CN110069609A - 裁判文书分析方法、装置、计算机设备及存储介质 - Google Patents
裁判文书分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110069609A CN110069609A CN201910198351.0A CN201910198351A CN110069609A CN 110069609 A CN110069609 A CN 110069609A CN 201910198351 A CN201910198351 A CN 201910198351A CN 110069609 A CN110069609 A CN 110069609A
- Authority
- CN
- China
- Prior art keywords
- judgement document
- judge
- document
- factor
- judgement
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000003062 neural network model Methods 0.000 claims abstract description 29
- 239000000284 extract Substances 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 230000004069 differentiation Effects 0.000 claims description 10
- 238000012797 qualification Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000007812 deficiency Effects 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 14
- 230000006854 communication Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 9
- 235000013399 edible fruits Nutrition 0.000 description 7
- 238000012512 characterization method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007630 basic procedure Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000011059 hazard and critical control points analysis Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000002640 oxygen therapy Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06F16/332—Query formulation
-
- 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
- G06F16/34—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/106—Display of layout of documents; Previewing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
- G06F40/154—Tree transformation for tree-structured or markup documents, e.g. XSLT, XSL-FO or stylesheets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种裁判文书分析方法、装置、计算机设备及存储介质,包括获取待识别的裁判文书的文书文本;根据预设的转换方式将所述文书文本转换为数组矩阵;将所述数组矩阵输入至预设的文本分析模型中,法律因子为表达裁判文书内容主旨的关键信息;读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示。由于,具有目的性训练的神经网络模型能够准确的提取裁判文书的关键性内容,因此,能够向用户展示裁判文书中最重要的内容,避免用户阅读裁判文书时由于经验不足,不能够从裁判文书中汲取关键内容,导致对裁判文书理解不够透彻导致的错误理解。
Description
技术领域
本发明实施例涉及文件处理领域,尤其是一种裁判文书分析方法、装置、计算机设备及存储介质。
背景技术
裁判文书是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唯一凭证。一份结构完整、要素齐全、逻辑严谨的裁判文书,既是当事人享有权利和负担义务的凭证,也是上级人民法院监督下级人民法院民事审判活动的重要依据。裁判文书具有很强的专业性,因此,需要有专业学识的人才能够进行解答。
现有技术中,大多数不了解法律知识的用户,在面对形形色色的裁判文书时,由于,无法正确的解读裁判文书内容,也无法获知面对各种裁判文书的救济途径,从而导致自身合法权利无法得到保障,或者只能通过耗费人力和财力寻求具有相关知识储备的人士进行咨询。因此,现有技术中,裁判文书的解读依旧依靠具有相关知识的专业人士,对于部分不能便利享受专业人士辅导的人们,需要一种更具普及性的手段来解读裁判文书。
发明内容
本发明实施例提供一种通过识别裁判文书中的关键性内容,通过简明扼要的展示裁判文书关键性内容,达到准确快速的解析裁判文书目的的裁判文书分析方法、装置、计算机设备及存储介质。
为解决上述技术问题,本发明创造的实施例采用的一个技术方案是:提供一种裁判文书分析方法,包括:
获取待识别的裁判文书的文书文本;
根据预设的转换方式将所述文书文本转换为数组矩阵;
将所述数组矩阵输入至预设的文本分析模型中,其中,所述文本分析模型为预先训练至收敛状态用于对文本信息进行法律因子提取的神经网络模型,法律因子为表达裁判文书内容主旨的关键信息;
读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示。
可选地,所述读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示之后,还包括:
根据预设的检索规则将所述法律因子部分内容转换为检索式;
以所述检索式为检索条件在预设的判例数据库中进行检索,查找与所述裁判文书具有相同或相似事由的判例文件。
可选地,当所述判例文件为多个且所述判例文件包括裁判结果时,所述以所述检索式为检索条件在预设的判例数据库中进行检索,查找与所述裁判文书具有相同或相似事由的判例文件之后,还包括:
