CN109710751A - 法律文件的智能推荐方法、装置、设备及存储介质 - Google Patents

Abstract

本发明属于智能决策技术领域，公开了一种法律文件的智能推荐方法、装置、设备及存储介质。该方法包括：接收用户触发的法律文件查找指令，根据所述法律文件查找指令获取所述用户提供的待咨询问题；根据关键词提取算法，从所述待咨询问题中提取第一关键词；根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号；根据所述标识号查找所述法律文件，将所述法律文件推送给所述用户。本发明中通过借助智能决策技术，根据用户需求为用户推荐合适的法律文件，从而可以协助不具备法律知识的用户能够更好的学习、理解和使用法律维护自身权益。

Description

法律文件的智能推荐方法、装置、设备及存储介质

技术领域

本发明涉及智能决策技术领域，尤其涉及一种法律文件的智能推荐方法、装置、设备及存储介质。

背景技术

随着社会的进步，信息时代的到来，人们的法律意识不断提高，法律需求也随着生活质量的提高不断地膨胀。

但是，由于法律的专业性，因而使得大部分不具备法律知识的用户，在遇到形形色色的法律问题时，仅凭自己的力量根本无法从众多的法律文献中查找到合适的法律文件，帮助自己解决问题。

所以，亟需提供一种法律文件的智能推荐方法，以协助不具备法律知识的用户能够更好的学习、理解和使用法律维护自身权益。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种法律文件的智能推荐方法、装置、设备及存储介质，旨在根据用户需求为用户推荐合适的法律文件，以协助不具备法律知识的用户能够更好的学习、理解和使用法律维护自身权益。

为实现上述目的，本发明提供了一种法律文件的智能推荐方法，所述方法包括以下步骤:

