CN110032721A - 一种裁判文书推送方法及装置 - Google Patents

一种裁判文书推送方法及装置 Download PDF

Info

Publication number
CN110032721A
CN110032721A CN201810025686.8A CN201810025686A CN110032721A CN 110032721 A CN110032721 A CN 110032721A CN 201810025686 A CN201810025686 A CN 201810025686A CN 110032721 A CN110032721 A CN 110032721A
Authority
CN
China
Prior art keywords
plot
document
case
item
target
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
Application number
CN201810025686.8A
Other languages
English (en)
Other versions
CN110032721B (zh
Inventor
赵耀
陈春磊
韩希伦
周冰洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Gridsum Technology Co Ltd
Original Assignee
Beijing Gridsum Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Gridsum Technology Co Ltd filed Critical Beijing Gridsum Technology Co Ltd
Priority to CN201810025686.8A priority Critical patent/CN110032721B/zh
Publication of CN110032721A publication Critical patent/CN110032721A/zh
Application granted granted Critical
Publication of CN110032721B publication Critical patent/CN110032721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种裁判文书推送方法及装置，获取既有文书的文书情节信息，然后，从与该既有文书的案由所对应的文书情节识别信息中，获取与既有文书的文书情节信息相匹配的目标情节识别特征。利用该目标情节识别特征搜索与既有文书的案件情节相匹配的目标裁判文书，并向客户端推送目标裁判文书。该方法根据既有文书的案件情节确定要推送的类案裁判文书，打破相关技术中对审级和案由的限制，回归到案件情节本身，从而提高了类案裁判文书的推送准确率。

