CN110009182A - 一种法院案件自动化分案方法及系统 - Google Patents

Abstract

本发明公开了一种法院案件自动化分案方法，包括以下步骤：对待分配案件进行属性分析，得到待分配案件的案件类型；根据法官的属性，建立智能分案模型；其中，法官的属性包括：各个法官的历史案件数据和各个法官当前工作量的实际因素，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；根据智能分案模型对待分配案件的案件类型进行分析，将待分配案件自动分配给对应的法官。本发明提供的一种法院案件自动化分案方法及系统，能够充分考虑分案的实际因素，将案件合理地分配到最合适的法官中，有利于减少审判耗时较多以及审判不合理的情况，从而能够有效地提高审判的效率。

Description

一种法院案件自动化分案方法及系统

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自动化分案方法及系统。

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自动化分案方法及系统，能够减少因分案不合理而造成的审判耗时较多以及审判不合理的情况，从而能够有效地提高审判的效率。

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自动化分案方法，包括以下步骤：

对待分配案件进行属性分析，得到所述待分配案件的案件类型；

根据法官的属性，建立智能分案模型；其中，所述法官的属性包括：各个法官的历史案件数据和各个法官当前工作量的实际因素，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；

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，将所述待分配案件自动分配给对应的法官。

进一步地，所述根据对待分配案件进行属性分析，得到所述待分配案件的案件类型，具体为：通过自然语言对所述待分配案件的案由进行分析，并结合所述案由和案件类型的对应规则，得到所述待分配案件的案件类型。

进一步地，所述根据法官的属性，建立智能分案模型，具体为：根据所述法官的历史案件数据，建立智能学习模型，根据所述智能学习模型以及所述实际因素，建立智能分案模型。

进一步地，所述智能分案模型根据所述法官的属性对所述待分配案件进行分析，包括以下步骤：

根据所述智能学习模型对所述待分配案件的案件类型进行分析，得到各个法官适合审理所述待分配案件的第一适合度数值；

根据所述第一适合度数值和所述实际因素，计算各个法官适合审理所述待分配案件的第二适合度数值；

将所有所述第二适合度数值进行相互比对，自动选择出数值最大的第二适合度数值，将所述待分配案件分配给所述第二适合度数值对应的法官。

另一方面，本发明的第二实施例提供了一种法院自动化分案系统，包括分析模块、建立模块和分案模块；其中，

所述分析模块，用于对待分配案件进行属性分析，得到所述待分配案件的案件类型；

所述建立模块，用于根据法官的属性，建立智能分案模型；其中，所述法官的属性包括：各个法官的历史案件数据和各个法官当前工作量的实际因素，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；

所述分案模块，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，将所述待分配案件自动分配给对应的法官。

进一步地，所述分析模块，具体用于：

通过自然语言对所述待分配案件的案由进行分析，并结合所述案由和案件类型的对应规则，得到所述待分配案件的案件类型。

进一步地，所述建立模块，具体用于：

根据所述法官的历史案件数据，建立智能学习模型，根据所述智能学习模型以及所述实际因素，建立智能分案模型。

进一步地，所述分案模块，具体用于：

根据所述智能学习模型对所述待分配案件的案件类型进行分析，得到各个法官适合审理所述待分配案件的第一适合度数值；

根据所述第一适合度数值和所述实际因素，计算各个法官适合审理所述待分配案件的第二适合度数值；

将所有所述第二适合度数值进行相互比对，自动选择出数值最大的第二适合度数值，将所述待分配案件分配给所述第二适合度数值对应的法官。

本发明提供的一种法院案件自动化分案方法及系统，能够充分考虑法官和案件的关联性，将案件合理地分配到最合适的法官中，有利于减少审判的耗时较多以及审判不合理的情况，从而能够有效地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自动化分案方法的流程示意图；