以所述裁判结果为限定条件对多个判例文件进行统计;
根据统计结果计算各个裁判类别所占的百分比;
根据各个裁判类别所占的百分比对所述裁判文书的裁判结果进行预测。
可选地,所述根据各个裁判类别所占的百分比对所述裁判文书的裁判结果进行预测之后,还包括:
将预测结果与所述裁判文书中表述的裁判结果进行比对;
当所述裁判文书中表述的裁判结果与所述预测结果不同时,查找影响所述裁判文书裁判结果的关键性裁判因子。
可选地,所述当所述裁判文书中表述的裁判结果与所述预测结果不同时,查找影响所述裁判文书裁判结果的关键性裁判因子包括:
查找所述多个判例文件中裁判结果与所述裁判文书中表述的裁判结果不同的判例文件;
比对所述判例文件是否具有与所述裁判文书相异的法律因子;
将所述相异的法律因子定义为关键性裁判因子,并对所述关键性裁判因子进行差异化显示。
可选地,所述将所述相异的法律因子定义为关键性裁判因子,并对所述关键性裁判因子进行差异化显示之后,还包括:
以所述关键性裁判因子为检索条件在预设的策略数据库中检索与所述关键性裁判因子具有映射关系的达成要素;
在所述裁判文书中查找所述裁判文书中称述的事由是否达成所述达成要素;
当所述裁判文书达成所述达成要素时,提取预设的第一警示信息并进行展示,其中,所述第一警示信息用于提示用户裁判文书中存在差异化裁判。
可选地,所述获取待识别的裁判文书的文书文本之前,还包括:
获取所述裁判文书的文档图片;
根据预设的图文转换方式将所述文档图片转换为文书文本。
为解决上述技术问题,本发明实施例还提供一种裁判文书分析装置,包括:
获取模块,用于获取待识别的裁判文书的文书文本;
转换模块,用于根据预设的转换方式将所述文书文本转换为数组矩阵;
处理模块,用于将所述数组矩阵输入至预设的文本分析模型中,其中,所述文本分析模型为预先训练至收敛状态用于对文本信息进行法律因子提取的神经网络模型,法律因子为表达裁判文书内容主旨的关键信息;
执行模块,用于读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示。
可选地,所述裁判文书分析装置还包括:
第一转换子模块,用于根据预设的检索规则将所述法律因子部分内容转换为检索式;
第一处理子模块,用于以所述检索式为检索条件在预设的判例数据库中进行检索,查找与所述裁判文书具有相同或相似事由的判例文件。
可选地,当所述判例文件为多个且所述判例文件包括裁判结果时,所述裁判文书分析装置还包括:
第一统计子模块,用于以所述裁判结果为限定条件对多个判例文件进行统计;
第一计算子模块,用于根据统计结果计算各个裁判类别所占的百分比;
第一执行子模块,用于根据各个裁判类别所占的百分比对所述裁判文书的裁判结果进行预测。
可选地,所述裁判文书分析装置还包括:
第一比对子模块,用于将预测结果与所述裁判文书中表述的裁判结果进行比对;
第二执行子模块,用于当所述裁判文书中表述的裁判结果与所述预测结果不同时,查找影响所述裁判文书裁判结果的关键性裁判因子。
可选地,所述裁判文书分析装置还包括:
第一查找子模块,用于查找所述多个判例文件中裁判结果与所述裁判文书中表述的裁判结果不同的判例文件;
第二比对子模块,用于比对所述判例文件是否具有与所述裁判文书相异的法律因子;
第三执行子模块,用于将所述相异的法律因子定义为关键性裁判因子,并对所述关键性裁判因子进行差异化显示。
可选地,所述裁判文书分析装置还包括:
第二查找子模块,用于以所述关键性裁判因子为检索条件在预设的策略数据库中检索与所述关键性裁判因子具有映射关系的达成要素;
第三查找子模块,用于在所述裁判文书中查找所述裁判文书中称述的事由是否达成所述达成要素;
第四执行子模块,用于当所述裁判文书达成所述达成要素时,提取预设的第一警示信息并进行展示,其中,所述第一警示信息用于提示用户裁判文书中存在差异化裁判。
可选地,所述裁判文书分析装置还包括:
第一获取子模块,用于获取所述裁判文书的文档图片;
第二处理子模块,用于根据预设的图文转换方式将所述文档图片转换为文书文本。
为解决上述技术问题,本发明实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述裁判文书分析方法的步骤。
为解决上述技术问题,本发明实施例还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述裁判文书分析方法的步骤。
本发明实施例的有益效果是:通过将裁判文书的文书文本转换为能够被神经网络模型识别的数组矩阵,然后由训练至收敛的神经网络模型对数组矩阵中能够表征裁判文书关键内容的数据进行分类提取,形成裁判文书的法律因子,最后,将法律因子进行编辑展示。由于,具有目的性训练的神经网络模型能够准确的提取裁判文书的关键性内容,因此,能够向用户展示裁判文书中最重要的内容,避免用户阅读裁判文书时由于经验不足,不能够从裁判文书中汲取关键内容,导致对裁判文书理解不够透彻导致的错误理解。同时,由于,关键点内容的提取,相当于在用户阅读裁判文书之前形成了裁判文书的提纲,使用户能够更加准确的理解裁判文书的主旨内容,达到雷同于专业人员辅导理解的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例裁判文书分析方法的基本流程示意图;
图2为本发明实施例通过法律因子检索同类型判例文件的流程示意图;
图3为本发明实施例通过判例文件对裁判文书的结果进行预测的流程示意图;
图4为本发明实施例通过相异裁判文书查找关键性裁判因子的流程示意图;
图5为本发明实施例识别关键性裁判因子和对裁判因子记性差别化显示的流程示意图;
图6为本发明实施例通过关键性裁判因子考量裁判文书的裁判结果是否准确的流程示意图;
图7为本发明实施例转换裁判文书格式的流程示意图;
图8为本发明实施例裁判文书分析装置基本结构示意图;
图9为本发明实施例计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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。
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信系统),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位系统)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
具体请参阅图1,图1为本实施例裁判文书分析方法的基本流程示意图。
如图1所示,一种裁判文书分析方法,包括:
S1100、获取待识别的裁判文书的文书文本;
裁判文书是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唯一凭证。当裁判文书下达后,获取记载裁判文书内容的文书文本,其中,文书文本为记载裁判文书内容的可编辑的文本信息。
在一些实施方式中,当裁判文书以图片格式时,通过图像处理技术,例如OCR,将图片格式转化为可编辑的字体格式,然后将转换后的字体复制在空文本中生成文书文本。