Description

一种裁判文书推送方法及装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种裁判文书推送方法及装置。
背景技术
裁判文书用来记载人民法院审理过程和结果，它是诉讼活动结果的载体，也是人民法院确定和分配当事人实体权利义务的惟一凭证。
类案是指不同个案之间的案由、案件主要事实、说理等方面总体上相似度比较高，属于同一类案件。在实际应用场景中，法官在实际审判案件过程中，会参考已有类案的裁判文书，形成最终的事实认定和判决结果。
随着网络技术飞速发展，推送类案的裁判文书已经成为用户获取类案裁判文书的重要方式之一。
相关技术中，类案的裁判文书推送通常是在和既有文书(即，文书推送过程中，所依据的那篇文书)案由、文书类型、审级完全一致的基础上，依据各个案由的案件特点，通过关键词强匹配的方法识别出该案由下的裁判文书，然后推送给用户。这种推送方式仅能保证案由、审级、文书类型等最基本的信息一致，因此推送结果的准确率较低。
发明内容
鉴于上述问题，提出了本发明提供了一种裁判文书推送方法及装置，以解决相关推送方法的推送结果准确率低的技术问题。其具体的技术方案如下：
第一方面，本申请提供了一种裁判文书推送方法，包括：获取既有文书的文书情节信息，所述文书情节信息包括体现案件特征和影响裁判结果的信息；从预先获得的各个案由对应的文书情节识别信息中，选取与所述既有文书的文书情节信息相匹配的目标情节识别特征，所述文书情节识别信息包括情节识别特征；根据所述目标情节识别特征搜索与所述文书情节信息相匹配的目标裁判文书；推送所述目标裁判文书。
第一方面提供的裁判文书推送方法根据既有文书的文书情节信息确定要推送的类案裁判文书，打破相关技术中对审级和案由的限制，回归到文书情节本身，从而提高了类案裁判文书的推送准确率。
在第一方面一种可能的实现方式中，所述方法还包括：根据目标案由所对应的法律法规内容，获得所述目标案由包含的案件情节项；获取每条所述案件情节项对应的搜索关键词，并搜索与所述搜索关键词相匹配的裁判文书样本；分析所述裁判文书样本获得与所述案件情节项对应的情节识别特征,所述文书情节识别信息包括所述案件情节项和所述案件情节项对应的情节识别特征。
在第一方面另一种可能的实现方式中，文书情节信息包括案件类型、案由和案件情节；从预先获得的各个案由对应的文书情节识别信息中，选取与所述文书情节信息相匹配的目标情节识别特征，包括：获取所述既有文书所涉及的目标案件类型和第一案由；从所述目标案件类型对应的、预先获得的各个案由的文书情节识别信息中，获取所述第一案由对应的文书情节识别信息，所述文书情节识别信息包括案件情节项和所述案件情节项所对应的情节识别特征；从所述第一案由对应的文书情节识别信息中，选取与所述既有文书的案件情节相匹配的目标案件情节项，以及，获取与所述目标案件情节项相对应的目标情节识别特征。
在第一方面另一种可能的实现方式中，案件情节项包括必要案件情节项和附加案件情节项；获取与所述目标案件情节项相对应的目标情节识别特征，包括：获取与所述必要案件情节项相对应的必要情节识别特征，并获取与所述附加案件情节项相对应的附加情节识别特征；结合所述必要情节识别特征和所述附加情节识别特征，获得所述目标情节识别特征。
在第一方面另一种可能的实现方式中，文书情节识别信息包括案件情节项，以及与所述案件情节项对应的情节识别特征；所述方法还包括：标记所述目标裁判文书中与所述既有文书所包含的案件情节项一致的案件情节项。从而使用户更直观地看到推送的裁判文书与既有文书中相同的案件情节项。
在第一方面另一种可能的实现方式中，目标情节识别特征包括必要情节识别特征和附加情节识别特征；推送所述目标裁判文书，包括：按照所述目标裁判文书中符合所述附加情节识别特征的数量由多到少的顺序推送所述目标裁判文书。从而使用户先查看与既有文书相似度高的裁判文书。
第二方面，本申请还提供一种裁判文书推送装置，包括：第一获取模块，用于获取既有文书的文书情节信息，所述文书情节信息包括体现案件特征和影响裁判结果的信息；第二获取模块，用于从预先获得的各个案由对应的文书情节识别信息中，选取与所述既有文书的文书情节信息相匹配的目标情节识别特征，所述文书情节识别信息包括情节识别特征；搜索模块，用于根据所述目标情节识别特征搜索与所述文书情节信息相匹配的目标裁判文书；推送模块，用于推送所述目标裁判文书。
在第二方面的一种可能的实现方式中，所述装置还包括：第三获取模块，用于根据目标案由所对应的法律法规内容，获得所述目标案由包含的案件情节项；第四获取模块，用于获取每条所述案件情节项对应的搜索关键词，并搜索与所述搜索关键词相匹配的裁判文书样本；第五获取模块，用于分析所述裁判文书样本获得与所述案件情节项对应的情节识别特征,所述文书情节识别信息包括所述案件情节项和所述案件情节项对应的情节识别特征。
第三方面，本申请还提供了一种存储介质，其上存储有程序，所述程序被处理器执行时实现第一方面任一项所述的裁判文书推送方法。
第四方面，本申请还提供了一种处理器，所述处理器用于运行程序，程序运行时执行第一方面任一项所述的裁判文书推送方法。
借由上述技术方案，本发明提供的裁判文书推送方法，获取既有文书的文书情节信息，然后，从与该既有文书的案由所对应的文书情节识别信息中，获取与既有文书的文书情节信息相匹配的目标情节识别特征。利用该目标情节识别特征搜索与既有文书的案件情节相匹配的目标裁判文书，并向客户端推送目标裁判文书。该方法根据既有文书的案件情节确定要推送的类案裁判文书，打破相关技术中对审级和案由的限制，回归到案件情节本身，从而提高了类案裁判文书的推送准确率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请实施例一种裁判文书推送方法的流程图；
图2示出了本申请实施例另一种裁判文书推送方法的流程图；
图3示出了本申请实施例一种获取案由对应的案件情节项过程的流程图；
图4示出了本申请实施例一种裁判文书推送装置的框图；
