CN109726275A - 应用于法律咨询服务的法律知识智能查询方法 - Google Patents
应用于法律咨询服务的法律知识智能查询方法 Download PDFInfo
- Publication number
- CN109726275A CN109726275A CN201811642169.1A CN201811642169A CN109726275A CN 109726275 A CN109726275 A CN 109726275A CN 201811642169 A CN201811642169 A CN 201811642169A CN 109726275 A CN109726275 A CN 109726275A
- Authority
- CN
- China
- Prior art keywords
- lawyer
- legal
- case
- keyword
- newly
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种应用于法律咨询服务的法律知识智能查询方法,涉及法律咨询服务技术领域,包括数据存储步骤:预先存储关键词信息至数据库中;还预先存储法律相关案例,以及各个案例与各个关键词的关联度至数据库中;还预先存储法律条文,以及各个法律条文与各个关键词的关联度至数据库中;信息获取步骤:获取学生通过学生端输入的咨询问题;关键词提取步骤:提取咨询问题中的关键词;法律知识调取步骤:根据提取的关键词从数据库中调取与关键词关联度最高的案例和法律条文,并发送给能够为学生提供服务的律师端。本发明解决了学生无法找到合适途径寻求法律保护和律师无法快速高效地获得法律知识的问题。
Description
技术领域
本发明涉及法律咨询服务技术领域,特别涉及一种应用于法律咨询服务的法律知识智能查询方法。
背景技术
现有的社会中的骗局越来越多,骗子的手段也越来越高明,特别是针对未走出校园的学生,非常容易受骗,而这些在校的学生在自己权利受到侵害的时候,往往找不到合适的途径寻求法律的保护。
并且由于法律条文大概有一万多条,具体有民法、民事诉讼法、刑法、刑事诉讼法、行政法、行政诉讼法、物权法、宪法等,由于法律条文众多,律师无法全部都记在头脑中,在需要用的时候往往会查询资料;并且不同的律师擅长的领域不同,当遇到不擅长的领域时,律师无法给出学生准确地建议,并且针对某些经验较少的律师而言,遇到棘手的问题时也不能给出很好地建议,所以查找法律条文或者相关案例是律师经常需要做的工作。但是目前律师都是通过各自的渠道查找法律知识,并没有一个有效途径供律师快速有效地查找到合适的资料,降低了律师查找法律资料的效率。
基于上述两个问题,目前亟需一种既能够为学生匹配律师,又能够为律师智能查询法律知识的方法。
发明内容
本发明意在提供一种应用于法律咨询服务的法律知识智能查询方法,既能够为学生匹配律师,又能够为律师提供解答学生问题的建议和决策。
为解决上述技术问题,本发明提供的基础方案如下:
应用于法律咨询服务的法律知识智能查询方法,包括以下步骤:
数据存储步骤:预先存储关键词信息至数据库中;还预先存储法律相关案例,以及各个案例与各个关键词的关联度至数据库中;还预先存储法律条文,以及各个法律条文与各个关键词的关联度至数据库中;
信息获取步骤:获取学生通过学生端输入的咨询问题;
关键词提取步骤:提取咨询问题中的关键词;
法律知识调取步骤:根据提取的关键词从数据库中调取与关键词关联度最高的案例和法律条文,并发送给能够为学生提供服务的律师端。
本发明的技术方案,能够根据咨询问题中的关键词调取与该关键词关联度最高的案例和法律条文,并发送给能够为学生提供服务的律师端,让接收到案例和法律条文的律师为学生提供咨询服务,通过自动为学生匹配律师,解决了学生耗费大量精力而无法找到满意律师的问题;并且能够根据学生提出的咨询问题智能查询相关的案例和法律条文,能够辅助律师对该学生提出的咨询问题进行解答和决策,从而实现为学生提供更为优质的咨询服务。
进一步,所述数据存储步骤:还预先存储各个律师的律师信息和信息标签至数据库中;
还包括:
律师匹配步骤:根据提取的关键词从数据库中匹配与关键词对应的信息标签,并根据信息标签匹配出律师,并得到律师信息;
所述法律知识调取步骤:根据律师信息将调取的案例和法律条文发送给对应的律师端。
数据库中还预先存储了各个律师的律师信息和信息标签,所述律师信息包括擅长领域、资格证书、从业年限等,学生通过学生端输入咨询问题,根据咨询问题中的关键词匹配出与关键词对应的信息标签,再根据信息标签匹配出合适的律师,该方法能够根据学生提出的问题智能匹配出律师,为学生提供了一个寻找律师的有效通道。