接收用户触发的法律文件查找指令，根据所述法律文件查找指令获取所述用户提供的待咨询问题；

根据关键词提取算法，从所述待咨询问题中提取第一关键词；

根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号；

根据所述标识号查找所述法律文件，将所述法律文件推送给所述用户。

优选地，所述根据关键词提取算法，从所述待咨询问题中提取第一关键词之前，所述方法还包括：

确定所述待咨询问题的格式；

若所述待咨询问题为语音格式，则利用语音识别技术，将语音格式的待咨询问题转换为文本格式的待咨询问题；

若所述待咨询问题为图片格式，则利用光学字符识别技术，将图片格式的待咨询问题转换为文本格式的待咨询问题；

其中，所述根据关键词提取算法，从所述待咨询问题中提取第一关键词，包括：

根据关键词提取算法，从所述文本格式的待咨询问题中提取第一关键词。

优选地，所述根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理之前，所述方法还包括：

对所述第一关键词进行拓展，得到第二关键词；

其中，所述根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号，包括：

根据预先训练获得的法律文件匹配模型对所述第二关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号。

优选地，所述将所述法律文件推送给所述用户，包括：

计算各法律文件与所述待咨询问题的匹配值；

将所述匹配值大于阈值的法律文件推送给所述用户。

优选地，所述将所述匹配值大于阈值的法律文件推送给所述用户之后，所述方法还包括：

接收所述用户触发的法律文件查看指令，在所述用户查看所述法律文件的过程中，获取所述用户的面部表情；

根据所述面部表情，判断所述用户是否理解所述法律文件中记载的内容；

若所述用户不理解所述法律文件中记载的内容，则根据视觉追踪技术确定所述用户当前注视的内容；

根据关键词提取算法，从所述用户当前注视的内容中提取第三关键词；

根据所述第三关键词，查找与所述用户当前注视的内容相关的参考资料，将所述参考资料推送给所述用户，以辅助所述用户理解所述法律文件。

优选地，所述将所述参考资料推送给所述用户，包括：

获取所述用户的生物特征信息，根据所述生物特征信息查找所述用户的用户信息；

根据所述用户信息，从各参考资料中筛选出适于所述用户查看的目标参考资料；

将所述目标参考资料推送给所述用户。

优选地，所述将所述匹配值大于阈值的法律文件推送给所述用户之后，所述方法还包括：

接收所述用户触发的法律文件分享指令，为所述用户提供分享渠道列表，所述分享渠道列表中的分享渠道根据使用热度排列；

接收所述用户对所述分享渠道列表中任一分享渠道的选中指令，生成所述法律文件的分享信息；

将所述分享信息通过选中的分享渠道发送出去，并为所述用户派发分享奖励。

此外，为实现上述目的，本发明还提出一种法律文件的智能推荐装置，所述装置包括：

获取模块，用于接收用户触发的法律文件查找指令，根据所述法律文件查找指令获取所述用户提供的待咨询问题；

提取模块，用于根据关键词提取算法，从所述待咨询问题中提取第一关键词；

匹配模块，用于根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号；

推送模型，用于根据所述标识号查找所述法律文件，将所述法律文件推送给所述用户。

此外，为实现上述目的，本发明还提出一种法律文件的智能推荐设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的法律文件的智能推荐程序，所述法律文件的智能推荐程序配置为实现如上文所述的法律文件的智能推荐方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有法律文件的智能推荐程序，所述法律文件的智能推荐程序被处理器执行时实现如上文所述的法律文件的智能推荐方法的步骤。

本发明提供的法律文件的智能推荐方案，在用户需要查找相关法律文件解决自己遇到的问题时，通过利用关键词提取技术从用户提供的待咨询问题中提取第一关键词，并借助预先训练获得的法律文件匹配模型对提取到的第一关键词进行分析处理，可以快速准确的确定与用户提供的待咨询问题匹配的法律文件的标识号，然后根据得到的标识号去查找相应的法律文件，并将查找到的法律文件推送给用户即可。整个过程用户只需提供自己遇到的待咨询问题，无需花费大量精力从众多的法律文献中查找、筛选法律文件，便可获得符合自己需求的法律文件，在提升用户体验的同时，能够协助不具备法律知识的用户能够更好的学习、理解和使用法律维护自身权益。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的法律文件的智能推荐设备的结构示意图；

图2为本发明法律文件的智能推荐方法第一实施例的流程示意图；

图3为本发明法律文件的智能推荐方法第二实施例的流程示意图；

图4为本发明法律文件的智能推荐方法中步骤S50包括的子步骤流程示意图；

图5为本发明法律文件的智能推荐装置第一实施例的结构框图。

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用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的法律文件的智能推荐设备结构示意图。

如图1所示，该法律文件的智能推荐设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对法律文件的智能推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及法律文件的智能推荐程序。

在图1所示的法律文件的智能推荐设备中，网络接口1004主要用于与存储有法律文献的数据平台及互联网平台进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明法律文件的智能推荐设备中的处理器1001、存储器1005可以设置在法律文件的智能推荐设备中，所述法律文件的智能推荐设备通过处理器1001调用存储器1005中存储的法律文件的智能推荐程序，并执行本发明实施例提供的法律文件的智能推荐方法。

本发明实施例提供了一种法律文件的智能推荐方法。在本实施例中的执行主体可以是存储有众多法律文件的服务器，也可以是用户的终端设备，比如智能手机、平板电脑、个人计算机等，此处不再一一列举，对此也不做限制。

为了便于说明，以下以执行主体为终端设备为例，结合图2给出的法律文件的智能推荐方法的流程示意图进行具体说明。

在本实施例中，所述法律文件的智能推荐方法包括以下步骤：

步骤S10，接收用户触发的法律文件查找指令，根据所述法律文件查找指令获取所述用户提供的待咨询问题。

应当理解的是，由于本实施例中的执行主体为终端设备，因而上述提到的用户触发的法律文件查找指令，具体可以是用户打开了终端设备上安装的用于辅助用户了解法律知识的某一应用程序(以下简称法律app)，然后通过点击法律app上的某一功能按键，比如法律app上设置的文本搜索框，或者语音搜索按键，还或者图片搜索按键等，此处不再一一列举，对此也不做限制。

相应地，获取到的待咨询问题，具体可以是用户在文本搜索框中输入的文本信息，也可以是在按下语音搜索按键后说的语音信息，还可以是用户上传的图像信息。

此外，应当理解的是，在用户提供的待咨询问题为图像信息时，上传的方式可以是直接从终端设备本地的存储空间获取的，也可以是由法律app启动终端设备的摄像头直接拍摄的，具体是上传方式，本领域的技术人员可以根据需要设置，此处不做限制。

步骤S20，根据关键词提取算法，从所述待咨询问题中提取第一关键词。

具体的说，由于获取到的待咨询问题可能存在上述几种格式(文本格式、语音格式、图片格式)，因而在执行步骤S20之前，需要先确定所述待咨询问题的格式。

相应地，若所述待咨询问题为语音格式，则利用语音识别技术，将语音格式的待咨询问题转换为文本格式的待咨询问题；若所述待咨询问题为图片格式，则利用光学字符识别技术，将图片格式的待咨询问题转换为文本格式的待咨询问题；若所述待咨询问题为文本格式，则直接根据关键词提取算法，执行提取第一关键词的操作。