图5示出了本申请实施例一种第二获取模块的框图；
图6示出了本申请实施例另一种裁判文书推送装置的框图。
具体实施方式
为了提高类案裁判文书的推送准确度，本申请提供了裁判文书推送方法，该方法根据既有文书的案件情节确定要推送的类案裁判文书，打破相关技术中对审级和案由的限制，回归到案情本身，从而提高了类案裁判文书的推送准确率。
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
请参见图1，示出了本申请实施例一种裁判文书推送方法的流程图，该方法应用于服务器中，如图1所示，该方法可以包括：
S110，获取既有文书的文书情节信息。
既有文书是用户选择的作为推送依据的裁判文书。既有文书的数量是一篇。
文书情节信息包括体现案件特征、影响裁判结果、让法官对之进行法律认定与说理的信息。例如，文书情节信息包括：案件类型(例如，民事、刑事、行政)、案由和案件情节等信息。其中，案件情节是体现案件特征、影响裁判结果的信息，例如，刑事类裁判文书中具体的量刑内容等。
其中，案由是具体诉讼案件所涉及的法律关系的性质、内容的概括提要。
刑事案件的案由中至少包括被告人的犯罪名称，例如，故意伤害罪。
对于民事案件，民事案件的裁判文书涉及的案由包含上千个，同一类事实引起的诉讼可能因法院、法官不同，最终得到的案由可能不相同；而且，民事案件事实复杂，例如离婚纠纷会同时涉及离婚、子女抚养、财产分割等多个诉讼请求，而类似的事实在裁判文书中可被识别出的案由可能包括夫妻财产纠纷、离婚纠纷或财产继承纠纷等，因此，需要对民事案由进行梳理得到一级案由、二级案由、三级案由，其中，一级案由通常是上位概念，通常不会直接在裁判文书中出现，例如，“婚姻家庭纠纷”，二级案由和三级案由通常是裁判文书中表述的案由。
例如，对婚姻家庭纠纷梳理后的一级、二级、三级案由如表1所示：
表1
行政案件的案由分为：作为类案件、不作为类案件、行政赔偿类案件三大类；其中，行为类案件的案由包括行政管理范围和具体行政行为种类；例如，“治安行政处罚”；例如，“诉公安机关不履行保护人身权法定职责”是不作为类案件的案由；例如，“税务行政赔偿”是行政赔偿类的案由等。
裁判文书通常包括诉请段、辩称段、事实认定段、本院认为段、判决如下段；根据这些段落的内容即可获得既有文书的文书情节信息。
S120，从预先获得的各个案由对应的文书情节识别信息中，选取与既有文书的文书情节信息相匹配的目标情节识别特征。
在针对既有文书进行推送类似裁判文书之前，不同案件类型针对各类案由分别采集裁判文书样本、总结获得每一类案由对应的裁判文书样本的文书情节识别信息。其中，所述文书情节识别信息包括多个案件情节项，每一个案件情节项对应至少一个情节识别特征。
然后，当用户选定作为推送依据的既有文书之后，根据该既有文书的案件类型和案由从该案件类型中该案由对应的文书情节识别信息中，获取与该既有文书的文书情节信息相匹配的目标情节识别特征。
S130，根据目标情节识别特征搜索与既有文书的文书情节信息相匹配的目标裁判文书。
获得既有文书的目标情节识别特征后，利用目标情节识别特征搜索与该既有文书的文书情节信息相匹配的目标裁判文书。
S140，推送目标裁判文书。
最后，将搜索到的与既有文书的文书情节信息相匹配的目标裁判文书推送给客户端。
本实施例提供的裁判文书推送方法，获取既有文书的文书情节信息，然后，从与该既有文书的案由所对应的文书情节识别信息中，获取与既有文书的文书情节信息相匹配的目标情节识别特征。利用该目标情节识别特征搜索与既有文书的文书情节信息相匹配的目标裁判文书，并向客户端推送目标裁判文书。该方法根据既有文书的文书情节信息确定要推送的类案裁判文书，打破相关技术中对审级和案由的限制，回归到文书情节本身，从而提高了类案裁判文书的推送准确率。
请参见图2，示出了本申请实施例另一种裁判文书推送方法的流程图，本实施例将详细介绍针对不同案件类型，获得各个案由对应的文书情节识别信息的过程。其中，获取各个案由对应的文书情节识别信息的过程只需进行一次，后续可以直接使用该文书情节识别信息。
如图2所示，该方法包括以下步骤：
S210，根据目标案由对应的法律法规，获得该目标案由包含的案件情节项。
目标案由是所有案由中的任意一个。该步骤是针对每个案由从与该案由相关的法律法规中获取对应的案件情节项。
请参见图3，示出了本申请实施例一种获取案由对应的案件情节项过程的流程图，该过程可以包括：
S211，获取目标案由对应的法律条款。
确定目标案由后，获取与该目标案由相关的法律条款。例如，目标案由是“非法拘禁罪”，则搜集相关法律文件中的相关条款，例如，《刑法》第二百三十八条，以及《湖北省高级人民法院<关于常见范围的量刑指导意见>实施细则》(四)中非法拘禁罪第1、2、3、4、5条。
S212，逐条解析所述法律条款的内容，获得与该目标案由对应的案件情节相关内容。
逐条对法条进行分解，例如，可以对搜索到的法条进行语义分析获得该法条中“**行为应当从重处罚”、“**行为可以从轻处罚”、“**行为承担赔偿责任”、“**行为应当认定为存在过错的情形”这种具有结论、有定性的语句，这些语句内容就是案件情节相关内容。
然后，对这些案件情节相关内容进行整理，获得与“非法拘禁罪”相关的案件情节相关内容。
例如，《刑法》第二百三十八条：非法拘禁他人或者以其他方法非法剥夺他人人身自由的，处三年以下有期徒刑、拘役、管制或者剥夺政治权利。具有殴打、侮辱情节的，从重处罚。犯前款罪，致人重伤的，处三年以上十年以下有期徒刑；致人死亡的，处十年以上有期徒刑。使用暴力致人伤残、死亡的，依照本法第二百三十四条、第二百三十二条的规定定罪处罚。为索取债务非法扣押、拘禁他人的，依照前两款的规定处罚。国家机关工作人员利用职权犯前三款罪的，依照前三款的规定从重处罚。对该法条拆解后得到“具有殴打、侮辱情节的”、“致人重伤的”、“使用暴力致人伤残、死亡的”等。
S213，对案件情节相关内容进行分解、梳理，获得案件情节项。
然后，对这些案件情节相关内容进行分解、整理成表，例如，表2是对“非法拘禁罪”的相关法律法规整理得到的案件情节项：