进一步,还包括:
服务评价步骤:学生通过学生端对匹配出的律师的服务进行评分;
总分评测步骤:根据历史所有学生对律师的评分对律师的总分进行评测,得到服务总分;
在线评测步骤:评测律师的在线时长;
所述律师匹配步骤:根据信息标签、服务总分和律师的在线时长匹配出律师。
假设某一律师可能很符合学生提出的咨询问题的领域,并且服务总分很高,但是该律师却经常不在线,从而会选择符合学生提出的咨询问题的领域,服务总分较高,并且在线时长较长的律师,采用上述设计,能够从三个维度对律师进行分析判断,从而匹配出相对较优质的律师给学生。
进一步,所述信息获取步骤:还获取律师通过律师端输入的与咨询问题对应的新增案例和新增法律条文;
还包括:
法律知识展示步骤:展示针对某一咨询问题调取模块调取的案例和法律条文,以及展示律师输入的新增案例和新增法律条文;
法律知识评选步骤:供其他律师评选出解决该咨询问题的最佳案例和法律条文,得到评选结果;
分数修改步骤:根据评选结果对输入新增案例和新增法律条文的律师进行扣分或者加分的操作。
当匹配到某一律师并给该律师推送了相关的案例和法律条文时,如果律师认为推送的案例和法律条文不好时,能够通过律师端输入与咨询问题对应的新增案例和新增法律条文,当系统接收到律师端发送的新增案例和新增法律条文时,就会展示新增案例和新增法律条文,以及展示针对该咨询问题调取的案例和法律条文,也就相当于将系统调取出的案例和法律条文与新增案例和新增法律条文同台PK,让注册该系统的其他律师对系统调取出的案例和法律条文与新增案例和新增法律条文进行评选,例如进行投票评选,并得到评选结果,例如评选结果可为获票高的获胜,然后根据评选结果对输入新增案例和新增法律条文的律师进行扣分或者加分的操作,例如当律师输入的新增案例和新增法律条文的获票数低于系统调取出的案例和法律条文时,则对该律师的服务总分进行扣分操作,当律师输入的新增案例和新增法律条文的获票数高于系统调取出的案例和法律条文时,则对该律师的服务总分进行加分操作。
进一步,所述法律知识评选步骤之后还包括:
增添判断步骤:根据评选结果判断是否将律师输入的新增案例和新增法律条文存储至数据库中;
关联度分配步骤:当新增案例和新增法律条文存储至数据库中时,在调取的案例和法律条文与咨询问题的关联度的基础上,根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度。
根据评选结果判断是否将律师输入的新增案例和新增法律条文存储至数据库中,例如当律师输入的新增案例和新增法律条文的获票数高于系统调取出的案例和法律条文时,说明该新增案例和新增法律条文更由于系统匹配出的案例和法律条文,则将该新增案例和新增法律条文存储至数据库中,从而能够丰富数据库的案例和法律条文的存储量;当新增案例和新增法律条文存储至数据库中时,在调取的案例和法律条文与咨询问题的关联度的基础上,根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度,也就是提高该新增案例和新增法律条文的关联度,从而实现对该新增案例和新增法律条文关联度的调整,不断实现数据库的自适应优化,以为学生提供更为准确和优质的案例和法律条文。
进一步,所述数据存储步骤:还预先存储有领域信息至数据库,所述关键词信息与领域信息一一对应;
还包括:
领域匹配步骤:根据提取的关键词从数据库中匹配与关键词对应的领域信息;
历史案件收集步骤:收集各个律师各个领域的历史案件处理信息,所述历史案件处理信息包括案件处理件数、各个案件处理后的服务总分、各个案件处理时长;
等级划分步骤:根据历史案件处理信息对各个律师各个领域划分资格等级。
因为有些律师擅长的领域不止一个,采用上述设计,每个律师针对每个领域都有对应的资格等级,而该资格等级是根据各个律师的历史处理案件信息得来的,通过历史案件处理信息能够更加客观的评价律师的专业性和处理案件的能力。
附图说明
图1为本发明应用于法律咨询服务的法律知识智能查询方法的实施例一的流程图;
图2为基于本发明应用于法律咨询服务的法律知识智能查询方法的实施例二的智能查询系统的示意性框图;
图3为基于本发明应用于法律咨询服务的法律知识智能查询方法的实施例三的智能查询系统的示意性框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
为了更清楚的阐述本发明应用于法律咨询服务的法律知识智能查询方法,本实施例中,还公开了一种智能查询系统,包括网络连接的云服务器、律师端和学生使用的学生端,所述云服务器包括:
