CN110362602A - 案例数据智能推送方法及装置 - Google Patents
案例数据智能推送方法及装置 Download PDFInfo
- Publication number
- CN110362602A CN110362602A CN201910611875.8A CN201910611875A CN110362602A CN 110362602 A CN110362602 A CN 110362602A CN 201910611875 A CN201910611875 A CN 201910611875A CN 110362602 A CN110362602 A CN 110362602A
- Authority
- CN
- China
- Prior art keywords
- case
- parameter
- law
- module
- data
- 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.)
- Pending
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种案例数据智能推送方法,包括获取待审查案件的基本信息;将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数;搜索案件库中与所述推送参数对应的案例并分类显示。本发明采用与案件关联的要素化结构严格按照法学规定与审判实践搭建,并且一直处于优化与完善之中,全面保证案例要素结构规则建立的完整性与准确性。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种案例数据智能推送方法及装置。
背景技术
20世纪60年代,人工智能研究的主要课题是博弈、难题求解和智能机器人。70年代开始研究自然语言理解和专家系统。H1专家系统是一种模拟专家在解决问题,做出决策时的思维和行为并能起到专家作用的计算机系统,最早的专家系统是1971年美国费根鲍姆教授等人研制的“化学家系统”DENDRAL,它能根据质谱数据识别有机化合物的分子结构,继而出现了“计算机数学家”、“计算机医学家”等专家系统。在其他领域专家系统研究取得突出成就的鼓舞下,一些律师提出了研制“法律诊断”系统和律师系统的可能性。
1970年,Buchanan&headrick发表了《关于人工智能和法律推理的若干问题的考察》一文,揭开了对法律推理进行人工智能研究的序幕。文章认为,理解、模拟法律论证或法律推理,需要在许多领域进行艰难的研究。法律推理的人工智能研究在这一时期主要沿着两条路径进行。一是模拟归纳推理;二是模拟法律分析。在模拟归纳推理方面取得的成果有20世纪70年代初 WaiterG.Popp和BernhardSchlink开发的JUDITH律师推理系统;在模拟法律分析方面取得的成果有1977年JeffreyMeldman开发的计算机辅助法律分析系统,它以律师推理为模拟对象,试图识别与案件事实模型相似的其他案件。
专家系统在法律中的第一次实际应用,是D·沃特曼和M·皮特森1981 年开发的法律判决辅助系统,称LDS。该系统的研制目的不是帮助或辅助法律家进行法律推理,而是以知识工程技术为新方法,试图研制能够进行法律推理的机器对美国民法制度的某个方面进行检测。
国内,在钱学森教授的倡导下,我国的法律专家系统的研制工作,于20 世纪80年代中期起步。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。
目前,法律案例资源查询推送主要采用的为全文检索的技术方式 (full-textsearch),全文检索是指从各数据中逐字查询所键入的检索词,目的是查看所要的词语是否出现在文本中,但是全文字段并不查询书名或者其他的字段。使用时,检索词越明确越好。
全文检索的技术特点:(1)原始客观性,全文检索的信息都是未经信息加工的原始文本,具有客观性。(2)彻底性,可对文中任何字、词、句进行检索,还可表示检索之间的复杂位置关系。(3)准确性,根据全文检索的方式,具有很高的准确性;随着自然语言处理的发展,目前全文检索融入了索引技术,分词技术、词性权重等,从而让全文检索更快更准确。
法律要素分为两种理解,第一种为常规法规要素,即指构成法律的基本因素或元素。一般认为,法律由规则、原则和概念三种要素构成。第二种为要素式审判的法律要素,在审理案件的过程中,对一些案件中概括出固定的案情,并对其进行提炼,形成的法律要素。
目前,法律要素的整理主要是根据案件类型、案由、相关的法律规定及司法案例、学术学说等进行汇总处理。如人民法院出版社形成的“法信大纲”。
法律要素的结构形式方面,主要分为部门法分类和案由分类两大类。
