉率提升，且系统自动筛选实现方便快捷

在一个实施例中，上述基于数据分析筛选的过程可以参考上述筛选子模块，包括：

调用单元，用于在所述律师资料库中调用律师信息；

第一判断单元，用于判断所述律师信息中的律师所在地是否满足所述案件审理地筛选条件；

第二判断单元，用于所述律师信息中的律师所在地满足所述案件审理地筛选条件时，判断所述律师信息中的律师习惯代理方式是否满足所述案件代理方式筛选条件；

第三判断单元，用于所述律师信息中的律师习惯代理方式满足所述案件代理方式筛选条件时，判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件；

第四判断单元，用于所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件时，判断所述律师信息中的律师等级是否满足所述律师等级筛选条件；

第五判断单元，用于所述律师信息中的律师等级满足所述律师等级筛选条件时，判断所述律师信息中的历史案例对应的法官是否满足所述案件法官筛选条件；

第六判断单元，用于所述律师信息中的历史案例对应的法官满足所述法案件官筛选条件时，判断所述律师信息中的历史案例对应的案件性质是否满足所述案件性质筛选条件；

第七判断单元，用于所述律师信息中的历史案例对应的案件性质满足所述案件性质筛选条件时，则将所述律师信息中对应的律师判定为备选律师。

在本实施例中，调用单元首先在上述律师资料库中调用律师信息，然后第一判断单元判断律师信息中的律师所在地是否满足案件审理地筛选条件，即判断律师的所在地是否为当前的案件审理地，如果律师所在地与案件审理地不是同一地方，一方面律师上法庭不便利，一方面考虑到律师有可能不希望出差等等因素，故而将案件审理地作为一个律师筛选条件进行筛选，若不满足，则直接将该律师排除。

若律师信息中的律师所在地满足案件审理地筛选条件，则第二判断单元继续判断该律师是否满足下一律师筛选条件，即判断该律师习惯代理方式是否与已根据案件情况选择出的案件代理方式匹配，案件代理方式包括一般代理和风险代理，具体的说，可从律师信息中获得律师的习惯代理方式，如A律师历史案件中80％为风险代理，20％为一般代理，那么这时默认该律师的习惯代理方式为风险代理，若当前案件需要的是一般代理，那么该律师不满足案件代理方式筛选条件，这时将该律师排除，若两者均为风险代理，说明该律师满足案件代理方式筛选条件，这时可以继续判断该律师是否满足下一筛选条件。

若律师信息中的律师习惯代理方式满足案件代理方式筛选条件，则第三判断单元判断律师信息中的律师擅长争议点是否满足案件争议点筛选条件，其中案件争议点包括有责任争议、户籍争议、拒赔争议、伤残争议、务工标准争议等等。在一个实施例中，上述第三判断单元，包括：

获取子单元，用于根据所述律师信息获取所述律师在历史案例中处理最多的一种案件争议点，以形成所述律师擅长争议点；

判断子单元，用于判断所述律师擅长争议点与所述案件信息中的争议点是否匹配；

判定子单元，用于判定所述律师擅长争议点与所述案件信息中的争议点匹配时，则判定所述律师擅长争议点满足所述案件争议点筛选项条件。

本实施例中，根据律师信息中对应的律师的历史案例信息得出律师擅长处理的争议点，具体可通过其处理案例的争议点的占比来确定，根据律师信息得到该律师在历史案例中处理占比最高的一种案件争议点，记为上述律师擅长争议点，举例地，A律师历史案件中占比最高的为责任争议，而当前案件的争议点也为责任争议，那么这时两者匹配，即判定该律师满足案件争议点筛选条件，否则为不满足，这时将该律师排除，从而进一步为当前案件排除不适合的律师。

若所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件，则第四判断单元可判断该律师是否满足律师等级筛选条件，由于已根据案件信息按第一预设规则生成律师筛选条件，即已设定该案件对应的律师等级，如果上述律师的律师等级与该设定的律师等级匹配，即满足该律师等级筛选条件。上述律师等级为国家有关文件规定的律师级别，如依据年限资历等评出的一级律师、二级律师以及三级律师等，可以根据当前案件的重要程度来设定恰当的律师等级的律师，这样避免浪费资源，如避免小案件采用大律师。

筛选出对应的等级的律师之后，第五判断单元可以根据审理当前案件的法官来进一步筛选，由于每个法官的审理风格和习惯可能都不一样，如果熟悉该法官的律师处理案件可能会更加得心应手，故而，可以将法官纳入筛选条件，通过律师信息得知该律师处理过的案例中是否有审理当前案件的法官，若没有则将该律师排除，有则说明满足该项律师筛选条件，这时可再进行判断该律师是否满足下一律师筛选条件。