信息获取模块,用于获取律师通过律师端输入的律师信息并存储至数据库;还用于获取学生通过学生端输入的咨询问题;律师信息包括姓名、擅长领域、资格证书、从业年限等;咨询问题了包括对问题的自然语言描述,需要律师的地点要求,年限要求等。
数据库,用于存储律师信息和各个律师的信息标签;预先存储有关键词信息;还预先存储有法律相关案例,以及各个案例与各个关键词的关联度;还预先存储有法律条文,以及各个法律条文与各个关键词的关联度;信息标签为表征律师特长的要素词,包括的要素可为:地点、擅长领域、从业年限、胜诉率,例如,某一律师1的标签信息为:深圳、知识产权、商标、从业20年、胜诉率60%,某一律师2的标签信息为:北京、离婚、从业10年、胜诉率80%;本实施例中的关联度为0~1之间的数字,关联度越大,关联性越强;
关键词提取模块,用于提取咨询问题中的关键词;
服务评价模块,用于供学生通过学生端对匹配出的律师的服务进行评分;
总分评测模块,用于根据历史所有学生对律师的评分对律师的总分进行评测,得到服务总分;具体地,本实施例的评分标准为计算历史所有学生对律师评分的平均分为服务总分;
在线评测模块,用于评测律师的在线时长;具体地,当律师登陆该系统时即开始计算律师的在线时长;还预先存储有第一积分对照表,根据第一积分对照表可得到在线时长总分;
匹配模块,用于根据提取的关键词从数据库中匹配与关键词对应的信息标签,并根据信息标签、服务总分和律师的在线时长匹配出律师,并将该律师的律师信息发送给调取模块;具体地,数据库中预先存储了关键词信息,以及与关键词对应的信息标签表;还预先存储了第二积分对照表,该第二积分对照表根据律师的信息标签与咨询问题的信息标签的匹配率划分有相应的标签分数;匹配模块根据提取的关键词从信息标签表中搜索与关键词对应的信息标签,然后再根据信息标签、服务总分和律师的在线时长匹配出律师,例如,假设某一律师1的信息标签与咨询问题的信息标签的匹配率为50%,相应的标签分数为a1,该律师1的服务总分为b1,该律师1的在线时长总分为c1,则该律师1匹配得分为:w1*a1+w2*b1+w3*c1(其中w1、w2、w3分别为信息标签、服务总分和律师的在线时长的权重,该权重可预先设置);某一律师2的信息标签与咨询问题的信息标签的匹配率为70%,相应的标签分数为a2,该律师2的服务总分为b2,该律师2的在线时长总分为c2,则该律师2匹配得分为:w1*a2+w2*b2+w3*c2,则通过比较律师1和律师2匹配得分的大小即可得到最终的律师,最终的律师即匹配得分较高的律师。
调取模块,用于根据提取的关键词从数据库中调取与该关键词关联度最高的案例和法律条文,还用于根据律师信息将调取的案例和法律条文发送给对应的律师端。具体地,从咨询问题中提取出的关键词有关键词1、关键词2、关键词3,每个关键词与各个案例和法律条文之间均有关联度,关联度最高的案例和法律条文指的是:与咨询问题的所有关键词之间的关联度总和最高的案例和法律条文。
如图1所示,本实施例应用于法律咨询服务的法律知识智能查询方法,包括以下步骤:
信息获取步骤:获取学生通过学生端输入的咨询问题;
数据存储步骤:预先存储关键词信息至数据库中;还预先存储法律相关案例,以及各个案例与各个关键词的关联度至数据库中;还预先存储法律条文,以及各个法律条文与各个关键词的关联度至数据库中;还预先存储各个律师的律师信息和信息标签至数据库中;
关键词提取步骤:提取咨询问题中的关键词;
服务评价步骤:学生通过学生端对匹配出的律师的服务进行评分;
总分评测步骤:根据历史所有学生对律师的评分对律师的总分进行评测,得到服务总分;
在线评测步骤:评测律师的在线时长;
律师匹配步骤:根据提取的关键词从数据库中匹配与关键词对应的信息标签,并根据信息标签、服务总分和律师的在线时长匹配出律师,并得到律师信息;
法律知识调取步骤:根据提取的关键词从数据库中调取与关键词关联度最高的案例和法律条文,根据律师信息将调取的案例和法律条文发送给对应的律师端。
学生通过学生端输入咨询问题,关键词提取模块提取出咨询问题的关键词,系统根据该关键词匹配出与关键词对应的信息标签,再根据信息标签匹配出合适的律师,该方法能够根据学生提出的问题智能匹配出律师,为学生提供了一个寻找律师的有效通道,解决了学生耗费大量精力而无法找到满意律师的问题;并且系统能够根据学生提出的咨询问题智能查询相关的案例和法律条文,能够辅助律师对该学生提出的咨询问题进行解答和决策,从而实现为学生提供更为优质的咨询服务。
实施例二