部门法分类方式,主要根据当前中国法律体系确定的部门法进行一级分类,如宪法、行政法、民法、商法、经济法、劳动法与社会保障法、自然资源与环境保护法、刑法、诉讼与非诉讼程序法、军事法等,在该分类基础上,在根据该部门法的学理结构进行二级分类。
案由分类方式,主要根据最高院颁布的标准案由进行一级分类,如刑事案件——侵犯财产罪——盗窃罪,再结合学理及审判实践,对不同的案由再进行二级分类。
案例数据智能推送依附于律典通研发的人民法院审判平台案例支持系统。在案件的审理过程中,根据法官当前所审理案件的案由与案件类型自动推送与其相关的案例数据。方便法官查看与当前审理案件要素、案件类型一致案件,对法官提供案例全文内容的查看。
案例数据智能推送可以帮助法官快速查看与当前审理案件案由、案件类型要素完全相同的案例,为促进司法为民、公正司法起到很大的作用。
传统的案例数据推送主要以推送裁判文书内容为主。数据推送标准以案件类型、案由为基本要素,结合用户手动输入部分关键词的方式。
如:当前法官审理一个案由为“盗窃罪”的刑事案件,通过案件类型、案由推送与当前审理案件相关联的案例数据,传统方式的推送结果为:
根据“刑事案件”、“盗窃罪”两个基本要素,推送裁判文书的案由为盗窃罪的相关案例。
用户在以上推送数据的基础上,再通过输入关键词的方式进一步缩小数据推送范围。
1、推送数据的标准为案件类型与案由两个基本要素,但是未对案件类型进行详尽划分,如:刑事案件下还分为刑事一审案件、刑事二审案件、刑事审判监督案件、申请没收违法所得案件、刑事复核案件、强制医疗案件、停止执行死刑案件、刑罚与执行变更案件,因此推送的案例数据范围较大,数量较多,与法官当前审理案件的大部分关键事实或争议焦点相似度较低,参考价值小。
2、通过手动输入关键词的方式缩小推送案例数据的范围,由于关键词文本检索是全文检索,导致输入的关键词查询的范围较广,无法精确定位。如用户想查询结果为:案例本院认为部分存在“数额较大”的认定情节,但是由于全文检索的方式,只要案例全文中任一部分包含“数额较大”,就会作为结果进行推送,从而大大降低了推送数据的准确性。
3、推送案例范围较少且不能按照本人、本法院、全省法院、其他省市法院进行分类查看。
发明内容
为此,本发明实施例提供一种案例数据智能推送方法及装置,以解决现有技术中由于全文检索而导致的检索数据较大、检索不准确的问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面提供一种案例数据智能推送方法,包括
获取待审查案件的基本信息;
将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数;
搜索案件库中与所述推送参数对应的案例并分类显示。
进一步地,所述将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数包括:
获取待审查案件的案件类型和案由;
将所述案件类型与所述多级案例数据要素化模型中的案件类型要素节点进行对比和匹配,获得与所述案件类型对应的案件类型参数;
将所述案由与所述多级案例数据要素化模型中的案由要素节点进行对比和匹配,获得案由参数。
进一步地,所述基本信息包括法律要素信息;获取法律要素信息,将所述相关法律要素信息与所述多级案例数据要素化模型中的情形情节要素节点信息逐个对比和匹配,获得法律要素参数。
进一步地,所述基本要素与所述要素节点的数据格式均采用XML格式。
进一步地,所述XML格式数据包括xPath和值,将所述xPath和值组成文本,并生成CRC码;根据CRC码进行对比和匹配。
本发明的另一方面还提供一种案例数据智能推送装置,其特征在于,包括获取模块、推送参数获得模块、搜索显示模块;其中,所述获取模块用于获取待审查案件的基本信息;所述推送参数获得模块用于将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数;所述搜索显示模块用于搜索案件库中与所述推送参数对应的案例并分类显示。
进一步地,所述推送参数获得模块包括案由参数获取模块和案件类型参数获取模块;
所述案件类型参数获取模块用于获取待审查案件的案件类型,将所述案件类型与所述多级案例数据要素化模型中的案件类型要素节点进行对比和匹配,获得与所述案件类型对应的案件类型参数;
所述案由参数获取模块用于获取待审查案件的案由,将所述案由与所述多级案例数据要素化模型中的案由要素节点进行对比和匹配,获得案由参数。
进一步地,所述推送参数获得模块还包括法律要素参数获取模块,所述法律要素参数获取模块用于获取法律要素信息,将所述相关法律要素信息与所述多级案例数据要素化模型中的情形情节要素节点信息逐个对比和匹配,获得法律要素参数。
进一步地,所述基本要素与所述要素节点的数据格式均采用XML格式。