因而，步骤S20中提取第一关键词的操作，具体是根据关键词提取算法，从所述文本格式的待咨询问题中提取第一关键词。

此外，应当理解的是，为了保证提取出的第一关键词具有较高的参考价值，保证后续匹配出的法律文件能够与待咨询问题匹配。因而可以在根据关键词提取算法，从所述文本格式的待咨询问题中提取第一关键词之前，先对文本格式的待咨询问题进行文本预处理操作。

比如说，去停用词，即去掉待咨询问题中含有的如：呢、吗、啊等没有实际意义的词。

还比如说，去掉无效特殊字符，如表情符号、各种标点符号等。

相应地，在将语音格式的待咨询问题转换为文本格式的待咨询问题之前，同样可以先对语音格式的待咨询问题进行一系列预处理操作，比如滤波、去除干扰声音等操作，以保证转换出的文本信息更加准确。

同理，在将图片格式的待咨询问题转换为文本格式的待咨询问题之前，同样可以先对图片格式的待咨询问题进行一系列预处理操作，比如灰度处理去噪等操作，以保证转换出的文本信息更加准确。

需要说明的是，上述提到的光学字符识别(Optical Character Recognition，OCR)技术，为一种常用的文字识别技术。在具体实现中，可以直接利用现有的OCR文字识别软件，将JPG、PNG、GIF、BMP、DOC等图片格式的图片、照片上的文字内容转换为可编辑的文本内容；也可以由本领域的技术人员根据业务需要，借助光学字符识别技术自行封装文字识别功能库，此处不做限制。

此外，上述提到的利用语音识别技术，将语音格式的待咨询问题转换为文本格式的待咨询问题的操作，同样可以直接利用现有已经较为成熟的语音识别软件，也可以由本领域的技术人员根据业务需要，借助语音识别技术自行封装语音识别功能库，此处不做限制。

步骤S30，根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号。

具体的说，本实施例中使用的法律文件匹配模型可以是利用机器学习算法，对各大数据平台存储的样本数据进行训练获得的。

在训练过程中，可以先根据样本数据构建包含一个输入层、一个输出层及多个隐藏层的训练模型，然后通过利用无监督学习方式和有监学习方式对训练模型进行反复训练，直到在输入某一关键词后，可以准确的得出对应的法律文件的标识号为止，便可结束训练，将当前的模型作为法律文件匹配模型。

需要说明的是，由于利用机器学习算法构建各种模型的方式已经较为成熟，只需根据需要训练的样本数据构建相应的训练模型，然后进行反复训练便可，具体的训练过程，此处不再赘述，本领域的技术人员可以根据需要适应性的调整训练过程，此处不做限制。

此外，值得一提的是，由于本实施例所面向的使用对象大多是不懂法，或者法律常识浅薄的用户，所以提供的待咨询问题大多比较口语化、表达的意思比较模糊。因此，为了保证通过步骤S30的操作能够较为精准的得出与所述待咨询问题匹配的法律文件的标识号，在执行步骤S30之前可以先对所述第一关键词进行拓展，得到第二关键词。然后，在根据预先训练获得的法律文件匹配模型对所述第二关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号。

关于对第一关键词的拓展，具体通过以下几种方式：

1.借助现有关键词拓展工具进行拓展，如谷歌关键词工具及百度指数；

2.针对第一关键词中的内容进行各种形式的变体操作，如同义词、相关词、简写、错别字、补充说明文字；

关于上述所说的错别字，具体是由于用户在提供待咨询问题时，不可避免的会出现错别字，因此在拓展的时候需要考虑错别字。

另外，上述所说的补充说明文字，具体可以根据用户当前所处的位置信息，比如通过终端设备内置的全球定位系统(Global Positioning System，GPS)补全地域信息，从而在后续使用过程中，还可以根据地域信息，为用户推荐当地的法律机构。

3.单词交叉组合。

需要说明的是，以上仅为举例说明，对本发明的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要设置合适的拓展规则对第一关键词进行拓展，此处不做限制。

步骤S40，根据所述标识号查找所述法律文件，将所述法律文件推送给所述用户。

具体的说，若法律文件是存储在终端设备本地的存储区域中，则根据所述标识号查找所述法律文件的操作便为从终端设备中的法律文件数据库中查找；若法律文件是存储在相关法律平台，则根据所述标识号查找所述法律文件的操作便为通过网络从所述法律平台获取。