S1200、根据预设的转换方式将所述文书文本转换为数组矩阵;
在读取了法律文本后,将法律文本通过matlab软件应用软件转换为数组矩阵。其中,构成法律文本的每一个字或者单词,均被映射替换为数组矩阵的一个元素,且元素的排列次序与法律文本的排列次序一致。
S1300、将所述数组矩阵输入至预设的文本分析模型中,其中,所述文本分析模型为预先训练至收敛状态用于对文本信息进行法律因子提取的神经网络模型,法律因子为表达裁判文书内容主旨的关键信息;
本实施方式中,通过文本解析模型对裁判文书中的关键字进行提取,文本解析模型是预先训练至收敛状态,用于对文本信息进行法律因子提取的神经网络模型,法律因子为能够表达法律文本内容主旨的关键信息,例如,裁判文书的名称、裁判文书的发出机构、当事人双方、文书事由、证据、请求赔偿额度和判赔额度等等信息。但是,提取的关键字信息不局限于此,根据不同裁判文书的内容不同,需要提取的法律因子也有所不同,出去一些共同的法律因子之外,根据不同类型的裁判文书,提取不同的法律因子。
将转换后得到的数组矩阵入至预设的文本解析模型中。其中,文本解析模型为预先训练至收敛状态用于对数据所表征情感信息进行分析的神经网络模型。文本解析模型能够为已经训练至收敛状态的卷积神经网络模型(CNN),但是,不局限于此,文本解析模型还能够是:深度神经网络模型(DNN)、循环神经网络模型(RNN)或者上述三种网络模型的变形模型。
作为文本解析模型的初始神经网络模型在训练时,通过收集大量的法律文本转换后的数组矩阵作为训练样本,通过人工在阅读了训练样本的原文本文档后对各个训练样本进行标定(标定是指人为的对法律文本中的法律因子进行提取,并将人工提取的法律因子以XML格式进行存储,并通过内容之间的层级关系建立法律文本法律因子的树形图)。然后将训练样本输入到初始的神经网络模型中,并获取模型输出的分类结果(分类结果为模型得到的训练样本的法律因子),并通过神经网络模型的损失函数计算该分类结果与标定结果之间的距离(例如:欧氏距离、马氏距离或余弦距离等),将计算结果与设定的距离阈值进行比对,若计算结果小于等于距离阈值则通过验证,继续进行下一个训练样本的训练,若计算结果大于距离阈值则则通过损失函数计算二者之间的差值,并通过反向传播校正神经网络模型内的权值,使神经网络模型能够提高训练样本中能够准确表达法律文本关键内容的词语对应的元素的权重,以此,增大提取的准确率和全面性。通过循环执行上述方案和大量的训练样本训练后,训练得到的神经网络模型对数组矩阵提取法律因子的准确率大于一定数值的,例如,97%,则该神经网络模型训练至收敛状态,则该训练至收敛的神经网络即为文本解析模型。
文本分析模型分类层被设置为各个法律因子的名称,例如:裁判文书的名称、裁判文书中的原告、裁判文书中的被告、裁判事由、裁判结果和裁判日期等等。根据裁判文书中各个部分的内容与上述分类之间的置信度,选择置信度最高的分类作为对应文字部分的分类结果,即提取与分类对应的法律因子,例如:裁判文书的名称对应的法律因子为:一审判决书、二审判决书或再审裁决书等等。
训练至收敛状态的文本解析模型能够准确的提取数组矩阵表征的法律因子。
S1400、读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示。
在读取了文本分析模型输出的法律因子后,对法律因子进行显示,显示能够采用属性图进行显示,例如:民事一审判决书——裁判事由——张XX由于夫妻感情破例诉李XX离婚。通过相同的方式,将裁判文书中不同的内容均以树形图的方式归类至“民事一审判决书”名下,完成展示。
但是,法律因子的展示规则不局限于此,根据具体应用场景的不同,在一些实施方式中,法律因子能够通过列表或者图表的方式进行显示。
在一些实施方式中,在获取了裁判文书中的法律因子后,根据法律因子中表征的裁判文书的阶段,为用户提供对应的救济策略。例如,当裁判文书为一审判决结果时,提示用户救济途径为上诉,同时,将上述所需要的条件和注意事项同时向用户终端进行发送,裁判文书为二审判决结果时,则根据做出裁判文书所在的法院,向用户提供申请再审的救济部门和再审的达成条件等信息向用户终端进行发送。
在一些实施方式中,在获取了裁判文书的法律因子后,能够根据法律因子进行同类检索,并查找相同事由但是审判结果相异的审结案件,为用户提供参考,为用户提供更加具体的案例,辅助用户对裁判文书的救济途径和审判结果进行更深入的了解。
上述实施方式,通过将裁判文书的文书文本转换为能够被神经网络模型识别的数组矩阵,然后由训练至收敛的神经网络模型对数组矩阵中能够表征裁判文书关键内容的数据进行分类提取,形成裁判文书的法律因子,最后,将法律因子进行编辑展示。由于,具有目的性训练的神经网络模型能够准确的提取裁判文书的关键性内容,因此,能够向用户展示裁判文书中最重要的内容,避免用户阅读裁判文书时由于经验不足,不能够从裁判文书中汲取关键内容,导致对裁判文书理解不够透彻导致的错误理解。同时,由于,关键点内容的提取,相当于在用户阅读裁判文书之前形成了裁判文书的提纲,使用户能够更加准确的理解裁判文书的主旨内容,达到雷同于专业人员辅导理解的效果。
在一些实施方式中,当获取了裁判文书的法律因子后,通过法律因子中的部分内容查找与裁判文书事由相同或相近的判例文件,以使用户从其他案例中学习理解裁判文书的内容。请参阅图2,图2为本实施例通过法律因子检索同类型判例文件的流程示意图。
如图2所示,S1400之后,还包括:
S1411、根据预设的检索规则将所述法律因子部分内容转换为检索式;
本实施方式中,在进行检索时需要使用的法律因子为:表征裁判文书事由的法律因子。例如,以存在家庭暴力为理由的离婚案件,进行搜索的法律因子为:婚姻关系and家庭暴力。但是参与检索的法律因子不局限于此,根据具体应用场景的不同,在一些实施方式中,参与检索的法律因子还能够是:裁判文书的阶段和判决结果。例如:我国法律法律规章中:一审审理的离婚案件,一方主张不离婚时,一审不得直接判决离婚。除非出现法定情形如:存在严重的家庭暴力行为。若裁判文书为上述事由时,则检索式为:婚姻关系and家庭暴力and一审and未判决离婚,其中,未判决离婚为表征判决结果的法律因子。
S1412、以所述检索式为检索条件在预设的判例数据库中进行检索,查找与所述裁判文书具有相同或相似事由的判例文件。
将上述法律因子组成的检索式在预设的判例数据库中进行检索。其中,判例数据库中收录有历史审判生效的判例文件,判例文件中包括整个审判过程中的所有裁判文书,例如:某个民事案件经历了一审、二审、再审、一审和二审五个审判流程最终审结,则判例文件中包括这五个审理过程中形成的裁判文书;或者民事案件在审理过程中中止,进行了行政案件的诉讼,在行政案件审结后,民事案件才审结,则判例文件中包括民事裁判文书和行政裁判文书。
判例数据库中,在每件已经生效或者终结的法律文书和记录该法律文书具体历程的文件入库时,提取该法律文件中的法律因子作为标签进行存储。当以当前法律文书的法律因子进行检索时,能够得到相同法律文书的周期、历程、事由和审判结果。从而从以往的判例中,对用户提供对应的参考信息。