进一步地,所述搜索显示模块包括CRC码生成模块和匹配搜索模块;其中,所述XML格式数据包括xPath和值,所述CRC码生成模块用于将所述 xPath和值组成文本,并生成CRC码;所述匹配搜索模块用于根据CRC码进行对比和匹配。
本发明实施例具有如下优点:
本发明采用与案件关联的要素化结构严格按照法学规定与审判实践搭建,并且一直处于优化与完善之中。全面保证案例要素结构规则建立的完整性与准确性。数据推送标准采用了法律知识图谱要素分析及要素整合重组的基本方法,保证推送的案例数据符合法官的法律预期,为法官规范、统一审判结果提供了极大的参考和帮助。
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提供的一种案例数据智能推送方法流程框图;
图2为本发明提供的刑事案件案由对应的的多级案例数据要素化模型结构框图;
图3a-3e为本发明提供的多级案例数据要素化模型中的案由节点模型;
图4为本发明提供的法律要素重组实验结果图。
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,为本发明实施例1提供的一种案例数据智能推送方法流程框图,包括:
获取待审查案件的基本信息;
将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数;
搜索案件库中与所述推送参数对应的案例并分类显示。
上述基本信息包括案件类型、案由、法律要素信息、相关法律法规、司法案例学术学说等,上述多级案例数据要素化模型是指在最高院公布的标准案由的基础上,结合最新的法学专业知识及大量的法院裁判实例对全部的标准案由进行细化拆分,涵盖了单个案由项下最完整的各类情形与情节,并对各个案由进行进一步的结构化拆分,案例数据要素化结构由标准案由、刑事情形情节、民事要素等节点构成的一种层状多级模型结构。所述案例数据要素化结构包括民事案例数据要素化结构和刑事案例数据要素化结构。
上述推送参数是指搜索案件所需的必要关键词。比如,当前法官当前法官审理的为一个盗窃罪案件,被告人有携带凶器盗窃,累犯、自首等情形情节,此时系统就需要推送满足以上情形情节的案例,而不应该推送仅包含部分情形情节或其他的案例。刑事案件推送主要包括案件的案由、案件类型、犯罪行为相关情形、法定情节、酌定情节,其中犯罪行为相关情形根据不同的案由形成,法定情节和酌定情节有共用的要素节点,同时也会根据不同案由形成个性化的要素节点,推送的案例数据可按本人、本法院、全省法院、其他省市法院进行智能分类。民事案件推送主要包括案件的案由与案件类型、诉请要素、事实要素、争议焦点要素等民事要素,推送的案例数据可按本人、本法院、全省法院、其他省市法院进行智能分类。
上述基本信息可采用语义分析和自动提取的方式获得,还可以通过建模、转换配置等方式获得。基本信息的获得属于现有技术,在此不再赘述。
需要说明书的是,上述多级案例数据要素化模型的建立属于计算机领域的现有技术,在此不再赘述。
在本发明实施例中,主要通过案件类型、案由和法律要素信息这三个参数来与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数,并搜索案件库中与所述推送参数对应的案例推送至审查人员并显示。
所述将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数包括:
获取待审查案件的案件类型和案由;
将所述案件类型与所述多级案例数据要素化模型中的案件类型要素节点进行对比和匹配,获得与所述案件类型对应的案件类型参数;
将所述案由与所述多级案例数据要素化模型中的案由要素节点进行对比和匹配,获得案由参数。
在本发明可选的实施方式中还包括,所述基本信息包括法律要素信息,获取法律要素信息,将所述相关法律要素信息与所述多级案例数据要素化模型中的情形情节要素节点信息逐个对比和匹配,获得法律要素参数。
具体来说,优选的,首先获取待审查法律案件的案件类型,将该案件类型输入至多级案例数据要素化模型,将模型中的案件类型要素节点与所述案件类型进行对比和匹配,即获得案件类型参数;然后获取待审查法律案件的案由,将该案由输入至多级案例数据要素化模型,并与该模型中的案由要素节点进行对比和匹配,获得案由参数;再获取法律要素信息,将所述相关法律要素信息与所述多级案例数据要素化模型中的情形情节要素节点信息逐个对比和匹配,获得法律要素参数。最后搜索与以上多个参数对应的案例件并显示,可精确显示与案件类型、案由及法律要素参数对应的案例,为法官带来便利。
上述法律要素与法律要素节点的数据格式均采用XML格式。XML格式数据包括xPath和值,将所述xPath和值组成文本,并生成CRC码;根据CRC 码进行对比和匹配。
本发明采用与案件关联的要素化结构严格按照法学规定与审判实践搭建,并且一直处于优化与完善之中,全面保证案例要素结构规则建立的完整性与准确性。数据推送标准采用了法律知识图谱要素分析及要素整合重组的基本方法,保证推送的案例数据符合法官的法律预期,为法官规范、统一审判结果提供了极大的参考和帮助。