表2
又如，表3是对案由“婚姻家庭纠纷”的相关法律法规整理得到的部分案件情节项：
表3
在本申请的一个实施例中，可以对这些案件情节项进行分类，分类结果包括必须项和附加项；分类时主要从对裁判结果影响的重要程度和是否能代表裁判文书特点这两方面考虑。例如，根据《湖北省高级人民法院<关于常见范围的量刑指导意见>实施细则》，“持凶器非法拘禁”这一案件情节的性质是“可以从重处罚”，故综合考虑这一情节定位“附加项”，即，“持凶器非法拘禁”是附加情节，在后续推送裁判文书时，该案件情节项不是必须与既有文书一致。
S220，获取每条案件情节项所对应的搜索关键词，并搜索与搜索关键词相匹配的裁判文书样本。
得到案件情节项后，从这些案件情节项中提取出关键词，并根据案件情节的核心事实和法律实务中常见的固定表述进行关键词联想。
下面以刑事案件的案件情节项“持凶器非法拘禁”为例详细说明获取裁判文书样本的过程：
结合相关法律文件理解，确定“持凶器非法拘禁”的核心事实及表述中应该包含“持凶器……非法拘禁”、“用管制器械……非法拘禁”等语句。然后，可以从这些语句中提取相应的关键词，再对关键词进行扩展。最终得到的关键词包括“用”、“持”、“凶器”、“管制器械”、“非法拘禁”等关键词。
然后，在案由是“非法拘禁罪”的裁判文书中的本院认为段，利用上述搜索关键词搜索符合“持凶器非法拘禁”这一案件情节项的语句，作为裁判文书样本收集起来。其中，此处的裁判文书样本可以是从裁判文书中利用搜索关键词搜索得到的相关语句。
其中，对于民事案件和行政案件的搜索裁判文书样本过程与上述过程相同，此处不再一一举例说明。
S230，分析裁判文书样本获得与案件情节项对应的情节识别特征。
分析同一个案件情节项所对应的各个裁判文书样本的语义内容，确定该案件情节项所对应的情节识别特征。
其中，每个案件情节项可以根据裁判文书样本中出现的具体语句选择至少一种识别规则得到情节识别特征。识别规则包括但不限于以下四种：
1)关键词规则：在裁判文书的某个段落中只要包含该关键词，确定该裁判文书符合该案件情节项所对应的案件情节；
2)正则表达式规则：在裁判文书的某个段落中，有符合正则表达式的描述语句，确定该裁判文书符合所述案件情节项所对应的案件情节；
例如，裁判文书样本中“凶器”可以是砍刀、械镐把、电警棍、械具等具体的器具；同理，裁判文书样本中“非法拘禁”可以包括很多具体的拘禁情节，例如，“扣押、关押、限制行为”等。
因此，不能通过单一关键词“凶器”涵盖上述的器具；也不能通过单一关键词“拘禁”涵盖上述的具体拘禁情节，可以选择正则表达式法作为该两项依据项对应的情节识别特征。例如，正则表达式可以是(凶器|砍刀|械镐把|电警棍|手铐|械具).{0,40}(拘禁|扣押|限制|剥夺|关押)。当裁判文书中某一段落中出现(凶器|砍刀|械镐把|电警棍|手铐|械具)中的任意一个词，以及，出现(拘禁|扣押|限制|剥夺|关押)中的任意一个词时，确定该裁判文书的段落符合正则表达式规则；该实例中的{0,40}是指两个特征词之间的字符数可以是0～40。
3)正则表达式内容规则：在裁判文书的某个段落中，有符合正则表达式的描述语句，而且，该描述语句中的内容符合规则，确定该裁判文书符合该案件情节项所对应的案件情节。
正则表达式内容规则，不仅能够识别出符合条件的语句，还能找到符合具体内容的语句。例如，重伤1人，盗窃金额5439元等数字信息。
例如，既有文书中的一个案件情节是“重伤2人”，则可以根据“重伤2人”作为正则表达式内容，从而搜索到包含“重伤2人”的裁判文书。
而且，表2所示的案件情节项中具体的内容项可以根据既有文书中的具体内容进行调整，例如，既有文书中是“伤残一级”，则可以将表2中的“伤残X级”调整为伤残一级，并根据该案件情节项对应的情节识别规则识别出包含该情节的裁判文书并推送给用户。
4)适用法律规则：在裁判文书的适用法条中包含该规则规定的法条，则确定该裁判文书符合该案件情节项所对应的案件情节。
利用S210～S230获得各个案由与案件情节项和情节识别特征之间的对应关系之后，根据该对应关系确定既有文书的案件情节相匹配的目标情节识别特征。
上述四种识别规则同样适用于民事案件和行政案件中，此处不再一一举例说明。
S240，获取既有文书的文书情节信息。
S250，根据该文书情节信息确定该既有文书的案由。
S260，从预先获得的该案由所对应的文书情节识别信息中，选取与该既有文书的案件情节相匹配的目标案件情节项及目标情节识别特征。
获得既有文书的案由之后，从预先获得的该案由对应的文书情节识别信息中选择与既有文书的案件情节相匹配的案件情节项，确定为目标案件情节项，以及从文书情节识别信息中获取与该目标案件情节项对应的目标情节识别特征。同时，标记既有文书所包含的案件情节项。
在本申请的一个实施例中，用户可以从与既有文书所包含的多个案件情节项中指定必要案件情节项和附加案件情节项。必要案件情节项是待推荐的裁判文书在该情节上必须与既有文书保持一致的案件情节项；附加案件情节项是待推荐的裁判文书在该情节上不需要与既有文书保持一致的案件情节项。
其中，主要以对裁判结果影响的重要程度和是否能代表裁判文书特点两方面考量，此外，还可以结合裁判案件情节的涉案量多少、识别规则覆盖面等方面综合考量，确定必要案件情节项和附加案件情节项。
同时，可以限制必要案件情节项的数量，因为必要案件情节项的数量增多，会导致推送的裁判文书数量锐减。附加案件情节项的数量可以是多个。
此处需要说明的是，必要案件情节项与附加案件情节项是可以一次设定后多次使用的。
在本申请的一个实施例中，获取与目标案件情节项相对应的目标情节识别特征，可以包括以下过程：
获取与必要案件情节项相对应的必要情节识别特征，以及，获取与附加案件情节项相对应的附加情节识别特征。结合必要情节识别特征和附加情节识别特征，获得目标情节识别特征。
S270，搜索与目标情节识别特征相匹配的目标裁判文书。