一、对律师划分资格等级
如图2所示,本实施例与实施例一智能查询系统,区别在于,所述数据库还预先存储有领域信息;
所述云服务器还包括:
领域匹配模块,用于根据提取的关键词从数据库中匹配与关键词对应的领域信息;例如:关键词1、关键词2和关键词3对应知识产权领域;关键词4和关键词5对应经济法领域;关键词6、关键词7和关键词8对应民商法领域;
收集模块,用于收集各个律师各个领域的历史案件处理信息,所述历史案件处理信息包括案件处理件数、各个案件处理后的服务总分、各个案件处理时长;具体地,案件处理件数、各个案件处理后的服务总分、各个案件处理时长都有各自的积分对照表和权重,通过对案件处理件数、各个案件处理后的服务总分、各个案件处理时长的分数进行加权求和可得到该律师针对某一领域的总分数;
等级划分模块,用于根据历史案件处理信息对各个律师各个领域划分资格等级;具体地,假设本实施例中总共有五个资格等级,每个资格等级都有分数区间,当律师某一领域的总分数落在某一分数区间时,则代表该律师在这一领域属于该分数区间的资格等级,资格等级越高,代表律师越擅长该领域;具体地如表一所示:
表一
因为有些律师擅长的领域不止一个,采用上述设计,每个律师针对每个领域都有对应的资格等级,而该资格等级是根据各个律师的历史处理案件信息得来的,通过历史案件处理信息能够更加客观的评价律师的专业性和处理案件的能力。
二、公开评选律师的反馈信息以及系统推送的建议信息
在本实施例中,所述信息获取模块,还用于获取律师通过律师端输入的与咨询问题对应的新增案例和新增法律条文,即反馈信息;当系统匹配到某一律师并给该律师推送了相关的案例和法律条文时,即建议信息,如果律师认为系统推送的案例和法律条文不好时,能够通过律师端输入与咨询问题对应的新增案例和新增法律条文;
所述云服务器还包括:
展示模块,用于展示针对某一咨询问题调取模块调取的案例和法律条文,以及展示律师输入的新增案例和新增法律条文;
评选模块,用于供其他律师评选出解决该咨询问题的最佳案例和法律条文,得到评选结果;也就相当于将系统调取出的案例和法律条文与新增案例和新增法律条文同台PK,通过评选模块让注册该系统的其他律师对系统调取出的案例和法律条文与新增案例和新增法律条文进行评选,通过大众的评选来得到针对咨询问题更为优质的案例和法律条文;
在本实施例中,评选模块具体包括:
投票记录子模块,用于供其他律师对调取模块调取的案例和法律条文以及新增案例和新增法律条文进行投票,并记录投票结果;
资格等级记录子模块,用于在律师投票的时候,获取该律师在该咨询问题领域的资格等级;
统计子模块,用于根据投票结果以及投票律师针对该咨询问题所属领域的资格等级评选出解决该咨询问题的最佳案例和法律条文,得到评选结果。例如,假设律师对应的资格等级即为投票贡献的分数,也就是,假设该学生提出的咨询问题属于经济法领域,若律师1投票给反馈信息,则为反馈信息贡献的分数为4分,律师2投票给系统推送的建议信息,则为建议信息贡献的分数为1分;假设投票结果为:律师的反馈信息得票总数为m,系统推送的建议信息得票总数为n,则反馈信息的投票总分数为m个律师的投票贡献的分数的总和,系统推送的建议信息的投票总分数为n个律师的投票贡献的分数的总和,最后通过比较两者投票总分数的大小,投票分数大的一方获胜。评选模块根据投票结果和以及投票律师针对该咨询问题的资格等级两个维度来得到最终的评选结果,因为等级越优的律师投票更具有权威性,从而让评选结果更加符合学生提出的咨询问题,并且能够辅助律师对于咨询问题提出更好地建议。
分数修改模块,用于根据评选结果对输入新增案例和新增法律条文的律师进行扣分或者加分的操作;具体地,假设律师输入的新增案例和新增法律条文获胜,则对该律师该领域的服务总分进行加分操作,假设系统推送的案例和法律条文获胜,则对该律师该领域的服务总分进行减分操作,而服务总分的变动,则会影响律师在该领域的资格等级;
增添判断模块,用于根据评选结果判断是否将律师输入的新增案例和新增法律条文存储至数据库中;例如,当律师输入的新增案例和新增法律条文获胜时,将新增案例和新增法律条文存储至数据库中;