若律师信息中的历史案例对应的法官满足法官筛选条件，则第六判断单元判断律师信息中的历史案例对应的案件性质是否满足案件性质筛选条件，即将律师信息中的历史案例中最高占比的案件性质与当前的案件性质匹配，上述案件性质是指案件的类型，包括但不限于合同纠纷、侵权纠纷等，若案件性质匹配，说明该律师更加适合处理当前案件，否则，则将该律师排除。

若律师信息中的案件性质满足案件性质筛选条件，即表明上述律师信息对应的律师满足所有根据当前的案件信息生成的律师筛选条件，这时获得律师即为可向用户推荐的适合的备选律师，这样依次调用将律师资料库中的每个律师的律师信息，从中筛选出多个上述备选律师。

举例地，有100个律师，先按案件所在地筛选，有70个是在当前案件所在地的律师，那么就筛选出这70个，剔除30个；接着按案件代理方式筛选，当前案件需要的是一般代理，而有60个是处理一般争议案例的比重比较多，则筛选出这60个律师，其余的排除，接着是案件争议点，其中有50个律擅长处理的争议点与当前案件争议点一致(同理，可以根据争议点占所有案例的比重来确定，比重最高的默认为该律师擅长处理的争议点)，接着按律师等级，根据当前案件情况需要的是一级律师，根据律师信息，上述50个律师中有30个位一级律师，那么一级以下的律师全部排除，剩下这30个律师继续进行筛选；再按法官筛选条件来进行筛选，上述30个律师中处理过该法官审理的案例律师有20个，那么剩下这20个律师继续进行筛选；然后按照案件性质进行筛选，当前案件为合同纠纷，上述20个律师中有10个律师处理过的案例中合同纠纷的比例最高，那么最后剩下10个律师，经过上述层层筛选，这10个律师均为适合的备选律师，这时可以将这些律师推荐给用户，让用户进行挑选。

在另一个实施例中，上述筛选子模块包括：在上述律师资料库中调用律师信息；判断律师信息中的律师擅长争议点是否满足案件争议点筛选条件；若律师信息中的律师擅长争议点满足案件争议点筛选条件，则判断律师信息中的律师等级是否满足律师等级筛选条件；若律师信息中的律师等级满足律师等级筛选条件，判断律师信息中的律师所在地是否满足案件审理地筛选条件；若律师信息中的律师所在地满足所述案件审理地筛选条件，则判断律师信息中的历史案例对应的法官是否满足法官筛选条件；若律师信息中的历史案例对应的法官满足法官筛选条件，则判断律师信息中的历史案例对应的案件性质是否满足案件性质筛选条件；若律师信息中的历史案例对应的案件性质满足案件性质筛选条件，则判断律师信息中的律师习惯代理方式是否满足案件代理方式筛选条件；若律师信息中的律师习惯代理方式满足案件代理方式筛选条件，则将律师信息对应的律师判定为备选律师。

在一个实施例中，上述排序模块400，包括：

评分子模块，用于依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数；

排序子模块，用于将所述备选律师依据所述分数的降序依次排序得到备选律师表。

为了便于用户选择，评分子模块可以在筛选的过程中根据律师满足律师筛选条件的情况对备选律师进行评分，具体的说，依据律师筛选条件，律师每满足一个律师筛选条件相应的加一定的分数，加分数的多少根据满足律师筛选条件的程度而定，然后就每项分数相加得到最终分数，该分数即是经过筛选后备选律师的评分，举例地，最高分数为100分，上述满足案件审理地的律师加10分，满足律师等级的加10分，满足上述案件代理方式的加5-10分，满足案件争议点筛选条件的加15-30分、满足法官筛选条件的加5-10分以及满足案件性质筛选条件加15-30分，具体地，在案件代理方式筛选条件中，依据律师处理过的案例的比重评分，如比重占80％以上则加10分，若是70％-80％则加8分，若是50％-70％则加5分；同理，上述案件争议点、法官以及案件性质等筛选条件都可以按照上述规则分别给筛选出的律师加分，由于每个律师处理的案件都不一样，所以最终得出的每个律师的分数可能有差别。