对于既有文书的案件情节项，可以在初始识别出既有文书的案件情节项后就进行标记，也可以在识别出既有文书的案件情节项到搜索出目标裁判文书过程中的任一阶段进行标记。对于目标裁判文书中与既有文书案件情节一致的案件情节项，则是在搜索出目标裁判文书后再标记目标裁判文书的案件情节项。
如果目标情节识别特征包括必要情节识别特征和附加情节识别特征，则先搜索与必要情节识别特征相匹配的第一类裁判文书集合，然后，从该第一类裁判文书集合中搜索与所述附加情节识别特征相匹配的裁判文书。最后，将第一类裁判文书集合中的裁判文书按照符合情节识别特征由多到少的顺序获取前预设数量个裁判文书作为目标裁判文书。
S280，标记目标裁判文书中与既有文书所包含的案件情节项一致的目标案件情节项，并按照目标案件情节项的数量由多到少的顺序推送所述目标裁判文书。
在本申请的一个实施例中，在各个目标裁判文书中标记与既有文书相匹配的案件情节项，以便后续直接根据一篇裁判文书中标记的案件情节项的数量由多到少进行排序。然后，按照该排序向客户端推送裁判文书。而且，用户可以在客户端直观地看到推送的裁判文书与既有文书相同的案件情节项。
根据目标情节识别特征确定目标裁判文书中所包含的案件情节项。在搜索与目标情节识别特征相匹配的目标裁判文书时，如果目标裁判文书与某个目标情节识别特征匹配，则确定该目标裁判文书包含该目标情节识别特征对应的案件情节项，并在该目标裁判文书中标记该案件情节项。
本实施例提供的裁判文书推送方法，根据不同的案由分类收集相关的法律条款，并根据法律条款得到搜索关键词；利用搜索关键词采集裁判文书样本，分析裁判文书样本中的相关描述语句，获得最终的情节识别特征，利用该情节识别特征搜索得到与既有文书在案件情节一致的目标裁判文书。该方法广泛搜集裁判文书样本，根据裁判文书样本获得识别案件情节的情节识别特征，此种方式获得的情节识别特征更准确、更全面，因此，最终获得的目标裁判文书的准确率更高。而且，目标情节识别特征可以包括必要情节识别特征和附加情节识别特征，并标记目标裁判文书所包含的案件情节项，并按照目标裁判文书所包含案件情节项的数量由多到少的顺序推送给客户端，从而使用户先查看与既有文书相似度高的裁判文书。
相应于上述的裁判文书推送方法实施例，本申请还提供了裁判文书推送装置实施例。
请参见图4，示出了本申请实施例一种裁判文书推送装置的框图，该装置包括：第一获取模块110、第二获取模块120、搜索模块130和推送模块140。
第一获取模块110，用于获取既有文书的文书情节信息。
既有文书是用户选择的作为推送依据的裁判文书。既有文书的数量是一篇。
文书情节信息包括体现案件特征、影响裁判结果、让法官对之进行法律认定与说理的信息。例如，文书情节信息包括：案件类型(例如，民事、刑事、行政)、案由和案件情节等信息。其中，案件情节是体现案件特征、影响裁判结果的信息，例如，刑事类裁判文书中具体的量刑内容等。
第二获取模块120，用于从预先获得的各个案由对应的文书情节识别信息中，选取与既有文书的文书情节信息相匹配的目标情节识别特征。
在针对既有文书进行推送类似裁判文书之前，不同案件类型针对各类案由分别采集裁判文书样本、总结获得每一类案由对应的裁判文书样本的文书情节识别信息。其中，所述文书情节识别信息包括多个案件情节项，每一个案件情节项对应至少一个情节识别特征。
然后，当用户选定作为推送依据的既有文书之后，根据该既有文书的案件类型和案由从该案件类型中该案由对应的文书情节识别信息中，获取与该既有文书的文书情节信息相匹配的目标情节识别特征。
如图5所示，第二获取模块可以包括：第一获取子模块121、第二获取子模块122和选取子模块123。
第一获取子模块121，用于获取所述既有文书所涉及的目标案件类型和第一案由。
其中，所述文书情节信息包括案件类型、案由和案件情节。
第二获取子模块122，用于从目标案件类型对应的、预先获得的各个案由的文书情节识别信息中，获取第一案由对应的文书情节识别信息。
该文书情节识别信息包括案件情节项和该案件情节项所对应的情节识别特征。
选取子模块123，用于从第一案由对应的文书情节识别信息中，选取与既有文书的案件情节相匹配的目标案件情节项，以及，获取与目标案件情节项相对应的目标情节识别特征。
在本申请的一个实施例中，案件情节项包括必要案件情节项和附加案件情节项；此种应用场景下，选取子模块123具体可以用于：获取与必要案件情节项相对应的必要情节识别特征，并获取与所述附加案件情节项相对应的附加情节识别特征；结合必要情节识别特征和附加情节识别特征，获得所述目标情节识别特征。
搜索模块130，用于根据该目标情节识别特征搜索与文书情节信息相匹配的目标裁判文书。
获得既有文书的目标情节识别特征后，利用目标情节识别特征搜索与该既有文书的文书情节信息相匹配的目标裁判文书。
在本申请的一个实施例中，如果目标情节识别特征包括必要情节识别特征和附加情节识别特征，则先搜索与必要情节识别特征相匹配的第一类裁判文书集合，然后，从该第一类裁判文书集合中搜索与所述附加情节识别特征相匹配的裁判文书。最后，将第一类裁判文书集合中的裁判文书按照符合情节识别特征由多到少的顺序获取前预设数量个裁判文书作为目标裁判文书。
在本申请的另一个实施例中，如果目标裁判文书与某个目标情节识别特征匹配，则确定该目标裁判文书包含该目标情节识别特征对应的案件情节项，并在该目标裁判文书中标记该案件情节项。从而使用户优先查看与既有文书相似度高的裁判文书。而且，用户可以在客户端直观地看到推送的裁判文书与既有文书相同的案件情节项。
推送模块140，用于推送所述目标裁判文书。
最后，将搜索到的与既有文书的文书情节信息相匹配的目标裁判文书推送给客户端。
在本申请的一个实施例中，根据每一篇目标裁判文书中标记的案件情节项的数量由多到少进行排序。然后，按照该排序向客户端推送裁判文书。
本实施例提供的裁判文书推送装置，获取既有文书的文书情节信息，然后，从与该既有文书的案由所对应的文书情节识别信息中，获取与既有文书的文书情节信息相匹配的目标情节识别特征。利用该目标情节识别特征搜索与既有文书的文书情节信息相匹配的目标裁判文书，并向客户端推送目标裁判文书。该方法根据既有文书的文书情节信息确定要推送的类案裁判文书，打破相关技术中对审级和案由的限制，回归到文书情节本身，从而提高了类案裁判文书的推送准确率。
