CN109872052A - 一种法院案件智能化分案辅助方法及系统 - Google Patents

Abstract

本发明公开了一种法院案件智能化分案辅助方法，包括以下步骤：根据机器学习方法对待分配案件进行分析，得到待分配案件的案件类型；根据法官的属性信息，建立智能分案模型；根据智能分案模型对待分配案件的案件类型进行分析，得到每个法官适合审判待分配案件的适合度数值；采用人工决策的方式在所有适合度数值中选择最终的适合度数值，将待分配案件分配给最终的适合度数值对应的法官，得到分案结果；将分案结果反馈到智能分案模型进行修正和优化。本发明提供的一种法院案件智能化分案辅助方法及系统，能够有效提高案件分配的合理性，提高案件审判的效率。

Description

一种法院案件智能化分案辅助方法及系统

技术领域

本发明涉及计算机技术领域，尤其涉及一种法院案件智能化分案辅助方法及系统。

背景技术

法院案件在立案以后会根据案件类型、案由等分配合适的审判法官进行审理，传统的分案做法可以通过立案庭直接将案件分配给某审判庭的法官，或立案庭将案件分配给审判庭，由审判庭庭长再进行分配。现有技术中，部分技术在划分案件类别以后随机分配审判法官；部分技术采用确定规则的自动模式进行分案。

使用现有技术进行分案，存在如下问题：未充分考虑拟分配法官审理新案件的合理性和成熟度，容易造成案件审判耗时耗力的情况。

发明内容

本发明实施例的目的是提供一种法院案件智能化分案辅助方法及系统，能够有效提高案件分配的合理性，提高案件的审判效率。

为实现上述目的，一方面，本发明的第一实施例提供了一种法院案件智能化分案辅助方法，包括以下步骤：

根据机器学习方法对所述待分配案件进行分析，得到所述待分配案件的案件类型；

根据法官的属性信息，建立智能分案模型；

根据所述智能分案模型对所述待分配案件的案件类型进行分析，得到每个法官适合审判所述待分配案件的适合度数值；

采用人工决策的方式在所有所述适合度数值中选择最终的适合度数值，将所述待分配案件分配给所述最终的适合度数值对应的法官，得到分案结果；

将所述分案结果反馈到所述智能分案模型进行修正和优化。

进一步地，所述根据机器学习方法对所述待分配案件进行分析得到所述待分配案件的案件类型，具体为：

根据机器学习方法建立案件类型分析模型；

根据所述案件类型分析模型对所述待分配案件进行分析得到所述待分配案件的案由以及所属的案件类型概率；

根据人工决策的方式对所述案由和所述案件类型概率进行分析，得到所述待分配案件的案件类型，得到案件类型分析结果；

将所述案件类型分析结果反馈到所述案件类型分析模型进行修正。

进一步地，所述法官的属性信息包括法官的历史案件数据和法官的实际因素，所述实际因素包括法官和案件当事人的关联关系，以及法官已经分配的案件数量。

进一步地，所述根据所述智能分案模型，计算每个法官适合审判所述待分配案件的适合度数值，具体为：

结合所述法官的历史案件数据和法官的实际因素，对所述待分配案件的案件类型进行分析，得到所述每个法官适合审判所述待分配案件的适合度数值。

另一方面，本发明的第二实施例提供了一种法院案件智能化分案辅助系统，包括案件类型划分模块、分案模型建立模块、适合度值计算模块、案件分配模块和案件结果反馈模块；

所述案件类型划分模块，用于根据待分配案件的案由得到所述待分配案件的案件类型；

所述分案模型建立模块，用于根据所述待分配案件的案件类型以及法官的属性信息，建立智能分案模型；其中，所述法官的属性信息包括法官的历史案件数据和法官的实际因素，所述实际因素包括法官已经分配的案件数量和案件当事人的关联关系；