下面通过一个具体实例来对本发明一种案例数据智能推送方法进行说明。
当后台获取到案件类型信息后,获取与案件类型对应的多级案例数据要素化模型,比如刑事案件、民事案件等;参见图2,为法定案由类型。当后台获取到案由信息后,比如刑事案件中的盗窃罪,后台将获取的盗窃罪案由信息与多级案例数据要素化模型中的案件类型要素节点进行对比和匹配。参见图 3a-3e,是所述多级案例数据要素化模型中的案由节点类型信息,包括盗窃罪犯罪行为相关情形、通用法定情形、盗窃罪法定情形、通用酌定情节、盗窃罪酌定情节等。将所述案由再次分别与上述案由节点进行对比和匹配,最终得到完整的包括上述案件类型要素节点、案由节点对比和匹配得到的推送参数,搜索与所述推送参数对应的案件并显示。参见图4为本发明提供的法律要素重组实验结果图。
需要说明的是,民事案件推送模式与刑事案件类似,在此不再赘述。
本发明的另一方面还提供一种案例数据智能推送装置,其特征在于,包括获取模块、推送参数获得模块、搜索显示模块;其中,所述获取模块用于获取待审查案件的基本信息;所述推送参数获得模块用于将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数;所述搜索显示模块用于搜索案件库中与所述推送参数对应的案例并分类显示。
进一步地,所述推送参数获得模块包括案由参数获取模块和案件类型参数获取模块;
所述案件类型参数获取模块用于获取待审查案件的案件类型,将所述案件类型与所述多级案例数据要素化模型中的案件类型要素节点进行对比和匹配,获得与所述案件类型对应的案件类型参数;
所述案由参数获取模块用于获取待审查案件的案由,将所述案由与所述多级案例数据要素化模型中的案由要素节点进行对比和匹配,获得案由参数。
进一步地,所述推送参数获得模块还包括法律要素参数获取模块,所述法律要素参数获取模块用于获取法律要素信息,将所述相关法律要素信息与所述多级案例数据要素化模型中的情形情节要素节点信息逐个对比和匹配,获得法律要素参数。
进一步地,所述基本要素与所述要素节点的数据格式均采用XML格式。
进一步地,所述搜索显示模块包括CRC码生成模块和匹配搜索模块;其中,所述XML格式数据包括xPath和值,所述CRC码生成模块用于将所述 xPath和值组成文本,并生成CRC码;所述匹配搜索模块用于根据CRC码进行对比和匹配。
本发明实施例具有如下优点:
本发明采用与案件关联的要素化结构严格按照法学规定与审判实践搭建,并且一直处于优化与完善之中。全面保证案例要素结构规则建立的完整性与准确性。数据推送标准采用了法律知识图谱要素分析及要素整合重组的基本方法,保证推送的案例数据符合法官的法律预期,为法官规范、统一审判结果提供了极大的参考和帮助。
进一步地,本发明还可以对法律要素进行重组,通过将法律要素转换成 XML格式的数据,再采用XML格式数据对上述法律要素进行XML重组配置,最终获得重组后的法律要素,获得更为准确的检索案例。
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)
1.一种案例数据智能推送方法,包括
获取待审查案件的基本信息;
将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数;
搜索案件库中与所述推送参数对应的案例并分类显示。
2.根据权利要求1所述的方法,其特征在于,所述将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数包括:
获取待审查案件的案件类型和案由;
将所述案件类型与所述多级案例数据要素化模型中的案件类型要素节点进行对比和匹配,获得与所述案件类型对应的案件类型参数;
将所述案由与所述多级案例数据要素化模型中的案由要素节点进行对比和匹配,获得案由参数。
3.根据权利要求2所述的方法,其特征在于,所述基本信息包括法律要素信息;获取法律要素信息,将所述相关法律要素信息与所述多级案例数据要素化模型中的情形情节要素节点信息逐个对比和匹配,获得法律要素参数。
4.根据权利要求1所述的方法,其特征在于,所述基本要素与所述要素节点的数据格式均采用XML格式。
5.根据权利要求4所述的方法,其特征在于,所述XML格式数据包括xPath和值,将所述xPath和值组成文本,并生成CRC码;根据CRC码进行对比和匹配。
6.一种案例数据智能推送装置,其特征在于,包括获取模块、推送参数获得模块、搜索显示模块;其中,所述获取模块用于获取待审查案件的基本信息;所述推送参数获得模块用于将所述基本信息与预先建立的多级案例数据要素化模型中的要素节点进行逐级对比和匹配,获得该法律要素所属的推送参数;所述搜索显示模块用于搜索案件库中与所述推送参数对应的案例并分类显示。