应当理解的是，在从终端设备的法律文件数据库获取法律文件时，需要在终端设备上安装法律app时，加载法律app对应的法律文献到终端设备中创建的法律文件数据库中。

此外，应当理解的是，在具体实现中，如果法律app对应的法律文献的数量相对较小，可以选择直接将法律文献集成到法律app的源文件中，这样在安装法律app时，直接解压就可以将法律文献导入法律文件数据。如果法律app对应的法律文献数据相对较大，为了不影响安装速度，以及法律app安装包的大小，可以将法律文献单独存储在法律平台，在法律app安装成功后，通过网络从法律平台获取法律文献加载到法律文件数据库。

相应地，在法律app安装成功后，通过网络从法律平台获取法律文献加载到法律文件数据库的时候，可以先判断用户使用的终端设备当前接入的网络是移动数据流量网络，还是无线WI-FI网络。若终端设备接入的是无线WI-FI网络，则从法律平台获取全部的法律文献加载到终端设备本地的法律文件数据库；若终端设备接入的是移动数据流量网络，则等待网络从移动数据流量网络变为无线WI-FI网络时再执上述操作，或者提醒用户是否要使用移动数量流量网络加载。

相应地，为了保证法律文件能够适应于当前政策，不论是终端设备本地的法律文件数据库中存储的法律文件，还是法律平台中存储的法律文件都需要定期更新。

此外，值得一提的是，在具体应用中，根据所述标识号查找到的法律文件往往有多个，如果将查找到的全部法律文件均推送给用户，用户依旧需要花费大量时间进行查看，并且很难抓住重点。因此，为了提升用户体验，节约用户的时间，在实际应用中，可以在将所述法律文件推送给所述用户时，先计算一下各法律文件与所述待咨询问题的匹配值，然后将得到的各法律文件的匹配值与预先设置的阈值进行比较，最终将所述匹配值大于阈值的法律文件推送给所述用户。也就是说，在为用户推送法律文件时，仅为用户推送与用户提供的待咨询问题密切相关的法律文件。

关于上述提到的计算各法律文件与待咨询问题的匹配值的操作，具体可以基于余弦相似度，计算根据待咨询问题绘制的向量与根据各法律文件绘制的对应向量之间的夹角余弦值来评估各法律文件与待咨询问题的相似度，然后根据预设的匹配值分配标准，为不同的相似度分配不同的匹配值。

具体的说，由于余弦值的范围在[-1，1]之间，值越趋近于1，代表两个向量(法律文件与待咨询问题)的方向越接近，即越相似，对应的匹配值越高；值越趋近于-1，代表两个向量的方向越相反，即相似度越低，对应的匹配值也应该越低；值接近于0，表示两个向量近乎于正交。

为了便于理解以下进行举例说明：

比如，查找到的法律文件共有5个，设置的阈值为60分，预设的匹配值分配标准为[-1，-0.8]对应10分的匹配值，(-0.8，-0.6]对应20分的匹配值，(-0.6，-0.4]对应30分的匹配值，(-0.4，0)对应40分的匹配值，0对应50分的匹配值，(0，0.4]对应60分的匹配值，(0.4，0.7]对应70分的匹配值，(0.7，0.8]对应80分的匹配值，(0.8，0.9]对应90分的匹配值，(0.9，1]对应100分的匹配值。

相应地，在通过计算得到5个法律文件与待咨询问题的余弦值分别为-0.8、-0.2、0.3、0.6、0.9，则得到的匹配值应该为20分、40分、60分、70分、90分，最终筛选出的需要推荐给用户的法律文件便为匹配值为70分对应的法律文件和90分对应的法律文件。

需要说明的是，以上给出的仅为一种计算各法律文件与待咨询问题的匹配值的具体操作，对本发明的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要选取可以的计算方式，此处不做限制。

通过上述描述不难发现，本实施例提供的法律文件的智能推荐方法，在用户需要查找相关法律文件解决自己遇到的问题时，通过利用关键词提取技术从用户提供的待咨询问题中提取第一关键词，并借助预先训练获得的法律文件匹配模型对提取到的第一关键词进行分析处理，可以快速准确的确定与用户提供的待咨询问题匹配的法律文件的标识号，然后根据得到的标识号去查找相应的法律文件，并将查找到的法律文件推送给用户即可。整个过程用户只需提供自己遇到的待咨询问题，无需花费大量精力从众多的法律文献中查找、筛选法律文件，便可获得符合自己需求的法律文件，在提升用户体验的同时，能够协助不具备法律知识的用户能够更好的学习、理解和使用法律维护自身权益。