关联度分配模块,用于当新增案例和新增法律条文存储至数据库中时,在调取模块调取的案例和法律条文与咨询问题的关联度的基础上,根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度。例如,从咨询问题中提取出的关键词有关键词1、关键词2、关键词3,关键词1、关键词2、关键词3分别与系统推送的案例的关联度为a1、b1、c1,关键词1、关键词2、关键词3分别与系统推送的法律条文的关联度分别为a2、b2、c2,为保证关联度始终大于等于零且小于等于1,假设将关联度统称为Q,关联度的修改公式为:(1-Q)*|(m/m+n)-(n/m+n)|+Q,也就是关键词1与新增案例的关联度为:(1-a1)*|(m/m+n)-(n/m+n)|+a1,关键词2与新增案例的关联度为:(1-b1)*|(m/m+n)-(n/m+n)|+b1,其他关键词与新增案例和新增法律条文之间的关联度通过修改公式可计算得到,在此不一一举例。
将系统调取出的案例和法律条文与新增案例和新增法律条文同台PK,通过评选模块让注册该系统的其他律师对系统调取出的案例和法律条文与新增案例和新增法律条文进行评选,通过大众的评选来得到针对咨询问题更为优质的案例和法律条文;评选模块根据投票结果和以及投票律师针对该咨询问题的资格等级两个维度来得到最终的评选结果,因为等级越优的律师投票更具有权威性,这样的评选结果更加公正和具有说服力;并且该系统能够将律师新增的案例和法律条文存储至数据库中,不断丰富数据库;关联度分配模块根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度,也就是提高或降低该新增案例和新增法律条文的关联度,从而实现对该新增案例和新增法律条文关联度的调整,不断实现数据库的自适应优化,以为学生提供更为准确和优质的案例和法律条文。
本实施例与实施例一的应用于法律咨询服务的法律知识智能查询方法,区别在于,包括以下步骤:
所述数据存储步骤:还预先存储有领域信息至数据库,所述关键词信息与领域信息一一对应;
领域匹配步骤:根据提取的关键词从数据库中匹配与关键词对应的领域信息;
历史案件收集步骤:收集各个律师各个领域的历史案件处理信息,所述历史案件处理信息包括案件处理件数、各个案件处理后的服务总分、各个案件处理时长;
等级划分步骤:根据历史案件处理信息对各个律师各个领域划分资格等级;
所述信息获取步骤:还获取律师通过律师端输入的与咨询问题对应的新增案例和新增法律条文;
法律知识展示步骤:展示针对某一咨询问题调取模块调取的案例和法律条文,以及展示律师输入的新增案例和新增法律条文;
法律知识评选步骤:供其他律师评选出解决该咨询问题的最佳案例和法律条文,得到评选结果;
分数修改步骤:根据评选结果对输入新增案例和新增法律条文的律师进行扣分或者加分的操作;
增添判断步骤:根据评选结果判断是否将律师输入的新增案例和新增法律条文存储至数据库中;
关联度分配步骤:当新增案例和新增法律条文存储至数据库中时,在调取的案例和法律条文与咨询问题的关联度的基础上,根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度。
在本实施例中,法律知识评选步骤具体包括:
S1:供其他律师对调取模块调取的案例和法律条文以及新增案例和新增法律条文进行投票,并记录投票结果;
S2:在律师投票的时候,获取该律师在该咨询问题领域的资格等级;
S3:根据投票结果以及投票律师针对该咨询问题所属领域的资格等级评选出解决该咨询问题的最佳案例和法律条文,得到评选结果。
实施例三
如图3所示,本实施例与实施例二的智能查询系统,区别在于,云服务器还包括:
评论模块,用于供其他律师对新增案例、新增法律条文以及系统调取的案例和法律条文进行评论;
提取模块,还用于从评论中提取出现频率高于频率阈值的新增关键词;
语义分析模块,用于将新增关键词与数据库中预先存储的关键词进行对比分析,判断是否有不同于数据库中关键词的新增关键词;
关联度赋值模块,用于当判断出有不同于数据库中关键词的新增关键词时,将新增关键词存储至数据库中,并根据这些新增关键词的出现频率对新增关键词与系统推送的案例、法律条文之间的关联度赋值。具体地,假设从评论中提取出现频率高于频率阈值的新增关键词有关键词4、关键词5、关键词6,则根据关键词4、关键词5、关键词6出现频率的高低对关键词4、关键词5、关键词6与系统推送的案例、法律条文之间的关联度赋值,例如关键词4、关键词5、关键词6与系统推送的案例的关联度为e1、f1、g1,关键词4、关键词5、关键词6与系统推送的法律条文的关联度为e2、f2、g2。
所述关联度分配模块,还用于当有新增关键词存储至数据库中时,在调取模块调取的案例和法律条文与咨询问题的关联度的基础上,根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度。具体地,利用实施例二中的关联度的修改公式对新增关键词与新增案例和新增法律条文之间的关联度进行分配,例如,新增关键词4与新增法律条文的关联度为:(1-e2)*|(m/m+n)-(n/m+n)|+e2。