所述适合度值计算模块，用于根据所述智能分案模型对所述待分配案件的案件类型进行分析，得到每个法官适合审判所述待分配案件的适合度数值；

所述案件分配模块，用于采用人工决策的方式在所有所述适合度数值中选择最终的适合度数值，将所述待分配案件分配给所述最终的适合度数值对应的法官，得到分案结果；

所述案件结果反馈模块，用于将所述分案结果反馈到所述智能分案模型进行修正和优化。

进一步地，所述案件划分模块，具体用于：

根据机器学习方法建立案件类型分析模型；

根据所述案件类型分析模型对所述待分配案件进行分析得到所述待分配案件的案由以及所属的案件类型概率；

根据人工决策的方式对所述案由和所述案件类型概率进行分析，得到所述待分配案件的案件类型，得到案件类型分析结果；

将所述案件类型分析结果反馈到所述案件类型分析模型进行修正。

进一步地，所述法官的属性信息包括法官的历史案件数据和法官的实际因素，所述实际因素包括法官和案件当事人的关联关系，以及法官已经分配的案件数量。

进一步地，所述适合度计算模块，具体用于：

结合所述法官的历史案件数据和法官的实际因素，对所述待分配案件的案件类型进行分析，得到所述每个法官适合审判所述待分配案件的适合度数值。

本发明实施例提供的一种法院案件智能化分案辅助方法及系统，通过考虑法官的实际因素，结合法官的历史案件数据和待分配案件的案件类型，对待分配案件进行分配，能够有效提高案件分配的合理性，提高案件审判的效率；通过人工决策的方式将最终的分案结果反馈到智能分案模型中进行修正和优化，能够进一步提高案件分配的合理性，从而能够进一步提高案件审判的效率。

附图说明

图1是本发明提供的一种法院案件智能化分案辅助方法的流程示意图；

图2是本发明提供的一种法院案件智能化分案辅助方法中步骤S1的流程示意图；

图3是本发明提供的一种法院案件智能化分案辅助系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的第一实施例：

请参阅图1-图2。

本发明的第一实施例提供的一种法院案件智能化分案辅助方法，包括以下步骤：

S1、根据机器学习方法对待分配案件进行分析，得到待分配案件的案件类型；

S2、根据法官的属性信息，建立智能分案模型；

S3、根据智能分案模型对待分配案件的案件类型进行分析，得到每个法官适合审判待分配案件的适合度数值；

S4、采用人工决策的方式在所有所述适合度数值中选择最终的适合度数值，将所述待分配案件分配给所述最终的适合度数值对应的法官，得到分案结果；

S5、将分案结果反馈到智能分案模型进行修正和优化。

在本发明实施例中，可以理解的是，本方法设待分配案件为F，所有法官的集合为J＝{J1,J2,…,Jn}，每一个法官Ji已经审判过的历史案件数据的集合为F_i＝{F(i1),F(i2),…,F(ik)}。案件的所有案由集合记为R＝{R1,R2,…,Rm}；案件的类型集合记为T＝{T1,T2,…,Tp}。

根据机器学习的方法建立案件类型分析模型，根据案件类型分析模型分析出待分配案件的案由R_F，即待分配案件属于不同案由{R1,R2,…,Rm}的概率，记为{r1,r2,…,rm}(其中对于所有ri，0≤ri≤1)，即分析出待分配案件F属于案由Ri的概率为ri；根据案件类型分析模型计算得到待分配案件F属于所属于不同案件类型{T1,T2,…,Tp}的概率{t1,t2,…,tp}(其中对于所有ti，0≤ti≤1)，即待分配案件F属于案件类型Ti的概率为ti；根据人工决策的方式，人工根据计算出的概率{r1,r2,…,rm}和{t1,t2,…,tp}判定待分配案件F属于的案件类型(假设记为T_F)，并将案件分配的结果反馈到案件类型分析模型中进行修正和优化。