参考图3，图3为本发明一种法律文件的智能推荐方法第二实施例的流程示意图。

基于上述第一实施例，本实施例法律文件的智能推荐方法在所述步骤S40之后，还包括：

步骤S50，接收所述用户触发的法律文件查看指令，在所述用户查看所述法律文件的过程中，获取所述用户的面部表情，根据所述用户的面部表情，为所述用户推送参考资料。

为了更好的理解上述步骤S50中描述的内容，在具体实现中可以将步骤S50细化为5个子步骤，以下结合图4进行具体说明。

步骤S501，接收所述用户触发的法律文件查看指令，在所述用户查看所述法律文件的过程中，获取所述用户的面部表情。

比如，在用户使用终端设备查看推送给用户的法律文件时，启动摄像头采集用户的面部表情。

步骤S502，根据所述面部表情，判断所述用户是否理解所述法律文件中记载的内容。

具体的说，通过研究表明，在用户表现出困倦、疑惑的表情时，此时一般是遇到了不易理解的内容。因而，在判断所述用户是否理解所述法律文件中记载的内容时，只需分析用户的面部表情即可。

比如，通过对用户的面部表情进行分析，确定用户当前处于困倦状态、疑惑状态时，便可认为用户不理解所述法律文件中记载的内容。

值得一提的是，上述所说的困倦状态的具体特征主要表现为：内角的上眼皮降低，嘴巴张大；上述所说的疑惑状态的具体特征主要表现为：上唇抬起，下唇与上唇紧闭，嘴角下拉，唇轻微凸起，眉毛内角皱在一起，抬高，带动眉毛下的皮肤运动。

需要说明的是，以上给出的仅为两种用于判断用户不理解所述法律文件的具体面部表情，在实际应用中，本领域的技术人员可以根据微表情学和相关的肢体语言学进行判断，此处不做限制。

步骤S503，若所述用户不理解所述法律文件中记载的内容，则根据视觉追踪技术确定所述用户当前注视的内容。

比如，由终端设备内设置的相关传感器，监测用户的目光是否长时间停留在某一区域，若是则将该区域显示的内容确定为用户当前注视的内容。

步骤S504，根据关键词提取算法，从所述用户当前注视的内容中提取第三关键词。

应当理解的是，此处所说的根据关键词提取算法，从所述用户当前注视的内容中提取第三关键词的操作，与前述提取第一关键词、第二关键词的操作大致相同，此处不再赘述。

步骤S505，根据所述第三关键词，查找与所述用户当前注视的内容相关的参考资料，将所述参考资料推送给所述用户，以辅助所述用户理解所述法律文件。

具体的说，为使用户在参考资料的辅助下更好的理解法律文件。在实际应用中，可以根据用户的用户信息为用户推荐适合用户查看的参考资料。

为了便于理解，以下给出一种具体的事项方式，大致操作如下：

首先，获取所述用户的生物特征信息，根据所述生物特征信息查找所述用户的用户信息。

具体的说，所述生物特征信息可以是用户的人脸特征信息、虹膜特征信息等能够标识用户身份的生物特征。

所述用户信息可以是用户的年龄、学历、从事的行业等，此处不再一一列举，对此也不做限制。

然后，根据所述用户信息，从各参考资料中筛选出适于所述用户查看的目标参考资料，并将所述目标参考资料推送给所述用户。

具体的说，由于不同年龄段、不同受教育程度以及从事的行业会影响用户对法律文件、参考资料的理解，因而本案中通过根据用户信息来筛选适于用户查看的参考资料作为目标参考资料推送给用户，从而可以更好的辅助用户理解法律文件中的内容。

需要说明的是，以上仅为举例说明，对本发明的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要设置，此处不做限制。

此外，值得一提的是，在具体实现中，为了让用户帮忙推广法律app，还可以设置分享奖励模机制。

具体的，在将法律文件和/或参考资料推送给用户之后，继续监测用户对法律app的操作，在监测到用户对分享入口的选中操作，比如点击了用户界面上表示分享功能的功能按键时，接收所述用户触发的法律文件分享指令，为所述用户提供分享渠道列表，并接收所述用户对所述分享渠道列表中任一分享渠道的选中指令，生成所述法律文件的分享信息，最后将所述分享信息通过选中的分享渠道发送出去，并为所述用户派发分享奖励。