图2是本发明提供的一种法院自动化分案方法中步骤S3的具体流程示意图；

图3是本发明提供的一种法院自动化分案系统的结构示意图。

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。

本实施例提供了一种法院自动化分案方法，包括以下步骤：

S1、对待分配案件进行属性分析，得到待分配案件的案件类型；

S2、根据法官的属性，建立智能分案模型；其中，法官的属性包括：各个法官的历史案件数据和各个法官当前工作量的实际因素，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；

S3、根据智能分案模型对待分配案件的案件类型进行分析，将待分配案件自动分配给对应的法官。

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}，各个法官Ji已经审判过的历史案件集合为Fi＝{F(i1),F(i2),…,F(ik)}。记录所有案由集合记为R＝{R1,R2,…,Rm}，案件类型集合记为T＝{T1,T2,…,Tp}。根据自然语言处理的方法分析出待分配案件对应的案由Ri，并计算案由Ri对应的案件类型Tj，得到待分配案件对应的案件类型。其中，案由Ri既可以使用基于规则的案由和案件类型的对应方法计算得到，也可以通过学习历史案件计算得到。根据所有法官的历史案件集合，建立智能化学习模型，根据法官的实际因素以及智能化学习模型，建立智能分案模型。法官的实际因素包括：法官Jk已经分配的案件数量，法官和案件当事人的关联关系等其他实际因素；其中，案件数量记为Nk，将关联关系数值化并记为Sk；将法官Jk的实际因素记为向量Ck＝(Ck1,Ck2,…Ckp)，其中p表示总共有p项实际因素，每一项Ck1、Ck2等均代表每一种实际因素的数值。在智能学习模型中输入待分配案件的案件类型Tj，输出针对待分配案件的适合各个法官审判的第一适合度数值，即为各个法官Jk生成一个适合审理案件类型Tj的第一适合度数值，记为V(kj)。根据智能化学习模型输出的第一适合度数值V(kj)以及各个法官的实际因素向量Ck，利用机器学习类方法，通过历史案件的分案结果进行学习，得到各个法官Jk适合审理待分配案件F的第二适合度数值，记为O(Jk-F)，

在智能分案系统中自动选择所有第二适合度数值中的最大值对应的法官Jk，将待分配案件F分配给法官Jk进行审理，完成智能化自动分案。

作为本发明实施例的一种具体实施方式，根据对待分配案件进行属性分析，得到待分配案件的案件类型，具体为：通过自然语言对待分配案件的案由进行分析，并结合案由和案件类型的对应规则，得到待分配案件的案件类型。

在本发明实施例中，对于待分配案件进行属性分析，智能化学习待分配案件对应的类型，包括：民事、刑事、行政、或者执行等不同的案件类型，以及具体的分类，比如婚姻、合同、知识产权等；主要为通过自然语言处理，分析待分配案件涉及到的案由，并结合案由和案件类型的对应规则，对待分配案件进行类型划分，能够准确地得到待分配案件的案件类型，从而能够有效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，根据法官的属性，建立智能分案模型，具体为：根据法官的历史案件数据，建立智能学习模型，根据智能学习模型以及实际因素，建立智能分案模型。

在本发明实施例中，本发明提供的法院案件自动化分案方法根据法官的实际因素建立智能分案模型，考虑到法官当前的实际工作量，以及法官与当事人的关联关系，有效地提高了案件分配的合理性和成熟度，从而能够将案件合理地分配给适合审判的法官。

作为本发明实施例的一种具体实施方式，智能分案模型根据法官的属性对待分配案件进行分析，包括以下步骤：

S301、根据智能学习模型对待分配案件的案件类型进行分析，得到各个法官适合审理待分配案件的第一适合度数值；

S302、根据第一适合度数值和实际因素，计算各个法官适合审理待分配案件的第二适合度数值；

S303、将所有第二适合度数值进行相互比对，自动选择出数值最大的第二适合度数值，将待分配案件分配给第二适合度数值对应的法官。

在本发明实施例中，将第一适合度数值结合法官的实际因素进行计算得到各个法官适合审理待分配案件的第二适合度数值，能够进一步考虑法官与待分配案件的关联性，从而能够更加合理地选择出适合审判的法官，进而能够有效地提高案件分配的合理性和成熟度，有利于减少审判耗时较多以及审判不合理的情况，提高案件审判的效率。