从评选律师的反馈信息以及系统推送的建议信息的评论中提取出新的关键词存储至数据库中,能够丰富数据库关键词的存储量,并且通过新增关键词在评论中的出现频率对新增关键词与参加评选的案例和法律条文之间的关联度进行赋值,能够扩大咨询问题与案例和法律条文之间的查询精度和范围,通过数据库中法律知识地不断自适应性调整和优化,实现为律师提供更为可靠的决策性建议。
本实施例与实施例二的应用于法律咨询服务的法律知识智能查询方法,区别在于,包括以下步骤:
评论步骤:供其他律师对新增案例、新增法律条文以及系统调取的案例和法律条文进行评论;
提取步骤:从评论中提取出现频率高于频率阈值的新增关键词;
语义分析步骤:将新增关键词与数据库中预先存储的关键词进行对比分析,判断是否有不同于数据库中关键词的新增关键词;
关联度赋值步骤:当判断出有不同于数据库中关键词的新增关键词时,将新增关键词存储至数据库中,并根据这些新增关键词的出现频率对新增关键词与系统推送的案例、法律条文之间的关联度赋值;
所述关联度分配步骤:当有新增关键词存储至数据库中时,在调取模块调取的案例和法律条文与咨询问题的关联度的基础上,根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.应用于法律咨询服务的法律知识智能查询方法,其特征在于,包括以下步骤:
数据存储步骤:预先存储关键词信息至数据库中;还预先存储法律相关案例,以及各个案例与各个关键词的关联度至数据库中;还预先存储法律条文,以及各个法律条文与各个关键词的关联度至数据库中;
信息获取步骤:获取学生通过学生端输入的咨询问题;
关键词提取步骤:提取咨询问题中的关键词;
法律知识调取步骤:根据提取的关键词从数据库中调取与关键词关联度最高的案例和法律条文,并发送给能够为学生提供服务的律师端。
2.根据权利要求1所述的应用于法律咨询服务的法律知识智能查询方法,其特征在于,
所述数据存储步骤:还预先存储各个律师的律师信息和信息标签至数据库中;
还包括:
律师匹配步骤:根据提取的关键词从数据库中匹配与关键词对应的信息标签,并根据信息标签匹配出律师,并得到律师信息;
所述法律知识调取步骤:根据律师信息将调取的案例和法律条文发送给对应的律师端。
3.根据权利要求2所述的应用于法律咨询服务的法律知识智能查询方法,其特征在于,还包括:
服务评价步骤:学生通过学生端对匹配出的律师的服务进行评分;
总分评测步骤:根据历史所有学生对律师的评分对律师的总分进行评测,得到服务总分;
在线评测步骤:评测律师的在线时长;
所述律师匹配步骤:根据信息标签、服务总分和律师的在线时长匹配出律师。
4.根据权利要求2所述的应用于法律咨询服务的法律知识智能查询方法,其特征在于,
所述信息获取步骤:还获取律师通过律师端输入的与咨询问题对应的新增案例和新增法律条文;
还包括:
法律知识展示步骤:展示针对某一咨询问题调取模块调取的案例和法律条文,以及展示律师输入的新增案例和新增法律条文;
法律知识评选步骤:供其他律师评选出解决该咨询问题的最佳案例和法律条文,得到评选结果;
分数修改步骤:根据评选结果对输入新增案例和新增法律条文的律师进行扣分或者加分的操作。
5.根据权利要求4所述的应用于法律咨询服务的法律知识智能查询方法,其特征在于,所述法律知识评选步骤之后还包括:
增添判断步骤:根据评选结果判断是否将律师输入的新增案例和新增法律条文存储至数据库中;
关联度分配步骤:当新增案例和新增法律条文存储至数据库中时,在调取的案例和法律条文与咨询问题的关联度的基础上,根据投票结果对新增案例和新增法律条文分配与咨询问题的关联度。
6.根据权利要求4所述的应用于法律咨询服务的法律知识智能查询方法,其特征在于,
所述数据存储步骤:还预先存储有领域信息至数据库,所述关键词信息与领域信息一一对应;
还包括:
领域匹配步骤:根据提取的关键词从数据库中匹配与关键词对应的领域信息;
历史案件收集步骤:收集各个律师各个领域的历史案件处理信息,所述历史案件处理信息包括案件处理件数、各个案件处理后的服务总分、各个案件处理时长;