根据法官的历史案件数据和法官的实际因素建立智能分案模型，并将智能分案模型结合待分配的案件类型，分析得到每个法官适合审判待分配案件的适合度数值，具体为：法官的历史案件数据的集合为{F_1,F_2,…,F_n}，其中F_i表示法官Ji审理过的案件集合；法官Ji的实际因素表示为向量C_i＝(C_i1,C_i2,…,C_ip)，其中实际因素包括：法官Ji已经分配的案件数量以及法官和案件当事人的关联关系数值，向量中p表示总共有p项实际因素，每一项C_i1、C_i2等均代表某一种实际因素的数值；根据法官的历史案件数据和法官的实际因素数，对待分配案件的案件类型T_F进行分析，得到每一个法官适合审理待分配案件的适合度数值，即为每一个法官{J1,J2,…,Jn}计算其当前适合审理T_F案件类型的适合度数值，并将适合度数值记为{O_1F,O_2F,…,O_nF}，O_iF中i表示法官Ji，F表示待分配案件的案件类型。

通过人工决策的方式分析待分配案件和计算得到的适合度数值，将待分配案件合理分配给经过人工决策选择出来的适合度数值对应的法官进行审判，得到案件分配的最终结果，并将案件分配的最终结果反馈到智能分案模块中，对智能分案模型进行修正和优化。将案件分配结果反馈到智能分案模块中，修正和优化案件分配的过程，对下一次的案件分配起到辅助的作用，以使得到的案件分配结果更准确，从而能够有效地提高案件分配的合理性。

请参阅图2，在本发明实施例中，根据机器学习方法对待分配案件进行分析得到待分配案件的案件类型，具体为：

S101、根据机器学习方法建立案件类型分析模型；

S102、根据案件类型分析模型对待分配案件进行分析得到待分配案件的案由以及所属的案件类型概率；

S103、根据人工决策的方式对案由和案件类型概率进行分析，得到待分配案件的案件类型，得到案件类型分析结果；

S104、将案件类型分析结果反馈到案件类型分析模型进行修正。

在本发明实施例中，根据机器学习方法建立案件类型分析模型，并对待分配案件进行分析，能够准确得到待分配案件的案由以及所属案件类型的概率。可以理解的是，案件类型包括：民事案件、刑事案件行政案件和执行案件等，对案件类型的具体分类包括：婚姻、合同和知识产权等类别。用于分析案件类型的方法既包括基于规则(即案由A直接对应类型B等具有明确规则)的方法，也包括基于机器学习的方法(即通过历史相似案由学习出的对应类型)；通过人工决策的方式结合所得的案由概率以及所属案件类型概率，能够准确地确定待分配案件的案件类型，得到对待分配案件的案件类型分析结果，将每一次得到案件类型分析结果反馈到案件类型分析模型中进行修正和优化，能够进一步提高通过案件类型分析模型对待分配案件进行分析得到的案由概率以及案件类型概率的准确性，从而能够使得通过人工决策确定的案件类型更加准确，进而有利于进一步提高案件分配的合理性。

作为本发明实施例的一种具体实施方式，法官的属性信息包括法官的历史案件数据和法官的实际因素，实际因素包括法官和案件当事人的关联关系，以及法官已经分配的案件数量。

作为本发明实施例的一种具体实施方式，根据智能分案模型，计算每个法官适合审判待分配案件的适合度数值，具体为：

结合法官的历史案件数据和法官的实际因素，对待分配案件的案件类型进行分析，得到每个法官适合审判待分配案件的适合度数值。

在本发明实施例中，结合法官的历史案件数据以及法官的实际因素对待分配案件的案件类型进行分析，能够在对案件进行分案时，充分考虑法官与案件当事人的关联关系，以及法官的当前任务量，避免被分案法官工作量超标以及法官和当事人关系密切而造成的审判不合理现象，能够有效地提高案件的审判效率；将最终的案件分配结果反馈到智能分案模型中，对智能分案模型进行修正和优化，进一步提高分案的合理性，从而能够进一步案件的审判效率。

实施本发明实施例，具有如下有益效果：

(1)本发明提供的法院案件智能化分案辅助方法通过机器学习方法对待分配案件进行分析得到待分配案件的案件类型，为合理分案提供先决条件；

(2)本发明提供的法院案件智能化分案辅助方法充分结合法官的历史案件数据，使得案件的分配具有数据保障和数据支撑，通过历史案件数据可以总结出不同的案件类型对应的适合审判的法官，从而在进行案件分案的时候更容易为人工抉择提供合理的选择；