在另一实施例中，上述评分子模块，包括：

分析单元，用于根据所述案件信息分析各个所述律师筛选条件的重要程度；

求分单元，用于根据所述律师筛选条件的重要程度对所述备选律师的每一个筛选条件的得分进行加权求和得到所述评分。

可以理解的是，由于每个案件都不一样，性质不一样，故而对于每个案件来对应上述律师筛选条件的重要程度可能都不一样，这时可以根据当前案件的案件信息，分析各个律师筛选条件的重要程度，然后根据这些律师筛选条件的重要程度对备选律师的每一个筛选条件的得分进行加权求和，从而得到每个备选律师的评分，具体的说，上述备选律师每满足一个筛选条件即可得到相应的分数，然后根据该筛选条件的重要程度加权，最后将所有加权后的分数相加得到上述分数。

最后为了让用户更加直观，选择更方便，排序子模块将上述已评分的备选律师进行排序，具体可以根据分数降序排序，即按分数由高至低依次排序，然后得到律师备选表。

进一步地，上述智能推荐律师的装置，还包括：

胜诉模块，用于获取所述备选律师的胜诉率；

填入模块，用于将所述备选律师的胜诉率对应所述备选律师填入所述备选律师表。

本实施例中，胜诉模块在上述律师信息中获取备选律师的胜诉率，上述胜诉率是指该律师在处理过全部的案例中，其中胜诉的案例占全部的案例的比例，胜诉率越高在一定程度上可以反映该律师的能力越强，故而，填入模块将对应备选律师的胜诉率填入到该备选律师表中，在分数的基础上增加了胜诉率作为让用户做出选择的参考条件，让用户更进一步了解备选律师，选择最适合的律师。

参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于数据分析的智能推荐律师的方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于数据分析的智能推荐律师的方法。

上述处理器执行上述基于数据分析的智能推荐律师的方法的步骤：从预设数据库中获取案件信息；根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表。

上述计算机设备，上述从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师的步骤，包括：在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师。

在一个实施例中，上述在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师的步骤，包括：在所述律师资料库中调用律师信息；判断所述律师信息中的律师所在地是否满足所述案件审理地筛选条件；若所述律师信息中的律师所在地满足所述案件审理地筛选条件，则判断所述律师信息中的律师习惯代理方式是否满足所述案件代理方式筛选条件；若所述律师信息中的律师习惯代理方式满足所述案件代理方式筛选条件，则判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件；若所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件，则判断所述律师信息中的律师等级是否满足所述律师等级筛选条件；若所述律师信息中的律师等级满足所述律师等级筛选条件，则判断所述律师信息中的历史案例对应的法官是否满足所述案件法官筛选条件；若所述律师信息中的历史案例对应的法官满足所述案件法官筛选条件，则判断所述律师信息中的历史案例对应的案件性质是否满足所述案件性质筛选条件；若所述律师信息中的历史案例对应的案件性质满足所述案件性质筛选条件，则将所述律师信息对应的律师判定为备选律师。

在一个实施例中，上述判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件的步骤，包括：根据所述律师信息获取所述律师在历史案例中处理最多的一种案件争议点，以形成所述律师擅长争议点；判断所述律师擅长争议点与所述案件信息中的争议点是否匹配；若是，则判定所述律师擅长争议点满足所述案件争议点筛选条件。

在一个实施例中，上述将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表的步骤，包括：依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数；将所述备选律师依据所述分数的降序依次排序得到备选律师表。

在一个实施例中，上述对所述依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数的步骤，包括：根据所述案件信息分析各个所述律师筛选条件的重要程度；根据所述律师筛选条件的重要程度对所述备选律师的每一个筛选条件的得分进行加权求和得到所述评分。

在一个实施例中，上述将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表的步骤之后，包括：获取所述备选律师的胜诉率；将所述备选律师的胜诉率对应所述备选律师填入所述备选律师表。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种基于数据分析的智能推荐律师的方法，具体为：从预设数据库中获取案件信息；根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表。

上述计算机可读存储介质，上述从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师的步骤，包括：在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师。

在一个实施例中，上述在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师的步骤，包括：在所述律师资料库中调用律师信息；判断所述律师信息中的律师所在地是否满足所述案件审理地筛选条件；若所述律师信息中的律师所在地满足所述案件审理地筛选条件，则判断所述律师信息中的律师习惯代理方式是否满足所述案件代理方式筛选条件；若所述律师信息中的律师习惯代理方式满足所述案件代理方式筛选条件，则判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件；若所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件，则判断所述律师信息中的律师等级是否满足所述律师等级筛选条件；若所述律师信息中的律师等级满足所述律师等级筛选条件，则判断所述律师信息中的历史案例对应的法官是否满足所述案件法官筛选条件；若所述律师信息中的历史案例对应的法官满足所述案件法官筛选条件，则判断所述律师信息中的历史案例对应的案件性质是否满足所述案件性质筛选条件；若所述律师信息中的历史案例对应的案件性质满足所述案件性质筛选条件，则将所述律师信息对应的律师判定为备选律师。