需要说明的是，在本实施例中，所说的分享渠道具体可以是案子于终端设备中的微信、微博、QQ等，此处不再一一列举，对此也不做限制。

此外，在本实施例中，分享渠道列表中的分享渠道具体是根据使用热度排列的。

具体的说，分享渠道的使用热度可以通过统计终端设备上各分享渠道的使用次数，或者使用累计时长来确定。

此外，分享渠道的使用热度还可以通过大数据平台中记录的不同终端设备对上述各分享渠道的使用次数，或者使用累计时长来确定。

此外，给予用户的奖励可以是现金红包、数据流量，或者法律app中免费的法律课程等，此处不再一一列举，对此也不做任何限制。

此外，在具体实现中，给予用户的奖励还可以根据用户分享的次数、邀请到的新用户的数量给予不同级别的奖励，此处不再一一列举，对此也不做任何限制。

通过给予用户奖励的方式来刺激用户帮忙推广法律app，在方便用户的同时，可以使法律app得到更好的推广，并且推广成本也会比通过广告等宣传方式要低的多。

此外，应当理解的是，为了能够更好的为用户提供服务，还可以设置反馈入口，并在用户提供具有参考价值(不是随便敷衍填写)的反馈意见后，给予用户一定的奖励，比如现金红包、免费流量、免费法律知识课程、免费法律咨询等。

需要说明的是，以上仅为举例说明，对本发明的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要合理设置，此处不做限制。

本实施例提供的法律文件的智能推荐方法，在所述用户查看所述法律文件的过程中，通过利用获取到的所述用户的面部表情来判断所述用户是否能够理解所述法律文件中记载的内容，并在确定所述用户不理解所述法律文件中记载的内容时，借助视觉跟踪技术和关键词提取技术查找相关的参考资料，从而可以辅助所述用户更好的理解所述法律文件。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有法律文件的智能推荐程序，所述法律文件的智能推荐程序被处理器执行时实现如上文所述的法律文件的智能推荐方法的步骤。

参照图5，图5为本发明法律文件的智能推荐装置第一实施例的结构框图。

如图5所示，本发明实施例提出的法律文件的智能推荐装置包括：获取模块5001、提取模块5002、匹配模块5003和推送模型5004。

其中，获取模块5001，用于接收用户触发的法律文件查找指令，根据所述法律文件查找指令获取所述用户提供的待咨询问题；提取模块5002，用于根据关键词提取算法，从所述待咨询问题中提取第一关键词；匹配模块5003，用于根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号；推送模型5004，用于根据所述标识号查找所述法律文件，将所述法律文件推送给所述用户。

此外，应当理解的是，由于在具体应用中，用户提供的待咨询问题往往并非文本格式，比如用户为了方便使用语音输入方式提供待咨询问题，还比如使用摄像头拍摄某些文字内容，以图片信息作为待咨询问题。因此为了保证提取模块5002能够根据关键词提取算法，从所述待咨询问题中提取到第一关键词，本实施例中的法律文件的智能推荐装置还可以包括格式确定模块、语音识别模块和字符识别模块。

其中，所述格式确定模块，用于确定所述待咨询问题的格式；所述语音识别模块，用于在所述待咨询问题为语音格式时，利用语音识别技术，将语音格式的待咨询问题转换为文本格式的待咨询问题；所述字符识别模块，用于在所述待咨询问题为图片格式时，利用光学字符识别技术，将图片格式的待咨询问题转换为文本格式的待咨询问题。

相应地，所述提取模块5002提取第一关键词的操作具体变为：根据关键词提取算法，从所述文本格式的待咨询问题中提取第一关键词。

此外，由于本实施例所面向的使用对象大多是不懂法，或者法律常识浅薄的用户，所以提供的待咨询问题大多比较口语化、表达的意思比较模糊。因此，为了保证匹配模块5003能够较为精准的得出与所述待咨询问题匹配的法律文件的标识号，本实施例中的法律文件的智能推荐装置还可以包括关键词拓展模块。

具体的，所述关键词拓展模块，用于对所述第一关键词进行拓展，得到第二关键词。

相应地，所述匹配模块5003确定与所述待咨询问题匹配的法律文件的标识号的操作具体变为：根据预先训练获得的法律文件匹配模型对所述第二关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号。