(3)本发明提供的法院案件智能化分案辅助方法充分考虑法官的实际因素，包括法官已经被分配的案件数量、法官和案件当事人的关联关系等因素，避免被分案法官工作量超标以及法官和当事人关系密切而造成的审判不合理现象，有助于辅助选择当前情况下更为合适的法官进行案件审判，能提高案件的审判效率；

(4)本发明提供的法院案件智能化分案辅助方法充分结合人工决策的反馈结果对智能分案模型进行修正和优化，能结合实际分案结果对分案的分析过程进行修正，对案件分配起到辅助的作用，得到更为合理的分案结果，有利于减少人工工作量和提高案件分配的效率。

本发明的第二实施例：

请参阅图3。

本发明的第二实施例提供的一种法院案件智能化分案辅助系统，包括案件类型划分模块201、分案模型建立模块202、适合度值计算模块203、案件分配模块204和案件结果反馈模块205；

案件类型划分模块201，用于根据待分配案件的案由得到待分配案件的案件类型；

分案模型建立模块202，用于根据待分配案件的案件类型以及法官的属性信息，建立智能分案模型；其中，法官的属性信息包括法官的历史案件数据和法官的实际因素，实际因素包括法官已经分配的案件数量和案件当事人的关联关系；

适合度值计算模块203，用于根据智能分案模型对待分配案件的案件类型进行分析，得到每个法官适合审判待分配案件的适合度数值；

案件分配模块204，用于采用人工决策的方式在所有所述适合度数值中选择最终的适合度数值，将所述待分配案件分配给所述最终的适合度数值对应的法官，得到分案结果；

案件结果反馈模块205，用于将分案结果反馈到智能分案模型进行修正和优化。

在本发明实施例中，可以理解的是，本系统设待分配案件为F，所有法官的集合为J＝{J1,J2,…,Jn}，每一个法官Ji已经审判过的历史案件数据的集合为F_i＝{F(i1),F(i2),…,F(ik)}。案件的所有案由集合记为R＝{R1,R2,…,Rm}；案件的类型集合记为T＝{T1,T2,…,Tp}。

根据机器学习的方法建立案件类型分析模型，根据案件类型分析模型分析出待分配案件的案由R_F，即待分配案件属于不同案由{R1,R2,…,Rm}的概率，记为{r1,r2,…,rm}(其中对于所有ri，0≤ri≤1)，即分析出待分配案件F属于案由Ri的概率为ri；根据案件类型分析模型计算得到待分配案件F属于所属于不同案件类型{T1,T2,…,Tp}的概率{t1,t2,…,tp}(其中对于所有ti，0≤ti≤1)，即待分配案件F属于案件类型Ti的概率为ti；根据人工决策的方式，人工根据计算出的概率{r1,r2,…,rm}和{t1,t2,…,tp}判定待分配案件F属于的案件类型(假设记为T_F)，并将案件分配的结果反馈到案件类型分析模型中进行修正和优化。

根据法官的历史案件数据和法官的实际因素建立智能分案模型，并将智能分案模型结合待分配的案件类型，分析得到每个法官适合审判待分配案件的适合度数值，具体为：法官的历史案件数据的集合为{F_1,F_2,…,F_n}，其中F_i表示法官Ji审理过的案件集合；法官Ji的实际因素表示为向量C_i＝(C_i1,C_i2,…,C_ip)，其中实际因素包括：法官Ji已经分配的案件数量以及法官和案件当事人的关联关系数值，向量中p表示总共有p项实际因素，每一项C_i1、C_i2等均代表某一种实际因素的数值；根据法官的历史案件数据和法官的实际因素数，对待分配案件的案件类型T_F进行分析，得到每一个法官适合审理待分配案件的适合度数值，即为每一个法官{J1,J2,…,Jn}计算其当前适合审理T_F案件类型的适合度数值，并将适合度数值记为{O_1F,O_2F,…,O_nF}，O_iF中i表示法官Ji，F表示待分配案件的案件类型。