请参见图6，示出了本申请实施例另一种裁判文书推送装置的框图，该装置在图4所示装置的基础上还包括：第三获取模块210、第四获取模块220和第五获取模块230
第三获取模块210，用于根据目标案由所对应的法律法规内容，获得该目标案由包含的案件情节项。
目标案由是所有案由中的任意一个，针对每个案由从与该案由相关的法律法规中获取对应的案件情节项。
获得目标案由对应的法律条款的内容后，逐条解析获得与目标案由对应的案件情节相关内容。然后，对案件情节相关内容进行分解、梳理，获得案件情节项。
第四获取模块220，用于获取每条案件情节项对应的搜索关键词，并搜索与搜索关键词相匹配的裁判文书样本。
得到案件情节项后，从这些案件情节项中提取出关键词，并根据案件情节的核心事实和法律实务中常见的固定表述进行关键词联想。然后搜索与搜索关键词匹配的裁判文书样本。
第五获取模块230，用于分析该裁判文书样本获得与案件情节项对应的情节识别特征。
其中，文书情节识别信息包括案件情节项和案件情节项对应的情节识别特征。
分析同一个案件情节项所对应的各个裁判文书样本的语义内容，确定该案件情节项所对应的情节识别特征。
本实施例提供的裁判文书推送装置，根据不同的案由分类收集相关的法律条款，并根据法律条款得到搜索关键词；利用搜索关键词采集裁判文书样本，分析裁判文书样本中的相关描述语句，获得最终的情节识别特征，利用该情节识别特征搜索得到与既有文书在案件情节一致的目标裁判文书。该方法广泛搜集裁判文书样本，根据裁判文书样本获得识别案件情节的情节识别特征，此种方式获得的情节识别特征更准确、更全面，因此，最终获得的目标裁判文书的准确率更高。
所述裁判文书推送装置包括处理器和存储器，上述第一获取模块、第二获取模块、搜索模块、推送模块、第三获取模块、第四获取模块和第五获取模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高裁判文书推送结果的准确率。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述裁判文书推送方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述裁判文书推送方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
获取既有文书的文书情节信息，所述文书情节信息包括体现案件特征和影响裁判结果的信息；
从预先获得的各个案由对应的文书情节识别信息中，选取与所述既有文书的文书情节信息相匹配的目标情节识别特征，所述文书情节识别信息包括情节识别特征；
根据所述目标情节识别特征搜索与所述文书情节信息相匹配的目标裁判文书；
推送所述目标裁判文书。
在本申请一种可能的实现方式中，还包括：
根据目标案由所对应的法律法规内容，获得所述目标案由包含的案件情节项；
获取每条所述案件情节项对应的搜索关键词，并搜索与所述搜索关键词相匹配的裁判文书样本；
分析所述裁判文书样本获得与所述案件情节项对应的情节识别特征,所述文书情节识别信息包括所述案件情节项和所述案件情节项对应的情节识别特征。
在本申请一种可能的实现方式中，所述文书情节信息包括案件类型、案由和案件情节；
所述从预先获得的各个案由对应的文书情节识别信息中，选取与所述文书情节信息相匹配的目标情节识别特征，包括：
获取所述既有文书所涉及的目标案件类型和第一案由；
从所述目标案件类型对应的、预先获得的各个案由的文书情节识别信息中，获取所述第一案由对应的文书情节识别信息，所述文书情节识别信息包括案件情节项和所述案件情节项所对应的情节识别特征；
从所述第一案由对应的文书情节识别信息中，选取与所述既有文书的案件情节相匹配的目标案件情节项，以及，获取与所述目标案件情节项相对应的目标情节识别特征。
在本申请一种可能的实现方式中，所述案件情节项包括必要案件情节项和附加案件情节项；
所述获取与所述目标案件情节项相对应的目标情节识别特征，包括：
获取与所述必要案件情节项相对应的必要情节识别特征，并获取与所述附加案件情节项相对应的附加情节识别特征；
结合所述必要情节识别特征和所述附加情节识别特征，获得所述目标情节识别特征。
在本申请一种可能的实现方式中，所述文书情节识别信息包括案件情节项，以及与所述案件情节项对应的情节识别特征；还包括：
标记所述目标裁判文书中与所述既有文书所包含的案件情节项一致的案件情节项。
在本申请一种可能的实现方式中，所述目标情节识别特征包括必要情节识别特征和附加情节识别特征；
所述推送所述目标裁判文书，包括：
按照所述目标裁判文书中符合所述附加情节识别特征的数量由多到少的顺序推送所述目标裁判文书。
其中，本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
获取既有文书的文书情节信息，所述文书情节信息包括体现案件特征和影响裁判结果的信息；
从预先获得的各个案由对应的文书情节识别信息中，选取与所述既有文书的文书情节信息相匹配的目标情节识别特征，所述文书情节识别信息包括情节识别特征；
根据所述目标情节识别特征搜索与所述文书情节信息相匹配的目标裁判文书；
推送所述目标裁判文书。
在本申请一种可能的实现方式中，还包括：
根据目标案由所对应的法律法规内容，获得所述目标案由包含的案件情节项；
获取每条所述案件情节项对应的搜索关键词，并搜索与所述搜索关键词相匹配的裁判文书样本；
分析所述裁判文书样本获得与所述案件情节项对应的情节识别特征,所述文书情节识别信息包括所述案件情节项和所述案件情节项对应的情节识别特征。
在本申请一种可能的实现方式中，所述文书情节信息包括案件类型、案由和案件情节；
所述从预先获得的各个案由对应的文书情节识别信息中，选取与所述文书情节信息相匹配的目标情节识别特征，包括：