等级划分步骤:根据历史案件处理信息对各个律师各个领域划分资格等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642169.1A CN109726275B (zh) | 2018-12-29 | 2018-12-29 | 应用于法律咨询服务的法律知识智能查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642169.1A CN109726275B (zh) | 2018-12-29 | 2018-12-29 | 应用于法律咨询服务的法律知识智能查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109726275A true CN109726275A (zh) | 2019-05-07 |
CN109726275B CN109726275B (zh) | 2023-06-20 |
Family
ID=66299332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811642169.1A Active CN109726275B (zh) | 2018-12-29 | 2018-12-29 | 应用于法律咨询服务的法律知识智能查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109726275B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532359A (zh) * | 2019-06-14 | 2019-12-03 | 平安科技(深圳)有限公司 | 法律条文查询方法、装置、计算机设备和存储介质 |
CN111178072A (zh) * | 2019-12-31 | 2020-05-19 | 北京明略软件系统有限公司 | 一种法律条文的确定方法、装置及存储介质 |
CN111581327A (zh) * | 2020-04-08 | 2020-08-25 | 华迪计算机集团有限公司 | 一种行政执法辅助方法和装置 |
CN116777696A (zh) * | 2023-06-30 | 2023-09-19 | 黑龙江大学 | 法律知识自动化学习系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106227880A (zh) * | 2016-08-01 | 2016-12-14 | 挂号网(杭州)科技有限公司 | 医生搜索推荐的实现方法 |
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 |
CN108920706A (zh) * | 2018-07-20 | 2018-11-30 | 吴怡 | 一种法律意见咨询数据库及其构建方法 |
CN109002538A (zh) * | 2018-07-20 | 2018-12-14 | 吴怡 | 基于数据库的法律咨询云平台及方法 |
CN109033083A (zh) * | 2018-07-20 | 2018-12-18 | 吴怡 | 一种基于语义网的法律咨询系统 |
CN109670120A (zh) * | 2018-12-29 | 2019-04-23 | 重庆木舌科技有限公司 | 一种针对高校学生的在线实时法律咨询方法 |
-
2018
- 2018-12-29 CN CN201811642169.1A patent/CN109726275B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106227880A (zh) * | 2016-08-01 | 2016-12-14 | 挂号网(杭州)科技有限公司 | 医生搜索推荐的实现方法 |
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 |
CN108920706A (zh) * | 2018-07-20 | 2018-11-30 | 吴怡 | 一种法律意见咨询数据库及其构建方法 |
CN109002538A (zh) * | 2018-07-20 | 2018-12-14 | 吴怡 | 基于数据库的法律咨询云平台及方法 |
CN109033083A (zh) * | 2018-07-20 | 2018-12-18 | 吴怡 | 一种基于语义网的法律咨询系统 |
CN109670120A (zh) * | 2018-12-29 | 2019-04-23 | 重庆木舌科技有限公司 | 一种针对高校学生的在线实时法律咨询方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532359A (zh) * | 2019-06-14 | 2019-12-03 | 平安科技(深圳)有限公司 | 法律条文查询方法、装置、计算机设备和存储介质 |