7.根据权利要求6所述的装置,其特征在于,所述推送参数获得模块包括案由参数获取模块和案件类型参数获取模块;
所述案件类型参数获取模块用于获取待审查案件的案件类型,将所述案件类型与所述多级案例数据要素化模型中的案件类型要素节点进行对比和匹配,获得与所述案件类型对应的案件类型参数;
所述案由参数获取模块用于获取待审查案件的案由,将所述案由与所述多级案例数据要素化模型中的案由要素节点进行对比和匹配,获得案由参数。
8.根据权利要求6所述的装置,其特征在于,所述推送参数获得模块还包括法律要素参数获取模块,所述法律要素参数获取模块用于获取法律要素信息,将所述相关法律要素信息与所述多级案例数据要素化模型中的情形情节要素节点信息逐个对比和匹配,获得法律要素参数。
9.根据权利要求8所述的装置,其特征在于,所述基本要素与所述要素节点的数据格式均采用XML格式。
10.根据权利要求9所述的装置,其特征在于,所述搜索显示模块包括CRC码生成模块和匹配搜索模块;其中,所述XML格式数据包括xPath和值,所述CRC码生成模块用于将所述xPath和值组成文本,并生成CRC码;所述匹配搜索模块用于根据CRC码进行对比和匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611875.8A CN110362602A (zh) | 2019-07-08 | 2019-07-08 | 案例数据智能推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611875.8A CN110362602A (zh) | 2019-07-08 | 2019-07-08 | 案例数据智能推送方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110362602A true CN110362602A (zh) | 2019-10-22 |
Family
ID=68218602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910611875.8A Pending CN110362602A (zh) | 2019-07-08 | 2019-07-08 | 案例数据智能推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110362602A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806590A (zh) * | 2021-09-27 | 2021-12-17 | 北京市律典通科技有限公司 | 一种刑事同案数据智能推送方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160314146A1 (en) * | 2015-04-22 | 2016-10-27 | Lex Machina, Inc. | Legal analytics based on party, judge, or law firm |
CN107330071A (zh) * | 2017-06-30 | 2017-11-07 | 北京神州泰岳软件股份有限公司 | 一种法律咨询信息智能答复方法及平台 |
CN108009299A (zh) * | 2017-12-28 | 2018-05-08 | 北京市律典通科技有限公司 | 法律审判业务处理方法和装置 |
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 |
CN109739888A (zh) * | 2018-12-25 | 2019-05-10 | 北京市律典通科技有限公司 | 同案同判方法和系统 |
-
2019
- 2019-07-08 CN CN201910611875.8A patent/CN110362602A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160314146A1 (en) * | 2015-04-22 | 2016-10-27 | Lex Machina, Inc. | Legal analytics based on party, judge, or law firm |
CN107330071A (zh) * | 2017-06-30 | 2017-11-07 | 北京神州泰岳软件股份有限公司 | 一种法律咨询信息智能答复方法及平台 |
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 |