在一个实施例中，上述判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件的步骤，包括：根据所述律师信息获取所述律师在历史案例中处理最多的一种案件争议点，以形成所述律师擅长争议点；判断所述律师擅长争议点与所述案件信息中的争议点是否匹配；若是，则判定所述律师擅长争议点满足所述案件争议点筛选条件。

在一个实施例中，上述将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表的步骤，包括：依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数；将所述备选律师依据所述分数的降序依次排序得到备选律师表。

在一个实施例中，上述对所述依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数的步骤，包括：根据所述案件信息分析各个所述律师筛选条件的重要程度；根据所述律师筛选条件的重要程度对所述备选律师的每一个筛选条件的得分进行加权求和得到所述评分。

在一个实施例中，上述将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表的步骤之后，包括：获取所述备选律师的胜诉率；将所述备选律师的胜诉率对应所述备选律师填入所述备选律师表。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种基于数据分析的智能推荐律师的方法，其特征在于，包括：

从预设数据库中获取案件信息；

根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；

从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；

将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表；

所述将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表的步骤，包括：

依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数；

将所述备选律师依据所述分数的降序依次排序得到备选律师表；

所述依据所述备选律师满足所述律师筛选条件的情况对所述备选律师进行评分，以使每个所述备选律师得到相应的分数的步骤，包括：

根据所述案件信息分析各个所述律师筛选条件的重要程度；

根据所述律师筛选条件的重要程度对所述备选律师的每一个筛选条件的得分进行加权求和得到所述评分；

所述将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表的步骤之后，包括：

获取所述备选律师的胜诉率；

将所述备选律师的胜诉率对应所述备选律师填入所述备选律师表；

所述从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师的步骤，包括：

在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师。

2.根据权利要求1所述的基于数据分析的智能推荐律师的方法，其特征在于，所述在所述律师资料库中，将所述律师筛选条件中的审理地筛选条件、案件代理方式筛选条件、案件争议点筛选条件、律师等级筛选条件、案件法官筛选条件以及案件性质筛选条件按照预设顺序进行筛选，以得到所述备选律师的步骤，包括：

在所述律师资料库中调用律师信息；

判断所述律师信息中的律师所在地是否满足案件审理地筛选条件；

若所述律师信息中的律师所在地满足案件审理地筛选条件，则判断所述律师信息中的律师习惯代理方式是否满足所述案件代理方式筛选条件；

若所述律师信息中的律师习惯代理方式满足所述案件代理方式筛选条件，则判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件；

若所述律师信息中的律师擅长争议点满足所述案件争议点筛选条件，则判断所述律师信息中的律师等级是否满足所述律师等级筛选条件；

若所述律师信息中的律师等级满足所述律师等级筛选条件，则判断所述律师信息中的历史案例对应的法官是否满足所述案件法官筛选条件；

若所述律师信息中的历史案例对应的法官满足所述案件法官筛选条件，则判断所述律师信息中的历史案例对应的案件性质是否满足所述案件性质筛选条件；

若所述律师信息中的历史案例对应的案件性质满足所述案件性质筛选条件，则将所述律师信息对应的律师判定为所述备选律师。

3.根据权利要求2所述的基于数据分析的智能推荐律师的方法，其特征在于，所述判断所述律师信息中的律师擅长争议点是否满足所述案件争议点筛选条件的步骤，包括：

根据所述律师信息获取所述律师在历史案例中处理最多的一种案件争议点，以形成所述律师擅长争议点；

判断所述律师擅长争议点与所述案件信息中的争议点是否匹配；

若是，则判定所述律师擅长争议点满足所述案件争议点筛选条件。

4.一种基于数据分析的智能推荐律师的装置，其特征在于，用于执行权利要求1-3任一项所述的智能推荐律师的方法，包括：

获取模块，用于从预设数据库中获取案件信息；

生成模块，用于根据所述案件信息，按照预设的筛选项目生成对应所述案件信息的律师筛选条件，所述预设的筛选项目包括案件审理地、案件代理方式、案件争议点、律师等级、案件法官以及案件性质；

筛选模块，用于从预设的律师资料库中基于数据分析筛选出符合所述律师筛选条件的备选律师；

排序模块，用于将所述备选律师按对应所述备选律师的分数的降序进行排序得到备选律师表。

5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述方法的步骤。