此外，值得一提的是，在具体应用中，根据所述标识号查找到的法律文件往往有多个，如果将查找到的全部法律文件均推送给用户，用户依旧需要花费大量时间进行查看，并且很难抓住重点。因此，为了提升用户体验，节约用户的时间，在实际应用中，推送模块5004在将所述法律文件推送给所述用户时，具体可以先计算一下各法律文件与所述待咨询问题的匹配值，然后将得到的各法律文件的匹配值与预先设置的阈值进行比较，最终将所述匹配值大于阈值的法律文件推送给所述用户。也就是说，在为用户推送法律文件时，仅为用户推送与用户提供的待咨询问题密切相关的法律文件。

此外，应当理解的是，本实施例中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

通过上述描述不难发现，本实施例提供的法律文件的智能推荐装置，在用户需要查找相关法律文件解决自己遇到的问题时，通过利用关键词提取技术从用户提供的待咨询问题中提取第一关键词，并借助预先训练获得的法律文件匹配模型对提取到的第一关键词进行分析处理，可以快速准确的确定与用户提供的待咨询问题匹配的法律文件的标识号，然后根据得到的标识号去查找相应的法律文件，并将查找到的法律文件推送给用户即可。整个过程用户只需提供自己遇到的待咨询问题，无需花费大量精力从众多的法律文献中查找、筛选法律文件，便可获得符合自己需求的法律文件，在提升用户体验的同时，能够协助不具备法律知识的用户能够更好的学习、理解和使用法律维护自身权益。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的法律文件的智能推荐方法，此处不再赘述。

基于上述法律文件的智能推荐装置的第一实施例，提出本发明法律文件的智能推荐装置第二实施例。

在本实施例中，所述法律文件的智能推荐装置还包括面部表情获取模块、判断模块和视觉追踪模块。

其中，所述面部表情获取模块，用于接收所述用户触发的法律文件查看指令，在所述用户查看所述法律文件的过程中，获取所述用户的面部表情。

所述判断模块，用于根据所述面部表情，判断所述用户是否理解所述法律文件中记载的内容。

所述视觉追踪模块，用于在所述用户不理解所述法律文件中记载的内容时，根据视觉追踪技术确定所述用户当前注视的内容。

此外，在基于上述法律文件的智能推荐装置的第一实施例中出现的提取模块还用于根据关键词提取算法，从所述用户当前注视的内容中提取第三关键词；推送模块还用于根据所述第三关键词，查找与所述用户当前注视的内容相关的参考资料，将所述参考资料推送给所述用户，以辅助所述用户理解所述法律文件。

此外，为了让用户帮忙推广法律app，所述法律文件的智能推荐装置还可以包括分享奖励模块。

其中，所述分享奖励模块，用于接收所述用户触发的法律文件分享指令，为所述用户提供分享渠道列表，所述分享渠道列表中的分享渠道根据使用热度排列；接收所述用户对所述分享渠道列表中任一分享渠道的选中指令，生成所述法律文件的分享信息；将所述分享信息通过选中的分享渠道发送出去，并为所述用户派发分享奖励。

此外，给予用户的奖励可以是现金红包、数据流量，或者法律app中免费的法律课程等，此处不再一一列举，对此也不做任何限制。

此外，在具体实现中，给予用户的奖励还可以根据用户分享的次数、邀请到的新用户的数量给予不同级别的奖励，此处不再一一列举，对此也不做任何限制。

通过给予用户奖励的方式来刺激用户帮忙推广法律app，在方便用户的同时，可以使法律app得到更好的推广，并且推广成本也会比通过广告等宣传方式要低的多。

此外，应当理解的是，为使用户在参考资料的辅助下更好的理解法律文件。在具体应用中，可以根据用户的用户信息为用户推荐适合用户查看的参考资料。

为了便于理解，以下给出一种具体的事项方式，大致操作如下：

首先，获取所述用户的生物特征信息，根据所述生物特征信息查找所述用户的用户信息。

具体的说，所述生物特征信息可以是用户的人脸特征信息、虹膜特征信息等能够标识用户身份的生物特征。

所述用户信息可以是用户的年龄、学历、从事的行业等，此处不再一一列举，对此也不做限制。

然后，根据所述用户信息，从各参考资料中筛选出适于所述用户查看的目标参考资料，并将所述目标参考资料推送给所述用户。

具体的说，由于不同年龄段、不同受教育程度以及从事的行业会影响用户对法律文件、参考资料的理解，因而本案中通过根据用户信息来筛选适于用户查看的参考资料作为目标参考资料推送给用户，从而可以更好的辅助用户理解法律文件中的内容。

需要说明的是，以上仅为举例说明，对本发明的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要设置，此处不做限制。