实施本发明实施例，具有如下有益效果：

(1)本发明提供的方法充分结合历史案件数据，使得分案方法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法官适合审理的案件类型，从而在进行案件分案的时候更容易实现合理性，将待分配案件合理分配给最适合审判的法官；

(2)本发明提供的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，能提高法官的判案效率；

(3)本发明提供的方法能智能化地对待分配案件进行案件类型划分以及审判法官的匹配，能够快速并合理地完成案件自动化分配的过程。

本发明的第二实施：

请参阅图3。

本实施例提供的一种法院自动化分案系统，包括分析模块201、建立模块202和分案模块203；其中，

分析模块201，用于对待分配案件进行属性分析，得到待分配案件的案件类型；

建立模块202，用于根据法官的属性，建立智能分案模型；其中，法官的属性包括：各个法官的历史案件数据和各个法官当前工作量的实际因素，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；

分案模块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，将待分配案件自动分配给对应的法官。

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}，各个法官Ji已经审判过的历史案件集合为Fi＝{F(i1),F(i2),…,F(ik)}。记录所有案由集合记为R＝{R1,R2,…,Rm}，案件类型集合记为T＝{T1,T2,…,Tp}。根据自然语言处理的方法分析出待分配案件对应的案由Ri，并计算案由Ri对应的案件类型Tj，得到待分配案件对应的案件类型。其中，案由Ri既可以使用基于规则的案由和案件类型的对应方法计算得到，也可以通过学习历史案件计算得到。根据所有法官的历史案件集合，建立智能化学习模型，根据法官的实际因素以及智能化学习模型，建立智能分案模型。法官的实际因素包括：法官Jk已经分配的案件数量，法官和案件当事人的关联关系等其他实际因素；其中，案件数量记为Nk，将关联关系数值化并记为Sk；将法官Jk的实际因素记为向量Ck＝(Ck1,Ck2,…Ckp),其中p表示总共有p项实际因素，每一项Ck1、Ck2等均代表每一种实际因素的数值。在智能学习模型中输入待分配案件的案件类型Tj，输出针对待分配案件的适合各个法官审判的第一适合度数值，即为各个法官Jk生成一个适合审理案件类型Tj的第一适合度数值，记为V(kj)。根据智能化学习模型输出的第一适合度数值V(kj)以及各个法官的实际因素向量Ck，利用机器学习类方法，通过历史案件的分案结果进行学习，得到各个法官Jk适合审理待分配案件F的第二适合度数值，记为O(Jk-F)，

在智能分案系统中自动选择所有第二适合度数值中的最大值对应的法官Jk，将待分配案件F分配给法官Jk进行审理，完成智能化自动分案。

作为本发明实施例的一种具体实施方式，分析模块201，具体用于：

通过自然语言对待分配案件的案由进行分析，并结合案由和案件类型的对应规则，得到待分配案件的案件类型。

在本发明实施例中，对于待分配案件进行属性分析，智能化学习待分配案件对应的类型，包括：民事、刑事、行政、或者执行等不同的案件类型，以及具体的分类，比如婚姻、合同、知识产权等；主要为通过自然语言处理，分析待分配案件涉及到的案由，并结合案由和案件类型的对应规则，对待分配案件进行类型划分，能够准确地得到待分配案件的案件类型，从而能够有效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，建立模块202，具体用于：

根据法官的历史案件数据，建立智能学习模型，根据智能学习模型以及实际因素，建立智能分案模型。

在本发明实施例中，本发明提供的法院案件自动化分案方法根据法官的实际因素建立智能分案模型，考虑到法官当前的实际工作量，以及法官与当事人的关联关系，有效地提高了案件分配的合理性和成熟度，从而能够将案件合理地分配给适合审判的法官。