CN108009299A (zh) * | 2017-12-28 | 2018-05-08 | 北京市律典通科技有限公司 | 法律审判业务处理方法和装置 |
CN109739888A (zh) * | 2018-12-25 | 2019-05-10 | 北京市律典通科技有限公司 | 同案同判方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806590A (zh) * | 2021-09-27 | 2021-12-17 | 北京市律典通科技有限公司 | 一种刑事同案数据智能推送方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boratko et al. | A systematic classification of knowledge, reasoning, and context within the ARC dataset | |
CN109271506A (zh) | 一种基于深度学习的电力通信领域知识图谱问答系统的构建方法 | |
CN110147436A (zh) | 一种基于教育知识图谱与文本的混合自动问答方法 | |
CN107590133A (zh) | 基于语义的招聘职位与求职简历匹配的方法及系统 | |
CN108038205B (zh) | 针对中文微博的观点分析原型系统 | |
CN105528437B (zh) | 一种基于结构化文本知识提取的问答系统构建方法 | |
CN112084299B (zh) | 一种基于bert语义表示的阅读理解自动问答方法 | |
CN109800349A (zh) | 基于用户发布内容量化新闻价值的数据处理方法和装置 | |
CN113779220A (zh) | 一种基于三通道认知图谱和图注意力网络的蒙语多跳问答方法 | |
CN111460145A (zh) | 一种学习资源推荐方法、设备及存储介质 | |
CN105335510A (zh) | 文本数据高效搜索方法 | |
CN109165040A (zh) | 一种基于随机森林模型的代码抄袭嫌疑检测的方法 | |
CN110532363A (zh) | 一种基于决策树的任务导向型自动对话方法 | |
CN107862037B (zh) | 一种基于实体连通图的事件模版构造方法 | |
CN105160046A (zh) | 基于文本的数据检索方法 | |
CN114911949A (zh) | 一种课程知识图谱构建方法及系统 | |
Nguyen et al. | Legal-Onto: An Ontology-based Model for Representing the Knowledge of a Legal Document. | |
CN111598331B (zh) | 一种基于科研多维特征的项目可行性预测分析方法 | |
CN105205075B (zh) | 基于协同自扩展的命名实体集合扩展方法及查询推荐方法 | |
Xiao et al. | A novel framework with weighted heterogeneous educational network embedding for personalized freshmen recommendation under the impact of COVID-19 storm | |
CN110362602A (zh) | 案例数据智能推送方法及装置 | |
Deraman et al. | A social media mining using topic modeling and sentiment analysis on tourism in Malaysia during COVID19 | |
Das et al. | Application of fuzzy logic in the ranking of academic institutions | |
Mozafari et al. | Attention-based pairwise multi-perspective convolutional neural network for answer selection in question answering | |
Wang | Math-KG: Construction and Applications of Mathematical Knowledge Graph |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191022 |
|
RJ01 | Rejection of invention patent application after publication |