此外，本实施例中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

通过上述描述不难发现，本实施例提供的法律文件的智能推荐装置，在所述用户查看所述法律文件的过程中，通过利用获取到的所述用户的面部表情来判断所述用户是否能够理解所述法律文件中记载的内容，并在确定所述用户不理解所述法律文件中记载的内容时，借助视觉跟踪技术和关键词提取技术查找相关的参考资料，从而可以辅助所述用户更好的理解所述法律文件。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的法律文件的智能推荐方法，此处不再赘述。

此外，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、方法、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上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 (10)

1.一种法律文件的智能推荐方法，其特征在于，所述方法包括：

接收用户触发的法律文件查找指令，根据所述法律文件查找指令获取所述用户提供的待咨询问题；

根据关键词提取算法，从所述待咨询问题中提取第一关键词；

根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号；

根据所述标识号查找所述法律文件，将所述法律文件推送给所述用户。

2.如权利要求1所述的方法，其特征在于，所述根据关键词提取算法，从所述待咨询问题中提取第一关键词之前，所述方法还包括：

确定所述待咨询问题的格式；

若所述待咨询问题为语音格式，则利用语音识别技术，将语音格式的待咨询问题转换为文本格式的待咨询问题；

若所述待咨询问题为图片格式，则利用光学字符识别技术，将图片格式的待咨询问题转换为文本格式的待咨询问题；

其中，所述根据关键词提取算法，从所述待咨询问题中提取第一关键词，包括：

根据关键词提取算法，从所述文本格式的待咨询问题中提取第一关键词。

3.如权利要求1或2所述的方法，其特征在于，所述根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理之前，所述方法还包括：

对所述第一关键词进行拓展，得到第二关键词；

其中，所述根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号，包括：

根据预先训练获得的法律文件匹配模型对所述第二关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号。

4.如权利要求3所述的方法，其特征在于，所述将所述法律文件推送给所述用户，包括：

计算各法律文件与所述待咨询问题的匹配值；

将所述匹配值大于阈值的法律文件推送给所述用户。

5.如权利要求4所述的方法，其特征在于，所述将所述匹配值大于阈值的法律文件推送给所述用户之后，所述方法还包括：

接收所述用户触发的法律文件查看指令，在所述用户查看所述法律文件的过程中，获取所述用户的面部表情；

根据所述面部表情，判断所述用户是否理解所述法律文件中记载的内容；

若所述用户不理解所述法律文件中记载的内容，则根据视觉追踪技术确定所述用户当前注视的内容；

根据关键词提取算法，从所述用户当前注视的内容中提取第三关键词；

根据所述第三关键词，查找与所述用户当前注视的内容相关的参考资料，将所述参考资料推送给所述用户，以辅助所述用户理解所述法律文件。

6.如权利要求5所述的方法，其特征在于，所述将所述参考资料推送给所述用户，包括：

获取所述用户的生物特征信息，根据所述生物特征信息查找所述用户的用户信息；

根据所述用户信息，从各参考资料中筛选出适于所述用户查看的目标参考资料；

将所述目标参考资料推送给所述用户。

7.如权利要求4所述的方法，其特征在于，所述将所述匹配值大于阈值的法律文件推送给所述用户之后，所述方法还包括：

接收所述用户触发的法律文件分享指令，为所述用户提供分享渠道列表，所述分享渠道列表中的分享渠道根据使用热度排列；

接收所述用户对所述分享渠道列表中任一分享渠道的选中指令，生成所述法律文件的分享信息；

将所述分享信息通过选中的分享渠道发送出去，并为所述用户派发分享奖励。

8.一种法律文件的智能推荐装置，其特征在于，所述装置包括：

获取模块，用于接收用户触发的法律文件查找指令，根据所述法律文件查找指令获取所述用户提供的待咨询问题；

提取模块，用于根据关键词提取算法，从所述待咨询问题中提取第一关键词；

匹配模块，用于根据预先训练获得的法律文件匹配模型对所述第一关键词进行分析处理，得到与所述待咨询问题匹配的法律文件的标识号；

推送模型，用于根据所述标识号查找所述法律文件，将所述法律文件推送给所述用户。

9.一种法律文件的智能推荐设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的法律文件的智能推荐程序，所述法律文件的智能推荐程序配置为实现如权利要求1至7中任一项所述的法律文件的智能推荐方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有法律文件的智能推荐程序，所述法律文件的智能推荐程序被处理器执行时实现如权利要求1至7任一项所述的法律文件的智能推荐方法的步骤。