在一些实施方式中,当判例文件为多个且判例文件包括裁判结果时,通过对多个判例文件的结果进行统计,并结合当前裁判文书所表述的事由,对当前裁判文书的裁判结果进行预测。请参阅图3,图3为本实施例通过判例文件对裁判文书的结果进行预测的流程示意图。
如图3所示S1412之后还包括:
S1421、以所述裁判结果为限定条件对多个判例文件进行统计;
当判例文件为多个时,以各个判例文件表征其审判结果的法律因子限定条件进行统计,因为,检索得到的多个判例文件具有相同的事由,但是,由于不同的法院或者法官审理的结果有所不同,因此,以裁判结果为限定条件,能够统计出对于该事由主要的审判思维。
S1422、根据统计结果计算各个裁判类别所占的百分比;
根据统计的到的各个裁判类别的中判例文件的数量,然后计算各个裁判类别在总的检索得到的判例文件数量中的占比。例如,以家庭暴力为由的离婚案件中,搜索得到的同类型案件为10件,其中,一审判决离婚的案件为3件,一审判决不离婚的案件为7件,则判决离婚的裁判类别的百分比为30%,判决不离婚的裁判类别为70%。但是裁判类别的划分不局限于此,根据具体应用场景的不同,在一些选择性实施例中,裁判类别能够是(不限于):受理、不受理、判赔的金额、审判的刑期、负有刑事责任或者不负刑事责任等等。
S1423、根据各个裁判类别所占的百分比对所述裁判文书的裁判结果进行预测。
根据各个裁判类别所占的百分比对裁判文书的裁判结果进行预测。例如,以家庭暴力为由的离婚案件中,搜索得到的同类型案件为10件,其中,一审判决离婚的案件为3件,一审判决不离婚的案件为7件,则判决离婚的裁判类别的百分比为30%,判决不离婚的裁判类别为70%,则预测结果为:有70%的可能性一审判决不离婚,有30%的可能一审判决离婚。在一些实施方式中,预测结果为所占百分比较高的裁判类别,如上述案件的预测结果为“一审判决不离婚”。还例如,张XX过失伤人案件的裁判文书对应的判例文件有20件,其中,3件判例文件的判决结果为不负刑事责任,10件判例文件的判决结果为有期徒刑3年以内,7件判例文件的判决结果为有期徒刑7年,则最终预测结果为“有期徒刑3年”。
通过裁判文书对判例文件进行预测,能够是用户比对裁判文书与历史同类型判决结果之间的是否存在差距,进而深究存在差距的原因,进一步的加深用户对于裁判文书的理解。
在一些实施方式中,当预测结果与裁判文书的判决结果存在差异时,需要在表征裁判依据的法律因子中,识别出具有决定性因素的关键性裁判因子,以便于用户根据该关键性裁判因子判断己方的裁判结果是否准确。请参阅图4,图4为本实施例通过相异裁判文书查找关键性裁判因子的流程示意图。
如图4所示,S1423之后,还包括:
S1431、将预测结果与所述裁判文书中表述的裁判结果进行比对;
在获取到预测结果后,在裁判文书的法律因子中,提取表征该裁判文书裁判结果的法律因子,然后,比对该裁判结果与裁判文书裁判结果的法律因子是否相同,若相同,则表明裁判结果符合主流的审判意见和趋势;若不相同,则表示裁判文书中缺乏某个决定裁判结果的决定性因素未成立,或者未被法官采纳,需要进一步地查找是否存在该差异。
S1432、当所述裁判文书中表述的裁判结果与所述预测结果不同时,查找影响所述裁判文书裁判结果的关键性裁判因子。
当裁判文书中表述的裁判结果与预测结果不同时,则表示裁判文书中缺乏某个决定裁判结果的决定性因素未成立,或者未被法官采纳,需要进一步地确认该关键性裁判因子是否存在。此时,提取法律因子中表征裁判文书裁判依据的法律因子(法官采信的证据和事实),以及判例文件中裁判依据的法律因子(法官采信的证据和事实)。裁判文书中与判例文件中裁判依据的法律因子差异点即关键性裁判因子。例如,同样为家庭暴力导致的离婚案件中,裁判文书的判决结果为驳回离婚请求,而判例文件中的判决结果则为准予离婚。通过比对裁判依据确定,判例文件中的裁判依据中均有医院或者司法验伤证据,而裁判文书中并未列明具有该证据时,则验伤证据即为关键性裁判因子。还例如,张XX过失伤人案件的裁判文书判决结果为有期徒刑7年,而相异的判例文件中的案件裁判结果为有期徒刑3年。通过比对裁判依据,确认裁判文书中的判决依据中具有,XXXX法医鉴定中心出具的,被害人终身残疾的验伤报告,则该验伤报告即为关键性裁判因子。但是关键性裁判因子不局限于此,根据具体应用场景的不同,关键性裁判因子能够是(不限于):是否具有还原事由的场景的证据、是否得到被害人家属的谅解、是否具有悔过表现、造成的危害后果的程度、经济性纠纷当中是否约定利息、物权纠纷中标的物是否交付或者登记等等,能够影响案件判决结果的证据或者事实。
通过对关键性裁判因子的确认,能够使用户快速的确定己案与判例文件案件之间的差别或关键性证据是否提交等等,导致案件判决结果不同的关键信息是否提交、达成或者被法官采纳,使用户能够透过重重迷雾直指案件的关键点所在,为用户分析案件提高了绝佳的指引。
在一些实施方式中,在识别出裁判文书与相异判例文件之间存在关键性裁判因子时,需要对裁判文书或者判例文件中的关键性裁判因子进行差异化显示,以便于用户进行辨识。请参阅图5,图5为本实施例识别关键性裁判因子和对裁判因子记性差别化显示的流程示意图。
如图5所示,S1432包括:
S1441、查找所述多个判例文件中裁判结果与所述裁判文书中表述的裁判结果不同的判例文件;
在获取到预测结果后,在裁判文书的法律因子中,提取表征该裁判文书裁判结果的法律因子,然后,比对该裁判结果与裁判文书裁判结果的法律因子是否相同,若相同,则表明裁判结果符合主流的审判意见和趋势;若不相同,则表示裁判文书中缺乏某个决定裁判结果的决定性因素未成立,或者未被法官采纳,需要进一步地查找是否存在该差异。
S1442、比对所述判例文件是否具有与所述裁判文书相异的法律因子;
当裁判文书中表述的裁判结果与预测结果不同时,则表示裁判文书中缺乏某个决定裁判结果的决定性因素未成立,或者未被法官采纳,需要进一步地确认该关键性裁判因子是否存在。此时,提取法律因子中表征裁判文书裁判依据的法律因子(法官采信的证据和事实),以及判例文件中裁判依据的法律因子(法官采信的证据和事实)。裁判文书中与判例文件中裁判依据的法律因子差异点即关键性裁判因子。例如,同样为家庭暴力导致的离婚案件中,裁判文书的判决结果为驳回离婚请求,而判例文件中的判决结果则为准予离婚。通过比对裁判依据确定,判例文件中的裁判依据中均有医院或者司法验伤证据,而裁判文书中并未列明具有该证据时,则验伤证据即为关键性裁判因子。还例如,张XX过失伤人案件的裁判文书判决结果为有期徒刑7年,而相异的判例文件中的案件裁判结果为有期徒刑3年。通过比对裁判依据,确认裁判文书中的判决依据中具有,XXXX法医鉴定中心出具的,被害人终身残疾的验伤报告,则该验伤报告即为关键性裁判因子。但是关键性裁判因子不局限于此,根据具体应用场景的不同,关键性裁判因子能够是(不限于):是否具有还原事由的场景的证据、是否得到被害人家属的谅解、是否具有悔过表现、造成的危害后果的程度、经济性纠纷当中是否约定利息、物权纠纷中标的物是否交付或者登记等等,能够影响案件判决结果的证据或者事实。
S1443、将所述相异的法律因子定义为关键性裁判因子,并对所述关键性裁判因子进行差异化显示。
将提取得到的法律因子定义为关键性裁判因子,然后对关键性裁判因子进行差异化显示。差异化显示时,首先获取关键性裁判因子所在文本的常规字体参数,然后根据该常规字体参数,对表征关键性裁判因子的文字进行差异化显示,差异化显示包括(不限于)修改字体颜色、增大字体、对字体进行加粗处理、则在字体下方设置下划线或者着重号,使表征关键性裁判因子的文字与其所述环境中临近文字产生差异,以便于用户快速定位关键性裁判因子。
在一些实施方式中,对于部分的关键性裁判因子,法官未予以认可时,需要对该关键性裁判因子的达成条件进行审核,经过审核确认该关键性裁判因子达成但是法官在裁判做出时,未予以考量时,需要对用户进行警示,用户为法官时提醒法官考量该关键性裁判因子,用户为原告或者被告时,则提示其以该关键性裁判因子为予以采纳为依据,寻求法律救济。请参阅图6,图6为本实施例通过关键性裁判因子考量裁判文书的裁判结果是否准确的流程示意图。
如图6所示,S1443之后,还包括:
S1451、以所述关键性裁判因子为检索条件在预设的策略数据库中检索与所述关键性裁判因子具有映射关系的达成要素;
本实施方式中建立策略数据库,策略数据库中记录各种证据或者事实能够被司法程序认可和认定的执行标准。例如,严重家暴需要有家暴发生时当地公安部门的出警报告、家庭施暴造成的伤痕图片、县级以上人民医院或司法鉴定机构出具的验伤报告;得到被害人家属谅解需要出具被害人家属的出具的谅解书;借贷纠纷中在不具有借条的情况下是否具有证人和转账记录;物权纠纷中标的物在何人手中,或者房地产过户登记的登记人是否为原告方等达成要素。
将关键性裁判因子为检索条件在预设的策略数据库中检索与关键性裁判因子具有映射关系的达成要素。
S1452、在所述裁判文书中查找所述裁判文书中称述的事由是否达成所述达成要素;
在得到了达成要素后根据该达成要素在裁判文书中进行搜索,例如,在家庭施暴的离婚案件的裁判文书中,查找原告提供的证据中是否有验伤报告或者出警报告;借贷纠纷中原告提供的证据是否具有银行转账凭证和证人证言;物权纠纷中原告是否为交易物最终的所有人或者原告是否为争议房屋的最终登记人等。若上述达成要素达成,但是裁判文书中未对该证据予以考量,则说明裁判文书具有裁判失误的可能,应当予以提醒,以帮助用户纠正不公正裁判结果。
S1453、当所述裁判文书达成所述达成要素时,提取预设的第一警示信息并进行展示,其中,所述第一警示信息用于提示用户裁判文书中存在差异化裁判。
当裁判文书达成要素时,提取预设的第一警示信息并进行展示,第一警示信息用于提示用户裁判文书中存在差异化裁判。用户应当对裁判文书加以修正,或者以关键证据未予采纳寻求司法救济。通过达成要素的的鉴别,能够有效的帮助用户纠正不公正裁判,提高裁判的公证度。
在一些实施方式中,当裁判文书为图片格式时,需要将裁判文书转换为文字文本。请参阅图7,图7为本实施例转换裁判文书格式的流程示意图。
如图7所示,S1100之前还包括:
S1011、获取所述裁判文书的文档图片;
裁判文书是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唯一凭证。当裁判文书下达后,获取用户上传的裁判文书扫描或者拍摄行程的文档图片。
S1012、根据预设的图文转换方式将所述文档图片转换为文书文本。
当裁判文书以图片格式时,通过预设的图文转换方式,例如OCR或被训练用于字体识别的神经网络模型,将图片格式转化为可编辑的字体格式,然后将转换后的字体复制在空文本中生成文书文本。
为解决上述技术问题,本发明实施例还提供一种裁判文书分析装置。
具体请参阅图8,图8为本实施例裁判文书分析装置基本结构示意图。
如图8所示,一种裁判文书分析装置,包括:获取模块2100、转换模块2200、处理模块2300和执行模块2400。其中,获取模块2100用于获取待识别的裁判文书的文书文本;转换模块2200用于根据预设的转换方式将文书文本转换为数组矩阵;处理模块2300用于将数组矩阵输入至预设的文本分析模型中,其中,文本分析模型为预先训练至收敛状态用于对文本信息进行法律因子提取的神经网络模型,法律因子为表达裁判文书内容主旨的关键信息;执行模块2400用于读取文本分析模型输出的法律因子,并根据预设的展示规则对法律因子进行显示。
裁判文书分析装置通过将裁判文书的文书文本转换为能够被神经网络模型识别的数组矩阵,然后由训练至收敛的神经网络模型对数组矩阵中能够表征裁判文书关键内容的数据进行分类提取,形成裁判文书的法律因子,最后,将法律因子进行编辑展示。由于,具有目的性训练的神经网络模型能够准确的提取裁判文书的关键性内容,因此,能够向用户展示裁判文书中最重要的内容,避免用户阅读裁判文书时由于经验不足,不能够从裁判文书中汲取关键内容,导致对裁判文书理解不够透彻导致的错误理解。同时,由于,关键点内容的提取,相当于在用户阅读裁判文书之前形成了裁判文书的提纲,使用户能够更加准确的理解裁判文书的主旨内容,达到雷同于专业人员辅导理解的效果。
在一些实施方式中,裁判文书分析装置还包括:第一转换子模块和第一处理子模块。其中,第一转换子模块用于根据预设的检索规则将法律因子部分内容转换为检索式;第一处理子模块用于以检索式为检索条件在预设的判例数据库中进行检索,查找与裁判文书具有相同或相似事由的判例文件。
在一些实施方式中,当判例文件为多个且判例文件包括裁判结果时,裁判文书分析装置还包括:第一统计子模块、第一计算子模块和第一执行子模块。其中,第一统计子模块用于以裁判结果为限定条件对多个判例文件进行统计;第一计算子模块用于根据统计结果计算各个裁判类别所占的百分比;第一执行子模块用于根据各个裁判类别所占的百分比对裁判文书的裁判结果进行预测。
在一些实施方式中,裁判文书分析装置还包括:第一比对子模块和第二执行子模块。其中,第一比对子模块用于将预测结果与裁判文书中表述的裁判结果进行比对;第二执行子模块用于当裁判文书中表述的裁判结果与预测结果不同时,查找影响裁判文书裁判结果的关键性裁判因子。
在一些实施方式中,裁判文书分析装置还包括:第一查找子模块、第二比对子模块和第三执行子模块。其中,第一查找子模块用于查找多个判例文件中裁判结果与裁判文书中表述的裁判结果不同的判例文件;第二比对子模块用于比对判例文件是否具有与裁判文书相异的法律因子;第三执行子模块用于将相异的法律因子定义为关键性裁判因子,并对关键性裁判因子进行差异化显示。
在一些实施方式中,裁判文书分析装置还包括:第二查找子模块、第三查找子模块和第四执行子模块。其中,第二查找子模块用于以关键性裁判因子为检索条件在预设的策略数据库中检索与关键性裁判因子具有映射关系的达成要素;第三查找子模块用于在裁判文书中查找裁判文书中称述的事由是否达成要素;第四执行子模块用于当裁判文书达成要素时,提取预设的第一警示信息并进行展示,其中,第一警示信息用于提示用户裁判文书中存在差异化裁判。
在一些实施方式中,裁判文书分析装置还包括:第一获取子模块和第二处理子模块。其中,第一获取子模块用于获取裁判文书的文档图片;第二处理子模块用于根据预设的图文转换方式将文档图片转换为文书文本。
为解决上述技术问题,本发明实施例还提供计算机设备。具体请参阅图9,图9为本实施例计算机设备基本结构框图。
如图9所示,计算机设备的内部结构示意图。该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种裁判文书分析方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种裁判文书分析方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本实施方式中处理器用于执行图8中获取模块2100、转换模块2200、处理模块2300和执行模块2400的具体功能,存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有人脸图像关键点检测装置中执行所有子模块所需的程序代码及数据,服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机设备通过将裁判文书的文书文本转换为能够被神经网络模型识别的数组矩阵,然后由训练至收敛的神经网络模型对数组矩阵中能够表征裁判文书关键内容的数据进行分类提取,形成裁判文书的法律因子,最后,将法律因子进行编辑展示。由于,具有目的性训练的神经网络模型能够准确的提取裁判文书的关键性内容,因此,能够向用户展示裁判文书中最重要的内容,避免用户阅读裁判文书时由于经验不足,不能够从裁判文书中汲取关键内容,导致对裁判文书理解不够透彻导致的错误理解。同时,由于,关键点内容的提取,相当于在用户阅读裁判文书之前形成了裁判文书的提纲,使用户能够更加准确的理解裁判文书的主旨内容,达到雷同于专业人员辅导理解的效果。
本发明还提供一种存储有计算机可读指令的存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述任一实施例裁判文书分析方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
Claims (10)
1.一种裁判文书分析方法,其特征在于,包括:
获取待识别的裁判文书的文书文本;
根据预设的转换方式将所述文书文本转换为数组矩阵;
将所述数组矩阵输入至预设的文本分析模型中,其中,所述文本分析模型为预先训练至收敛状态用于对文本信息进行法律因子提取的神经网络模型,法律因子为表达裁判文书内容主旨的关键信息;
读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示。
2.根据权利要求1所述的裁判文书分析方法,其特征在于,所述读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示之后,还包括:
根据预设的检索规则将所述法律因子部分内容转换为检索式;
以所述检索式为检索条件在预设的判例数据库中进行检索,查找与所述裁判文书具有相同或相似事由的判例文件。
3.根据权利要求2所述的裁判文书分析方法,其特征在于,当所述判例文件为多个且所述判例文件包括裁判结果时,所述以所述检索式为检索条件在预设的判例数据库中进行检索,查找与所述裁判文书具有相同或相似事由的判例文件之后,还包括:
以所述裁判结果为限定条件对多个判例文件进行统计;
根据统计结果计算各个裁判类别所占的百分比;
根据各个裁判类别所占的百分比对所述裁判文书的裁判结果进行预测。
4.根据权利要求3所述的裁判文书分析方法,其特征在于,所述根据各个裁判类别所占的百分比对所述裁判文书的裁判结果进行预测之后,还包括:
将预测结果与所述裁判文书中表述的裁判结果进行比对;
当所述裁判文书中表述的裁判结果与所述预测结果不同时,查找影响所述裁判文书裁判结果的关键性裁判因子。
5.根据权利要求4所述的裁判文书分析方法,其特征在于,所述当所述裁判文书中表述的裁判结果与所述预测结果不同时,查找影响所述裁判文书裁判结果的关键性裁判因子包括:
查找所述多个判例文件中裁判结果与所述裁判文书中表述的裁判结果不同的判例文件;
比对所述判例文件是否具有与所述裁判文书相异的法律因子;
将所述相异的法律因子定义为关键性裁判因子,并对所述关键性裁判因子进行差异化显示。
6.根据权利要求5所述的裁判文书分析方法,其特征在于,所述将所述相异的法律因子定义为关键性裁判因子,并对所述关键性裁判因子进行差异化显示之后,还包括:
以所述关键性裁判因子为检索条件在预设的策略数据库中检索与所述关键性裁判因子具有映射关系的达成要素;
在所述裁判文书中查找所述裁判文书中称述的事由是否达成所述达成要素;
当所述裁判文书达成所述达成要素时,提取预设的第一警示信息并进行展示,其中,所述第一警示信息用于提示用户裁判文书中存在差异化裁判。
7.根据权利要求1所述的裁判文书分析方法,其特征在于,所述获取待识别的裁判文书的文书文本之前,还包括:
获取所述裁判文书的文档图片;
根据预设的图文转换方式将所述文档图片转换为文书文本。
8.一种裁判文书分析装置,其特征在于,包括:
获取模块,用于获取待识别的裁判文书的文书文本;
转换模块,用于根据预设的转换方式将所述文书文本转换为数组矩阵;
处理模块,用于将所述数组矩阵输入至预设的文本分析模型中,其中,所述文本分析模型为预先训练至收敛状态用于对文本信息进行法律因子提取的神经网络模型,法律因子为表达裁判文书内容主旨的关键信息;
执行模块,用于读取所述文本分析模型输出的法律因子,并根据预设的展示规则对所述法律因子进行显示。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述裁判文书分析方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述裁判文书分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910198351.0A CN110069609B (zh) | 2019-03-15 | 2019-03-15 | 裁判文书分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910198351.0A CN110069609B (zh) | 2019-03-15 | 2019-03-15 | 裁判文书分析方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110069609A true CN110069609A (zh) | 2019-07-30 |
CN110069609B CN110069609B (zh) | 2023-04-18 |
Family
ID=67366258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910198351.0A Active CN110069609B (zh) | 2019-03-15 | 2019-03-15 | 裁判文书分析方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069609B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144095A (zh) * | 2019-11-26 | 2020-05-12 | 方正璞华软件(武汉)股份有限公司 | 一种工伤案件裁决书的生成方法及装置 |
CN111460258A (zh) * | 2020-03-30 | 2020-07-28 | 上海交通大学 | 司法鉴定信息提取方法、系统、设备及存储介质 |
CN112559674A (zh) * | 2019-09-25 | 2021-03-26 | 北京国双科技有限公司 | 裁判文书中法条内容的查询方法及相关装置 |
CN112861757A (zh) * | 2021-02-23 | 2021-05-28 | 天津汇智星源信息技术有限公司 | 基于文本语义理解的笔录智能审核方法及电子设备 |
CN113220641A (zh) * | 2021-05-20 | 2021-08-06 | 共道网络科技有限公司 | 一种法律文书的辅助阅读方法和装置 |
CN113254651A (zh) * | 2021-06-28 | 2021-08-13 | 人民法院信息技术服务中心 | 一种裁判文书的分析方法、装置、计算机设备及存储介质 |
CN113779976A (zh) * | 2021-09-27 | 2021-12-10 | 成都数之联科技有限公司 | 裁判规则提取方法及系统及装置及介质 |
US11256856B2 (en) | 2017-10-17 | 2022-02-22 | Handycontract Llc | Method, device, and system, for identifying data elements in data structures |
CN115188013A (zh) * | 2022-09-14 | 2022-10-14 | 泰豪信息技术有限公司 | 一种判决书的风险防控方法、系统、存储介质及设备 |
US11475209B2 (en) | 2017-10-17 | 2022-10-18 | Handycontract Llc | Device, system, and method for extracting named entities from sectioned documents |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930473A (zh) * | 2016-04-25 | 2016-09-07 | 安徽富驰信息技术有限公司 | 一种基于随机森林技术的相似文件检索方法 |
CN107330820A (zh) * | 2017-08-28 | 2017-11-07 | 北京智诚律法科技有限公司 | 一种诉讼结果的预测系统及方法 |
CN107818138A (zh) * | 2017-09-28 | 2018-03-20 | 银江股份有限公司 | 一种案件法律条例推荐方法及系统 |
CN108038091A (zh) * | 2017-10-30 | 2018-05-15 | 上海思贤信息技术股份有限公司 | 一种基于图的裁判文书案件相似计算与检索方法及系统 |
CN108595547A (zh) * | 2018-04-09 | 2018-09-28 | 南京网感至察信息科技有限公司 | 一种基于语义抽取的相似案件检索方法 |
-
2019
- 2019-03-15 CN CN201910198351.0A patent/CN110069609B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930473A (zh) * | 2016-04-25 | 2016-09-07 | 安徽富驰信息技术有限公司 | 一种基于随机森林技术的相似文件检索方法 |
CN107330820A (zh) * | 2017-08-28 | 2017-11-07 | 北京智诚律法科技有限公司 | 一种诉讼结果的预测系统及方法 |
CN107818138A (zh) * | 2017-09-28 | 2018-03-20 | 银江股份有限公司 | 一种案件法律条例推荐方法及系统 |
CN108038091A (zh) * | 2017-10-30 | 2018-05-15 | 上海思贤信息技术股份有限公司 | 一种基于图的裁判文书案件相似计算与检索方法及系统 |
CN108595547A (zh) * | 2018-04-09 | 2018-09-28 | 南京网感至察信息科技有限公司 | 一种基于语义抽取的相似案件检索方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11256856B2 (en) | 2017-10-17 | 2022-02-22 | Handycontract Llc | Method, device, and system, for identifying data elements in data structures |
US11475209B2 (en) | 2017-10-17 | 2022-10-18 | Handycontract Llc | Device, system, and method for extracting named entities from sectioned documents |
CN112559674A (zh) * | 2019-09-25 | 2021-03-26 | 北京国双科技有限公司 | 裁判文书中法条内容的查询方法及相关装置 |
CN111144095B (zh) * | 2019-11-26 | 2024-04-05 | 方正璞华软件(武汉)股份有限公司 | 一种工伤案件裁决书的生成方法及装置 |
CN111144095A (zh) * | 2019-11-26 | 2020-05-12 | 方正璞华软件(武汉)股份有限公司 | 一种工伤案件裁决书的生成方法及装置 |
CN111460258A (zh) * | 2020-03-30 | 2020-07-28 | 上海交通大学 | 司法鉴定信息提取方法、系统、设备及存储介质 |
CN111460258B (zh) * | 2020-03-30 | 2023-08-29 | 上海交通大学 | 司法鉴定信息提取方法、系统、设备及存储介质 |
CN112861757A (zh) * | 2021-02-23 | 2021-05-28 | 天津汇智星源信息技术有限公司 | 基于文本语义理解的笔录智能审核方法及电子设备 |
CN113220641B (zh) * | 2021-05-20 | 2022-08-02 | 共道网络科技有限公司 | 一种法律文书的辅助阅读方法和装置 |
CN113220641A (zh) * | 2021-05-20 | 2021-08-06 | 共道网络科技有限公司 | 一种法律文书的辅助阅读方法和装置 |