CN111178072A (zh) * | 2019-12-31 | 2020-05-19 | 北京明略软件系统有限公司 | 一种法律条文的确定方法、装置及存储介质 |
CN111581327A (zh) * | 2020-04-08 | 2020-08-25 | 华迪计算机集团有限公司 | 一种行政执法辅助方法和装置 |
CN116777696A (zh) * | 2023-06-30 | 2023-09-19 | 黑龙江大学 | 法律知识自动化学习系统及方法 |
CN116777696B (zh) * | 2023-06-30 | 2024-04-30 | 黑龙江大学 | 法律知识自动化学习系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109726275B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726215A (zh) | 面向法律咨询服务的法律知识智能查询系统 | |
CN109726275A (zh) | 应用于法律咨询服务的法律知识智能查询方法 | |
CN104850539B (zh) | 一种自然语言理解方法及基于该方法的旅游问答系统 | |
CN110334212A (zh) | 一种基于机器学习的领域性审计知识图谱构建方法 | |
CN110457696A (zh) | 一种面向档案数据的人才与政策智能匹配系统和方法 | |
CN106446070B (zh) | 一种基于专利群的信息处理装置及方法 | |
CN101118554A (zh) | 智能交互式问答系统及其处理方法 | |
CN106779581A (zh) | 一种人力资源管理系统 | |
CN107341183A (zh) | 一种基于暗网网站综合特征的网站分类方法 | |
CN107330627A (zh) | 一种创新创意的大数据处理方法、服务器及系统 | |
CN110599289A (zh) | 一种裁判文书格式化处理方法 | |
CN109492097B (zh) | 一种企业新闻数据风险分类方法 | |
CN106951565A (zh) | 文本分类方法及获得的文本分类器 | |
Ouiddad et al. | Does the adoption of ERP systems help improving decision-making? A systematic literature review | |
CN103309857A (zh) | 一种分类语料确定方法和设备 | |
CN106708827A (zh) | 质检方法及装置 | |
Wang et al. | Prediction of the 2017 French election based on twitter data analysis using term weighting | |
CN107169632A (zh) | 全球媒体形象分析方法、装置和系统 | |
CN117370539A (zh) | 一种基于知识库和大模型的法律条文信息推荐系统 | |
CN108470035A (zh) | 一种基于判别混合模型的实体-引文相关性分类方法 | |
Kou et al. | A comparative research on competency and competence, competency model and competence model | |
Cañibano et al. | An assessment of selection processes among candidates for public research grants: The case of the Ramón y Cajal Programme in Spain | |
Thakur et al. | An allotment of H1B work VISA in USA using machine learning | |
CN105138544B (zh) | 一种重塑逻辑演绎链的搜索方法 | |
Jaimes Arellano | Split-ticket voting: causes and consequences |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |