CN110288495A - 案件诉讼时效智能审查方法及装置 - Google Patents

Abstract

本发明实施例公开了一种案件诉讼时效智能审查方法及装置，其特征在于，包括如下步骤：案件要素信息的自动提取；将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示。智能法律要素分析技术，实现了要素的精确提取及自动判断确认，减少对当事人确认的依赖，以及法官对信息确认的人工工作量，帮助法官提升了办案效率。

Description

案件诉讼时效智能审查方法及装置

技术领域

本发明实施例涉及刑事案件审查技术领域，具体涉及一种刑事案件诉讼时效智能审查方法及装置。

背景技术

人工智能是通过研究、开发，来找到用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的综合性的科学技术。其表现为，让计算机系统通过机器学习等方式，来获得可以履行原本只有依靠我们人类的智慧才能胜任的复杂指令任务的才能。人工智能在上世纪五六十年代被正式提出，1950年，Marvin Lee Minsky建造了世界上第一台神经网络计算机，这也被看做是人工智能的一个起点。同年，被称为“计算机之父”的AlanMathison Turin提出了一个举世瞩目的想法--图灵测试，这被普遍认为是自然语言处理思想的开端。二十世纪七十年代以来，与空间技术、能源技术合称世界三大尖端技术。进入二十一世纪之后，仍与基因工程、纳米科学作为二十一世纪三大尖端技术被持续研究。

法律人工智能是人工智能的子领域，主要研究人工智能在法律信息中的应用，而计算法学是其中的核心。1949年，美国法学家洛文杰律师在《明尼苏达法律评论》上发了表《法律度量学：下一个前进步骤》一文，提出要用统计方法来测量证人、法官和立法者的行为。1956年，耶鲁大学法学院教授艾伦发表了《符号逻辑：一种起草与解释法律文件的锐利工具》提出要用符号逻辑数学记号来起草和解释法律。1958年，梅尔在英国国家物理实验室举办的“思维过程机械化论坛”上发表了《法律世界的自动化：从法律信息机器处理到法律机器》一文。1970年，布坎南与海德里克在《斯坦福法律评论》上发表了《关于人工智能与法律推理的几点思考》的文章，第一次正式将“人工智能”与“法律推理”结合起来思考，这一文章的发表揭开了对法律推理进行人工智能研究的序幕。国内，1986年，由朱华荣、肖开权主持的《量刑综合平衡与电脑辅助量刑专家系统研究》被确定为国家社科“七五”研究课题。在法律数据库面，中山大学学生胡钊等于1993年研制了((LOA律师办公自动化系统》。同年，武汉大学赵廷光教授主持了《实用刑法专家系统》。由咨询检索系统、辅助定性系统和辅助量刑系统组成，具有检索刑法知识和对刑事个案进行推理判断的功能。

现有技术中，通过列举案件事实要素，由原被告双方分别确认或法官人工确认的方式确认本案可用于判断的法律要素信息。例如，以民间借贷纠纷案由为例，将案件中涉及到的借款时间、地点、用途、金额、载体等均进行列举显示，由原被告依顺序分别确认各自主张，将双方信息一致的定位无异议要素，双方意见不一致的定位为争议要素。或者由法官直接对要素信息进行一一确认，将法院认定的要素单独摘出来，作为后续其他判断的数据基础。

现有技术过于依赖当事人的人工操作，忽略系统自动判断，降低了产品的智能化程度。且操作复杂，涉及复杂案件时，信息较多，需要消耗大量的时间，降低用户的工作效率。

发明内容

为此，本发明实施例提供一种刑事案件诉讼时效智能审查方法及装置，以解决现有技术中由于自动化程度较低而导致的工作效率低的问题。

为了实现上述目的，本发明以案件要素结构为基础，对当事人提交的起诉书、答辩状、质证意见等文书及证据进行扫描与分析，利用正则匹配、深度学习等方式，对各文书材料中的信息进行获取，并通过分析双方当事人双方的主张，通过要素推导等方式，获取本案的最终要素信息内容，过程中要素信息的确认通过系统规则判断的方式进行，无需当事人及法官进行手动操作；通过对诉讼时效内容的全面梳理及整合，将诉讼时效的内容分为“诉请是否适用诉讼时效”、“确定初次适用的普通诉讼时效期间”、“判断是否超过普通诉讼时效期间”、“判断是否超过最长诉讼时效期间”、“判断诉讼时效中断”、“判断诉讼时效中止”等六个模块，各模块分别建立模块内部的判断运行规则，六个模块之间同时建立规则运行方式，最终通过六个模块的综合判断，推送诉讼时效判断结果。

本发明实施例的第一方面，提出一种案件诉讼时效智能审查方法，具体实施技术方案如下：

案件要素信息的自动提取；

将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示。

进一步地，所述案件要素信息的自动提取包括：

采用OCR技术，将扫描获得的图片文件转换为文本信息；

将所述文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取。

进一步地，所述将所述文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取，包括：

将所述文本信息输入至预先训练的案件要素结构模型，获得所述文本信息中的案件要素结构；

采用正则表达式对所述案件要素结构模型中的第一要素结构与所述文本信息中的第二要素结构进行加工，分别获得正则化第一要素结构和正则化第二要素结构；

将所述正则化第一要素结构和正则化第二要素结构进行对比匹配，获得案件要素信息。

进一步地，还包括：

获取案件的时间信息、金额信息；

对所述时间信息和金额信息进行计算推导，获得隐藏的案件要素信息。

进一步地，所述将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示，包括，

对所述案件要素信息中的时间信息进行计算，获得待分析时间信息；

将所述待分析时间信息与诉讼时效审查模型中的诉讼时效时间类型进行对比匹配，获得审查结果。

根据本发明实施例的第二方面一种案件诉讼时效智能审查装置，包括自动提取模块、审查结果显示模块；其中，

所述自动提取模块用于案件要素信息的自动提取；

所述审查结果显示模块用于将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示。

进一步地，所述自动提取模块包括文本转换模块、要素提取模块；其中，所述文本转换模块用于采用OCR技术，将扫描获得的图片文件转换为文本信息；所述要素提取模块用于将所述文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取。

进一步地，所述要素提取模块包括案件要素结构获得模块、正则化表达模块、对比匹配模块；其中，所述案件要素结构获得模块用于将所述文本信息输入至预先训练的案件要素结构模型，获得所述文本信息中的案件要素结构；所述正则化表达模块用于采用正则表达式对所述案件要素结构模型中的第一要素结构与所述文本信息中的第二要素结构进行加工，分别获得正则化第一要素结构和正则化第二要素结构；所述对比匹配模块用于将所述正则化第一要素结构和正则化第二要素结构进行对比匹配，获得案件要素信息。

进一步地，隐藏信息获取模块、推导模块；其中，所述隐藏信息获取模块用于获取案件的立案时间信息、诉讼金额信息；所述推导模块用于对所述立案时间信息和诉讼金额信息进行计算推导，获得隐藏的案件要素信息。

进一步地，所述审查结果显示模块包括，待分析时间计算模块、结果计算模块；其中，所述待分析时间计算模块用于对所述案件要素信息中的时间信息进行计算，获得待分析时间信息；

所述结果计算模块用于将所述待分析时间信息与诉讼时效审查模型中的诉讼时效时间类型进行对比匹配，获得审查结果。

本发明实施例具有如下优点：

智能法律要素分析技术，实现了要素的精确提取及自动判断确认，减少对当事人确认的依赖，以及法官对信息确认的人工工作量，帮助法官提升了办案效率。

进一步地，该技术的各项判断完整的涵盖了诉讼时效涉及的普通诉讼时效、最长诉讼时效、诉讼中断、诉讼中止等全部相关法律判断，系统可以根据当前案件情况，通过规则运行直接得出是否超过诉讼时效，以及结果依据的具体理由。真正实现了诉讼时效审查的智能判断。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

图1为本发明实施例1提供的一种案件诉讼时效智能审查方法流程框图；

图2为本发明是是民事起诉书案件要素结构示意图；

图3为本发明诉讼时效审查模型结构示意图；

图4为本发明案件诉讼时效智能审查流程框图；

图5为诉讼时效审查的运行规则示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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做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。

参见图1是本发明实施例1提供的一种案件诉讼时效智能审查方法流程框图，包括如下步骤：

案件要素信息的自动提取；

将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示。

上述案件要素信息为涉事案件的时间、地点、用途、金额、当事人、载体等。上述案件要素信息的自动提取包括如下步骤：

获取纸质案件卷宗信息，对纸质案件卷宗信息进行扫描，并采用OCR技术，将扫描获得的图片信息转换为文本信息。纸质案件卷宗信息包括当事人提交的起诉书、答辩状、质证意见文书及证据信息等信息；

将获得的文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取。

本发明实施例可采用正则表达式的匹配匹配方法或深度学习算法对所述案件要素结构信息分析，提取要素信息；

优选的，本发明先对对案件要素结构信息进行分析和提取，然后采用正则表达式匹配的方法对案件要素结构信息进行匹配，进而获得案件要素信息，具体为：

将所述文本信息输入至预先训练的案件要素结构模型，获得所述文本信息中的案件要素结构；

采用正则表达式对所述案件要素结构模型中的第一要素结构与所述文本信息中的第二要素结构进行加工，分别获得正则化第一要素结构和正则化第二要素结构；

将所述正则化第一要素结构和正则化第二要素结构进行对比匹配，获得案件要素信息。

换句话说，本发明以案件要素结构为基础，对当事人提交的起诉书、答辩状、质证意见等文书及证据材料进行扫描与分析，利用正则匹配、深度学习等方式，对各种文书材料中的信息进行获取，即可实现案件要素信息的自动获取。案件要素信息的自动获取以民事起诉书的案件要素信息自动提取为例，参见图2，是民事起诉书案件要素结构示意图。民事起诉书案件要素结构包括原告的基本信息、被告人的基本信息、证据、起诉的理由和法律根据等。

此外，本发明实施例可选的实施方式还包括获取案件的时间信息、金额信息；对所述时间信息和金额信息进行计算推导，获得隐藏的案件要素信息。对于无法通过正则直接提取的，但属于本案的信息，则通过时间计算、金额加减等要素推导方式来进行完整案件要素信息的获取。例如，案件中说明共发放贷款本金10万元，现要求归还欠款53000元，此时已经归还的金额为非直接要素信息，此时通过推导，推导出已经归还的金额为47000元。再例如，债权债务关系期限届满的时间为2019年6月24日，债权人的起诉时间为2021年6月24日，将两个时间进行加减便可判断是否满足民法中关于诉讼时效的规定等等。

本发明上述诉讼时效审查模型是采用计算机技术，通过结合诉讼时效法律相关内容，对其进行全面整合和梳理而得到的一种数据结构。参见图3，是本发明诉讼时效审查模型结构示意图。将诉讼时效的内容分为“诉请是否适用诉讼时效”、“确定初次适用的普通时效期间”、“判断是否超过普通时效期间”、“判断是否超过最长时效期间”、“判断诉讼时效中断”、“判断诉讼时效中止”六大模块，基于这六大模块，采用计算机技术，构建诉讼时效审查法律业务结构。

需要说明的是，上述诉讼时效审查法律业务结构包括上述六大诉讼时效审查内容，及与所述诉讼时效内容相对应的要素结构。

以上述要素结构为分析依据，对所述案件要素信息进行解析，并推送相应的审查结果。优选的，本发明实施例可选的实施方式，所述将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示，包括，对所述案件要素信息中的时间信息进行计算，获得待分析时间信息；将所述待分析时间信息与诉讼时效审查模型中的诉讼时效时间类型进行对比匹配，获得审查结果。

参见图4是本发明案件诉讼时效智能审查流程框图，通过对诉讼时效审查相关法律内容的深入分析，在法律业务结构的基础上，对六个模块的法律内容进行规则的综合运行，包括规则判断的数据来源、规则运行的条件及规则判断的结论。在要素分析完成后，程序根据获取的数据来源，去解析诉讼时效的规则配置，通过算法得出诉讼时效规则判决的结论，从而实现诉讼时效审查的智能判断。

具体来说，前置数据分析，即，获取并分析当事人提交的起诉书、答辩状、质证意见文书及证据信息；案件要素中心，即，采用正则匹配或深度学习算法对所述案件要素结构信息分析，提取要素信息；对当事人双方的主张进行分析并对所述要素信息进行推导，获得案件要素信息。根据诉讼时效相关法律内容，构建诉讼时效审查法律业务结构；将所述案件要素信息按照所构建的诉讼时效审查法律业务结构进行计算、解析分析，推送相应的审查结果。

参见图5为诉讼时效审查的运行规则(部分规则)示意图，系统获取待审查的案件要素信息后，逐项对上述六大项审查内容，以要素结构为分析依据，对所述案件要素信息进行解析，推送相应的审查结果并显示给用户。

本发明实施例具有如下优点：

智能法律要素分析技术，实现了要素的精确提取及自动判断确认，减少对当事人确认的依赖，以及法官对信息确认的人工工作量，帮助法官提升了办案效率。

进一步地，该技术的各项判断完整的涵盖了诉讼时效涉及的普通诉讼时效、最长诉讼时效、诉讼中断、诉讼中止等全部相关法律判断，系统可以根据当前案件情况，通过规则运行直接得出是否超过诉讼时效，以及结果依据的具体理由。真正实现了诉讼时效审查的智能判断。

根据本发明实施例的第二方面一种案件诉讼时效智能审查装置，包括自动提取模块、审查结果显示模块；其中，

所述自动提取模块用于案件要素信息的自动提取；

所述审查结果显示模块用于将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示。

进一步地，所述自动提取模块包括文本转换模块、要素提取模块；其中，所述文本转换模块用于采用OCR技术，将扫描获得的图片文件转换为文本信息；所述要素提取模块用于将所述文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取。

进一步地，所述要素提取模块包括案件要素结构获得模块、正则化表达模块、对比匹配模块；其中，所述案件要素结构获得模块用于将所述文本信息输入至预先训练的案件要素结构模型，获得所述文本信息中的案件要素结构；所述正则化表达模块用于采用正则表达式对所述案件要素结构模型中的第一要素结构与所述文本信息中的第二要素结构进行加工，分别获得正则化第一要素结构和正则化第二要素结构；所述对比匹配模块用于将所述正则化第一要素结构和正则化第二要素结构进行对比匹配，获得案件要素信息。

进一步地，隐藏信息获取模块、推导模块；其中，所述隐藏信息获取模块用于获取案件的时间信息、诉讼金额信息；所述推导模块用于对所述立案时间信息和诉讼金额信息进行计算推导，获得隐藏的案件要素信息。

进一步地，所述审查结果显示模块包括，待分析时间计算模块、结果计算模块；其中，所述待分析时间计算模块用于对所述案件要素信息中的时间信息进行计算，获得待分析时间信息；

所述结果计算模块用于将所述待分析时间信息与诉讼时效审查模型中的诉讼时效时间类型进行对比匹配，获得审查结果。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.案件诉讼时效智能审查方法，其特征在于，包括如下步骤：

案件要素信息的自动提取；

将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示。

2.根据权利要求1所述的方法，其特征在于，所述案件要素信息的自动提取包括：

采用OCR技术，将扫描获得的图片文件转换为文本信息；

将所述文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取。

3.根据权利要求2所述的方法，其特征在于，所述将所述文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取，包括：

将所述文本信息输入至预先训练的案件要素结构模型，获得所述文本信息中的案件要素结构；

采用正则表达式对所述案件要素结构模型中的第一要素结构与所述文本信息中的第二要素结构进行加工，分别获得正则化第一要素结构和正则化第二要素结构；

将所述正则化第一要素结构和正则化第二要素结构进行对比匹配，获得案件要素信息。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取案件中的时间信息、金额信息；

对所述时间信息和金额信息进行计算推导，获得隐藏的案件要素信息。

5.根据权利要求1所述的方法，其特征在于，所述将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示，包括，

对所述案件要素信息中的时间信息进行计算，获得待分析时间信息；

将所述待分析时间信息与诉讼时效审查模型中的诉讼时效时间类型进行对比匹配，获得审查结果。

6.案件诉讼时效智能审查装置，其特征在于，包括自动提取模块、审查结果显示模块；其中，

所述自动提取模块用于案件要素信息的自动提取；

所述审查结果显示模块用于将所述案件要素信息输入至预先构建的诉讼时效审查模型进行计算，并将计算结果进行显示。

7.根据权利要求6所述的装置，其特征在于，所述自动提取模块包括文本转换模块、要素提取模块；其中，所述文本转换模块用于采用OCR技术，将扫描获得的图片文件转换为文本信息；所述要素提取模块用于将所述文本信息输入至预先训练的案件要素结构模型，获得案件要素信息，实现案件要素信息的自动获取。

8.根据权利要求7所述的装置，其特征在于，所述要素提取模块包括案件要素结构获得模块、正则化表达模块、对比匹配模块；其中，所述案件要素结构获得模块用于将所述文本信息输入至预先训练的案件要素结构模型，获得所述文本信息中的案件要素结构；所述正则化表达模块用于采用正则表达式对所述案件要素结构模型中的第一要素结构与所述文本信息中的第二要素结构进行加工，分别获得正则化第一要素结构和正则化第二要素结构；所述对比匹配模块用于将所述正则化第一要素结构和正则化第二要素结构进行对比匹配，获得案件要素信息。

9.根据权利要求6所述的装置，其特征在于，还包括隐藏信息获取模块和推导模块；其中，所述隐藏信息获取模块用于获取案件的时间信息、金额信息；所述推导模块用于对所述立案时间信息和诉讼金额信息进行计算推导，获得隐藏的案件要素信息。

10.根据权利要求6所述的装置，其特征在于，所述审查结果显示模块包括，待分析时间计算模块、结果计算模块；其中，所述待分析时间计算模块用于对所述案件要素信息中的时间信息进行计算，获得待分析时间信息；

所述结果计算模块用于将所述待分析时间信息与诉讼时效审查模型中的诉讼时效时间类型进行对比匹配，获得审查结果。