通过人工决策的方式分析待分配案件和计算得到的适合度数值对应的法官，将待分配案件合理分配给经过人工决策选择出来的适合度数值对应的法官进行审判，得到案件分配的最终结果，并将案件分配的最终结果反馈到智能分案模块中，对智能分案模型进行修正和优化。将案件分配结果反馈到智能分案模块中，修正和优化案件分配的过程，对下一次的案件分配起到辅助的作用，以使得到的案件分配结果更准确，从而能够有效地提高案件分配的合理性。

作为本发明实施例的一种具体实施方式，案件划分模块，具体用于：

根据机器学习方法建立案件类型分析模型；

根据案件类型分析模型对待分配案件进行分析得到待分配案件的案由以及所属的案件类型概率；

根据人工决策的方式对案由和案件类型概率进行分析，得到待分配案件的案件类型，得到案件类型分析结果；

将案件类型分析结果反馈到案件类型分析模型进行修正。

在本发明实施例中，根据机器学习方法建立案件类型分析模型，并对待分配案件进行分析，能够准确得到待分配案件的案由以及所属案件类型的概率。可以理解的是，案件类型包括：民事案件、刑事案件行政案件和执行案件等，对案件类型的具体分类包括：婚姻、合同和知识产权等类别。用于分析案件类型的方法既包括基于规则(即案由A直接对应类型B等具有明确规则)的方法，也包括基于机器学习的方法(即通过历史相似案由学习出的对应类型)；通过人工决策的方式结合所得的案由概率以及所属案件类型概率，能够准确地确定待分配案件的案件类型，得到对待分配案件的案件类型分析结果，将每一次得到案件类型分析结果反馈到案件类型分析模型中进行修正和优化，能够进一步提高通过案件类型分析模型对待分配案件进行分析得到的案由概率以及案件类型概率的准确性，从而能够使得通过人工决策确定的案件类型更加准确，进而有利于进一步提高案件分配的合理性。

作为本发明实施例的一种具体实施方式，法官的属性信息包括法官的历史案件数据和法官的实际因素，实际因素包括法官和案件当事人的关联关系，以及法官已经分配的案件数量。

作为本发明实施例的一种具体实施方式，适合度计算模块，具体用于：

结合法官的历史案件数据和法官的实际因素，对待分配案件的案件类型进行分析，得到每个法官适合审判待分配案件的适合度数值。

在本发明实施例中，结合法官的历史案件数据以及法官的实际因素对待分配案件的案件类型进行分析，能够在对案件进行分案时，充分考虑法官与案件当事人的关联关系，以及法官的当前任务量，避免被分案法官工作量超标以及法官和当事人关系密切而造成的审判不合理现象，能够有效地提高案件的审判效率；将最终的案件分配结果反馈到智能分案模型中，对智能分案模型进行修正和优化，进一步提高分案的合理性，从而能够进一步案件的审判效率。

实施本发明实施例，具有如下有益效果：

(1)本发明提供的法院案件智能化分案辅助系统通过机器学习方法对待分配案件进行分析得到待分配案件的案件类型，为合理分案提供先决条件；

(2)本发明提供的法院案件智能化分案辅助系统充分结合法官的历史案件数据，使得案件的分配具有数据保障和数据支撑，通过历史案件数据可以总结出不同的案件类型对应的适合审判的法官，从而在进行案件分案的时候更容易为人工抉择提供合理的选择；

(3)本发明提供的法院案件智能化分案辅助系统充分考虑法官的实际因素，包括法官已经被分配的案件数量、法官和案件当事人的关联关系等因素，避免被分案法官工作量超标以及法官和当事人关系密切而造成的审判不合理现象，有助于辅助选择当前情况下更为合适的法官进行案件审判，能提高案件的审判效率；

(4)本发明提供的法院案件智能化分案辅助系统充分结合人工决策的反馈结果对智能分案模型进行修正和优化，能结合实际分案结果对分案的分析过程进行修正，对案件分配起到辅助的作用，得到更为合理的分案结果，有利于减少人工工作量和提高案件分配的效率。

以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (8)

1.一种法院案件智能化分案辅助方法，其特征在于，包括以下步骤：

根据机器学习方法对所述待分配案件进行分析，得到所述待分配案件的案件类型；

根据法官的属性信息，建立智能分案模型；

根据所述智能分案模型对所述待分配案件的案件类型进行分析，得到每个法官适合审判所述待分配案件的适合度数值；

采用人工决策的方式在所有所述适合度数值中选择最终的适合度数值，将所述待分配案件分配给所述最终的适合度数值对应的法官，得到分案结果；

将所述分案结果反馈到所述智能分案模型进行修正和优化。

2.如权利要求1所述的法院案件智能化分案辅助系统，其特征在于，所述根据机器学习方法对所述待分配案件进行分析得到所述待分配案件的案件类型，具体为：

根据机器学习方法建立案件类型分析模型；

根据所述案件类型分析模型对所述待分配案件进行分析得到所述待分配案件的案由以及所属的案件类型概率；

根据人工决策的方式对所述案由和所述案件类型概率进行分析，得到所述待分配案件的案件类型，得到案件类型分析结果；

将所述案件类型分析结果反馈到所述案件类型分析模型进行修正。

3.如权利要求1所述的法院案件智能化分案辅助方法，其特征在于，所述法官的属性信息包括法官的历史案件数据和法官的实际因素，所述实际因素包括法官和案件当事人的关联关系，以及法官已经分配的案件数量。

4.如权利要求1所述的法院案件智能化分案辅助方法，其特征在于，所述根据所述智能分案模型，计算每个法官适合审判所述待分配案件的适合度数值，具体为：

结合所述法官的历史案件数据和法官的实际因素，对所述待分配案件的案件类型进行分析，得到所述每个法官适合审判所述待分配案件的适合度数值。

5.一种法院案件智能化分案辅助系统，其特征在于，包括案件类型划分模块、分案模型建立模块、适合度值计算模块、案件分配模块和案件结果反馈模块；

所述案件类型划分模块，用于根据待分配案件的案由得到所述待分配案件的案件类型；

所述分案模型建立模块，用于根据所述待分配案件的案件类型以及法官的属性信息，建立智能分案模型；其中，所述法官的属性信息包括法官的历史案件数据和法官的实际因素，所述实际因素包括法官已经分配的案件数量和案件当事人的关联关系；

所述适合度值计算模块，用于根据所述智能分案模型对所述待分配案件的案件类型进行分析，得到每个法官适合审判所述待分配案件的适合度数值；

所述案件分配模块，用于采用人工决策的方式在所有所述适合度数值中选择最终的适合度数值，将所述待分配案件分配给所述最终的适合度数值对应的法官，得到分案结果；

所述案件结果反馈模块，用于将所述分案结果反馈到所述智能分案模型进行修正和优化。

6.如权利要求5所述的法院案件智能化分案辅助系统，其特征在于，所述案件划分模块，具体用于：

根据机器学习方法建立案件类型分析模型；

根据所述案件类型分析模型对所述待分配案件进行分析得到所述待分配案件的案由以及所属的案件类型概率；

根据人工决策的方式对所述案由和所述案件类型概率进行分析，得到所述待分配案件的案件类型，得到案件类型分析结果；

将所述案件类型分析结果反馈到所述案件类型分析模型进行修正。

7.如权利要求5所述的法院案件智能化分案辅助系统，其特征在于，所述法官的属性信息包括法官的历史案件数据和法官的实际因素，所述实际因素包括法官和案件当事人的关联关系，以及法官已经分配的案件数量。

8.如权利要求5所述的法院案件智能化分案辅助系统，其特征在于，所述适合度计算模块，具体用于：

结合所述法官的历史案件数据和法官的实际因素，对所述待分配案件的案件类型进行分析，得到所述每个法官适合审判所述待分配案件的适合度数值。