作为本发明实施例的一种具体实施方式，分案系统203，具体用于：

根据智能学习模型对待分配案件的案件类型进行分析，得到各个法官适合审理待分配案件的第一适合度数值；

根据第一适合度数值和实际因素，计算各个法官适合审理待分配案件的第二适合度数值；

将所有第二适合度数值进行相互比对，自动选择出数值最大的第二适合度数值，将待分配案件分配给第二适合度数值对应的法官。

在本发明实施例中，将第一适合度数值结合法官的实际因素进行计算得到各个法官适合审理待分配案件的第二适合度数值，能够进一步考虑法官与待分配案件的关联性，从而能够更加合理地选择出适合审判的法官，进而能够有效地提高案件分配的合理性和成熟度，有利于减少审判耗时较多以及审判不合理的情况，提高案件审判的效率。

实施本发明实施例，具有如下有益效果：

(1)本发明提供的系统充分结合历史案件数据，使得分案方法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法官适合审理的案件类型，从而在进行案件分案的时候更容易实现合理性，将待分配案件合理分配给最适合审判的法官；

(2)本发明提供的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，能提高法官的判案效率；

(3)本发明提供的系统能智能化地对待分配案件进行案件类型划分以及审判法官的匹配，能够快速完成案件自动化分配的过程。

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)

1.一种法院案件自动化分案方法，其特征在于，包括以下步骤：

对待分配案件进行属性分析，得到所述待分配案件的案件类型；

根据法官的属性，建立智能分案模型；其中，所述法官的属性包括：各个法官的历史案件数据和各个法官当前工作量的实际因素，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；

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，将所述待分配案件自动分配给对应的法官。

2.如权利要求1所述的法院自动化分案方法，其特征在于，所述根据对待分配案件进行属性分析，得到所述待分配案件的案件类型，具体为：通过自然语言对所述待分配案件的案由进行分析，并结合所述案由和案件类型的对应规则，得到所述待分配案件的案件类型。

3.如权利要求1所述的法院自动化分案方法，其特征在于，所述根据法官的属性，建立智能分案模型，具体为：根据所述法官的历史案件数据，建立智能学习模型，根据所述智能学习模型以及所述实际因素，建立智能分案模型。

4.如权利要求3所述的法院自动化分案方法，其特征在于，所述智能分案模型根据所述法官的属性对所述待分配案件进行分析，包括以下步骤：

根据所述智能学习模型对所述待分配案件的案件类型进行分析，得到各个法官适合审理所述待分配案件的第一适合度数值；

根据所述第一适合度数值和所述实际因素，计算各个法官适合审理所述待分配案件的第二适合度数值；

将所有所述第二适合度数值进行相互比对，自动选择出数值最大的第二适合度数值，将所述待分配案件分配给所述第二适合度数值对应的法官。

5.一种法院案件自动化分案系统，其特征在于，包括分析模块、建立模块和分案模块；其中，

所述分析模块，用于对待分配案件进行属性分析，得到所述待分配案件的案件类型；

所述建立模块，用于根据法官的属性，建立智能分案模型；其中，所述法官的属性包括：各个法官的历史案件数据和各个法官当前工作量的实际因素，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；

所述分案模块，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，将所述待分配案件自动分配给对应的法官。

6.如权利要求5所述的法院自动化分案系统，其特征在于，所述分析模块，具体用于：

通过自然语言对所述待分配案件的案由进行分析，并结合所述案由和案件类型的对应规则，得到所述待分配案件的案件类型。

7.如权利要求5所述的法院自动化分案系统，其特征在于，所述建立模块，具体用于：

根据所述法官的历史案件数据，建立智能学习模型，根据所述智能学习模型以及所述实际因素，建立智能分案模型。

8.如权利要求7所述的法院自动化分案系统，其特征在于，所述分案模块，具体用于：

根据所述智能学习模型对所述待分配案件的案件类型进行分析，得到各个法官适合审理所述待分配案件的第一适合度数值；

根据所述第一适合度数值和所述实际因素，计算各个法官适合审理所述待分配案件的第二适合度数值；

将所有所述第二适合度数值进行相互比对，自动选择出数值最大的第二适合度数值，将所述待分配案件分配给所述第二适合度数值对应的法官。