CN113254651B (zh) * | 2021-06-28 | 2021-11-02 | 人民法院信息技术服务中心 | 一种裁判文书的分析方法、装置、计算机设备及存储介质 |
CN113254651A (zh) * | 2021-06-28 | 2021-08-13 | 人民法院信息技术服务中心 | 一种裁判文书的分析方法、装置、计算机设备及存储介质 |
CN113779976A (zh) * | 2021-09-27 | 2021-12-10 | 成都数之联科技有限公司 | 裁判规则提取方法及系统及装置及介质 |
CN113779976B (zh) * | 2021-09-27 | 2023-07-07 | 成都数之联科技股份有限公司 | 裁判规则提取方法及系统及装置及介质 |
CN115188013A (zh) * | 2022-09-14 | 2022-10-14 | 泰豪信息技术有限公司 | 一种判决书的风险防控方法、系统、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110069609B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069609A (zh) | 裁判文书分析方法、装置、计算机设备及存储介质 | |
Samuel et al. | Forensic DNA phenotyping in Europe: Views “on the ground” from those who have a professional stake in the technology | |
CN111797326A (zh) | 一种融合多尺度视觉信息的虚假新闻检测方法及系统 | |
US20120036131A1 (en) | Computer-aided methods and systems for pattern-based cognition from fragmented material | |
Makasi et al. | Value–based guiding principles for managing cognitive computing systems in the public sector | |
CN110348006A (zh) | 问题信息的生成方法、装置、计算机设备及其存储介质 | |
Wijenayake et al. | Automated detection of social roles in online communities using deep learning | |
CN117726166A (zh) | 基于大语言模型的人工智能企业客户风险信息分析评估方法和系统 | |
Demertzis et al. | Privacy attitudes and behaviors in the age of post-privacy: An empirical approach | |
US20220156862A1 (en) | System and method for analyzing grantability of a legal filing | |
Kabir et al. | IoT, Big Data and AI Applications in the Law Enforcement and Legal System: A Review | |
Ajah et al. | Behind bars but not sentenced: the role of computerized central repository in addressing awaiting-trial problems in Ebonyi state, Nigeria | |
CN110807517A (zh) | 用于多任务识别的神经网络系统 | |
Arowosegbe | Data bias, intelligent systems and criminal justice outcomes | |
TWI286718B (en) | Knowledge framework system and method for integrating a knowledge management system with an e-learning system | |
Nitta et al. | AI ethics impact assessment based on requirement engineering | |
Okoye | Mediated representation of Middle Eastern and African migrants in UK and US press in the Wake of Brexit and Trumpism | |
Seng et al. | Artificial intelligence and evidence | |
Egger et al. | Extracting and classifying exceptional COVID‐19 measures from multilingual legal texts: The merits and limitations of automated approaches | |
CN115422920A (zh) | 基于bert和gat的裁判文书争议焦点识别方法 | |
CN116089644A (zh) | 一种融合多模态特征的事件检测方法 | |
Simonetta et al. | Integrating SQuaRE data quality model with ISO 31000 risk management to measure and mitigate software bias | |
Sprenger et al. | ‘Predictive policing’,‘Predictive Justice’, and the use of ‘Artificial Intelligence’in the Administration of Criminal Justice in Germany | |
Weiser et al. | Development of a national repository of digital forensic intelligence | |
Fox | “They said if you come you can’t drink. I thought, I can’t stop.” Exploring the journeys to support among women who experience co-occurring substance use and domestic abuse. |
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 |