获取所述既有文书所涉及的目标案件类型和第一案由；
从所述目标案件类型对应的、预先获得的各个案由的文书情节识别信息中，获取所述第一案由对应的文书情节识别信息，所述文书情节识别信息包括案件情节项和所述案件情节项所对应的情节识别特征；
从所述第一案由对应的文书情节识别信息中，选取与所述既有文书的案件情节相匹配的目标案件情节项，以及，获取与所述目标案件情节项相对应的目标情节识别特征。
在本申请一种可能的实现方式中，所述案件情节项包括必要案件情节项和附加案件情节项；
所述获取与所述目标案件情节项相对应的目标情节识别特征，包括：
获取与所述必要案件情节项相对应的必要情节识别特征，并获取与所述附加案件情节项相对应的附加情节识别特征；
结合所述必要情节识别特征和所述附加情节识别特征，获得所述目标情节识别特征。
在本申请一种可能的实现方式中，所述文书情节识别信息包括案件情节项，以及与所述案件情节项对应的情节识别特征；还包括：
标记所述目标裁判文书中与所述既有文书所包含的案件情节项一致的案件情节项。
在本申请一种可能的实现方式中，所述目标情节识别特征包括必要情节识别特征和附加情节识别特征；
所述推送所述目标裁判文书，包括：
按照所述目标裁判文书中符合所述附加情节识别特征的数量由多到少的顺序推送所述目标裁判文书。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种裁判文书推送方法，其特征在于，包括：
获取既有文书的文书情节信息，所述文书情节信息包括体现案件特征和影响裁判结果的信息；
从预先获得的各个案由对应的文书情节识别信息中，选取与所述既有文书的文书情节信息相匹配的目标情节识别特征，所述文书情节识别信息包括情节识别特征；
根据所述目标情节识别特征搜索与所述文书情节信息相匹配的目标裁判文书；
推送所述目标裁判文书。
2.根据权利要求1所述的方法，其特征在于，所述文书情节信息包括案件类型、案由和案件情节；
所述从预先获得的各个案由对应的文书情节识别信息中，选取与所述文书情节信息相匹配的目标情节识别特征，包括：
获取所述既有文书所涉及的目标案件类型和第一案由；
从所述目标案件类型对应的、预先获得的各个案由的文书情节识别信息中，获取所述第一案由对应的文书情节识别信息，所述文书情节识别信息包括案件情节项和所述案件情节项所对应的情节识别特征；
从所述第一案由对应的文书情节识别信息中，选取与所述既有文书的案件情节相匹配的目标案件情节项，以及，获取与所述目标案件情节项相对应的目标情节识别特征。
3.根据权利要求2所述的方法，其特征在于，所述案件情节项包括必要案件情节项和附加案件情节项；
所述获取与所述目标案件情节项相对应的目标情节识别特征，包括：
获取与所述必要案件情节项相对应的必要情节识别特征，并获取与所述附加案件情节项相对应的附加情节识别特征；
结合所述必要情节识别特征和所述附加情节识别特征，获得所述目标情节识别特征。
4.根据权利要求1所述的方法，其特征在于，所述文书情节识别信息包括案件情节项，以及与所述案件情节项对应的情节识别特征；所述方法还包括：
标记所述目标裁判文书中与所述既有文书所包含的案件情节项一致的案件情节项。
5.根据权利要求1所述的方法，其特征在于，所述目标情节识别特征包括必要情节识别特征和附加情节识别特征；
所述推送所述目标裁判文书，包括：
按照所述目标裁判文书中符合所述附加情节识别特征的数量由多到少的顺序推送所述目标裁判文书。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
根据目标案由所对应的法律法规内容，获得所述目标案由包含的案件情节项；
获取每条所述案件情节项对应的搜索关键词，并搜索与所述搜索关键词相匹配的裁判文书样本；
分析所述裁判文书样本获得与所述案件情节项对应的情节识别特征,所述文书情节识别信息包括所述案件情节项和所述案件情节项对应的情节识别特征。
7.一种裁判文书推送装置，其特征在于，包括：
第一获取模块，用于获取既有文书的文书情节信息，所述文书情节信息包括体现案件特征和影响裁判结果的信息；
第二获取模块，用于从预先获得的各个案由对应的文书情节识别信息中，选取与所述既有文书的文书情节信息相匹配的目标情节识别特征，所述文书情节识别信息包括情节识别特征；
搜索模块，用于根据所述目标情节识别特征搜索与所述文书情节信息相匹配的目标裁判文书；
推送模块，用于推送所述目标裁判文书。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第三获取模块，用于根据目标案由所对应的法律法规内容，获得所述目标案由包含的案件情节项；
第四获取模块，用于获取每条所述案件情节项对应的搜索关键词，并搜索与所述搜索关键词相匹配的裁判文书样本；
第五获取模块，用于分析所述裁判文书样本获得与所述案件情节项对应的情节识别特征,所述文书情节识别信息包括所述案件情节项和所述案件情节项对应的情节识别特征。
9.一种存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现权利要求1至6任一项所述的裁判文书推送方法。
10.一种处理器，所述处理器用于运行程序，其特征在于，所述程序运行时执行权利要求1至6任一项所述的裁判文书推送方法。
CN201810025686.8A 2018-01-11 2018-01-11 一种裁判文书推送方法及装置 Active CN110032721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810025686.8A CN110032721B (zh) 2018-01-11 2018-01-11 一种裁判文书推送方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810025686.8A CN110032721B (zh) 2018-01-11 2018-01-11 一种裁判文书推送方法及装置

Publications (2)

Publication Number Publication Date
CN110032721A true CN110032721A (zh) 2019-07-19
CN110032721B CN110032721B (zh) 2023-11-03

Family

ID=67234271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810025686.8A Active CN110032721B (zh) 2018-01-11 2018-01-11 一种裁判文书推送方法及装置

Country Status (1)

Country Link
CN (1) CN110032721B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985236A (zh) * 2020-06-02 2020-11-24 中国航天科工集团第二研究院 基于多维联动的可视化分析方法
CN112100212A (zh) * 2020-09-04 2020-12-18 中国航天科工集团第二研究院 一种基于机器学习和规则匹配的案件情节抽取方法
CN112581325A (zh) * 2019-09-30 2021-03-30 北京国双科技有限公司 一种辅助裁量方法、装置、设备及存储介质
CN117609487A (zh) * 2024-01-19 2024-02-27 武汉百智诚远科技有限公司 基于人工智能的法律条文快速检索方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105930470A (zh) * 2016-04-25 2016-09-07 安徽富驰信息技术有限公司 一种基于特征权重分析技术的文件检索方法
US20170147586A1 (en) * 2015-11-25 2017-05-25 Le Holdings (Beijing) Co., Ltd. Method and electronic device for searching video contents
CN106815265A (zh) * 2015-12-01 2017-06-09 北京国双科技有限公司 裁判文书的搜索方法及装置
CN106815207A (zh) * 2015-12-01 2017-06-09 北京国双科技有限公司 用于法律裁判文书的信息处理方法及装置
CN107563912A (zh) * 2017-08-29 2018-01-09 广东蔚海数问大数据科技有限公司 一种律师推荐方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170147586A1 (en) * 2015-11-25 2017-05-25 Le Holdings (Beijing) Co., Ltd. Method and electronic device for searching video contents
CN106815265A (zh) * 2015-12-01 2017-06-09 北京国双科技有限公司 裁判文书的搜索方法及装置
CN106815207A (zh) * 2015-12-01 2017-06-09 北京国双科技有限公司 用于法律裁判文书的信息处理方法及装置
CN105930470A (zh) * 2016-04-25 2016-09-07 安徽富驰信息技术有限公司 一种基于特征权重分析技术的文件检索方法
CN107563912A (zh) * 2017-08-29 2018-01-09 广东蔚海数问大数据科技有限公司 一种律师推荐方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581325A (zh) * 2019-09-30 2021-03-30 北京国双科技有限公司 一种辅助裁量方法、装置、设备及存储介质
CN111985236A (zh) * 2020-06-02 2020-11-24 中国航天科工集团第二研究院 基于多维联动的可视化分析方法
CN112100212A (zh) * 2020-09-04 2020-12-18 中国航天科工集团第二研究院 一种基于机器学习和规则匹配的案件情节抽取方法
CN117609487A (zh) * 2024-01-19 2024-02-27 武汉百智诚远科技有限公司 基于人工智能的法律条文快速检索方法及系统
CN117609487B (zh) * 2024-01-19 2024-04-09 武汉百智诚远科技有限公司 基于人工智能的法律条文快速检索方法及系统

Also Published As

Publication number Publication date
CN110032721B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN110032721A (zh) 一种裁判文书推送方法及装置
CN111767368A (zh) 一种基于实体链接的问答知识图谱构建方法及存储介质
US11544306B2 (en) System and method for concept-based search summaries
Mustafa et al. Multi-label classification of research articles using Word2Vec and identification of similarity threshold
Story et al. Which apps have privacy policies? an analysis of over one million google play store apps
CN109697231A (zh) 一种案件文书的显示方法、系统、存储介质和处理器
KR102135074B1 (ko) 인공지능 기반의 팩트 체크 가이드라인을 이용한 가짜 뉴스 판별 시스템
CN108694183A (zh) 一种检索方法及装置
Malik et al. How to detect propaganda from social media? Exploitation of semantic and fine-tuned language models
Bougiatiotis et al. Content representation and similarity of movies based on topic extraction from subtitles
CN110827177A (zh) 类案文书查找方法及装置
CN112132238A (zh) 一种识别隐私数据的方法、装置、设备和可读介质
Sarracén et al. Offensive keyword extraction based on the attention mechanism of BERT and the eigenvector centrality using a graph representation
Wagner Privacy Policies Across the Ages: Content and Readability of Privacy Policies 1996--2021
Sheshadri et al. No (privacy) news is good news: An analysis of New York Times and Guardian Privacy News from 2010–2016
CN110020134A (zh) 一种知识服务信息的推送方法、系统、存储介质和处理器
Cho et al. Topic category analysis on twitter via cross-media strategy
Hwang et al. Coauthorship network-based literature recommendation with topic model
Hawa et al. Combating misinformation dissemination through verification and content driven recommendation
CN110019697A (zh) 一种刑事文书的推送方法及装置
Noekhah et al. A comprehensive study on opinion mining features and their applications
CN110727784B (zh) 基于内容的文章推荐方法及系统
Kalvoda et al. Evaluation of algorithms for fake news identification
Kernot Can Three Pronouns Discriminate Identity in Writing?
CN111753538A (zh) 离婚纠纷裁判文书要素提取方法及装置

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
CB02 Change of applicant information

Address after: 100080 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing

Applicant after: BEIJING GRIDSUM TECHNOLOGY Co.,Ltd.

Address before: 100086 Beijing city Haidian District Shuangyushu Area No. 76 Zhichun Road cuigongfandian 8 layer A

Applicant before: BEIJING GRIDSUM TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant