CN110377631B - 案件信息处理方法、装置、计算机设备和存储介质 - Google Patents
案件信息处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110377631B CN110377631B CN201910520284.XA CN201910520284A CN110377631B CN 110377631 B CN110377631 B CN 110377631B CN 201910520284 A CN201910520284 A CN 201910520284A CN 110377631 B CN110377631 B CN 110377631B
- Authority
- CN
- China
- Prior art keywords
- case
- information
- approval
- analysis
- item
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 127
- 238000012795 verification Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims description 70
- 238000012545 processing Methods 0.000 claims description 22
- 230000014509 gene expression Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000013145 classification model Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 description 7
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/08—Error detection or correction by redundancy in data representation, e.g. by using checking codes
- G06F11/10—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/248—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种案件信息处理方法、装置、计算机设备和存储介质。方法包括:接收终端发送的裁决分析请求;裁决分析请求携带了案件标识;根据案件标识获取当前案件的案件信息;案件信息包括案件类型及案件审理记录;在案件信息中提取一个或多个待校验项;当待校验项为第一校验项时,基于案件审理记录生成当前案件的审理程序,对仲裁程序与案件类型对应的规定程序是否匹配进行校验;当待校验项为第二校验项时,对案件信息中是否存在与预设的待明确字段对应的字段值进行校验;根据每个待校验项的校验结果生成裁决预警,将裁决预警发送至终端。采用本方法能够案件信息处理效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种案件信息处理方法、装置、计算机设备和存储介质。
背景技术
在案件审理过程中,法官和律师需要根据相关法律法规进行案件处理。例如,根据我国《仲裁法》的规定,当事人采用仲裁方式解决纠纷应当双方自愿达成仲裁协议。没有仲裁协议,一方当事人申请仲裁的,仲裁机构不能受理,仲裁员应当对仲裁案件是否达成仲裁协议等诸多事项进行审核。由于审核过程需要对大量的案件信息进行人工审核,因此存在审核效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高案件信息处理效率的案件信息处理方法、装置、计算机设备和存储介质。
一种案件信息处理方法,所述方法包括:接收终端发送的裁决分析请求;所述裁决分析请求携带了案件标识;根据所述案件标识获取当前案件的案件信息;所述案件信息包括案件类型及案件审理记录;在所述案件信息中提取一个或多个待校验项;所述待校验项包括第一校验项和第二校验项;当所述待校验项为第一校验项时,基于所述案件审理记录生成当前案件的审理程序,对仲裁程序与所述案件类型对应的规定程序是否匹配进行校验;当所述待校验项为第二校验项时,对所述案件信息中是否存在与预设的待明确字段对应的字段值进行校验;根据每个待校验项的校验结果生成裁决预警,将所述裁决预警发送至所述终端。
在一个实施例中,所述案件信息包括初始案件信息及案件审理记录;所述根据所述案件标识获取当前案件的案件信息之前,还包括:接收终端发送的协助审理请求;所述协助审理请求携带了初始案件信息;根据所述初始案件信息识别当前案件的争议焦点类型;基于所述争议焦点类型识别所述当前案件的近似案件及相关法条;将所述近似案件及相关法条作为协助指引信息推送至终端;接收所述终端根据所述协助指引信息返回的对当前案件的处理信息,记作案件审理记录。
在一个实施例中,所述协助审理请求还携带了检索分析语句;所述将所述近似案件及相关法条作为协助指引信息推送至终端,包括:获取案件统计表及对应的表信息;根据所述检索分析语句及所述表信息,生成目标向量;将所述目标向量输入预设的序列模型,得到分析意图表达式;将所述目标向量输入预设的意图分类模型,得到目标SQL模板;将所述分析意图表达式填充至所述目标SQL模板,得到SQL检索分析语句;基于所述SQL检索分析语句在所述案件统计表中查询相关案件,并对所述相关案件的案件信息进行统计分析,基于得到分析结果生成分析图表;根据所述近似案件生成裁决指引信息;将所述裁决指引信息、相关法条及所述分析图表推送至终端。
在一个实施例中,所述基于所述案件审理记录生成当前案件的审理程序,包括:基于所述案件审理记录识别所述当前案件的多个审理节点;确定每个所述审理节点的审理时间;根据所述审理时间将多个审理节点串联,生成当前案件的审理程序。
在一个实施例中,所述对所述案件信息中是否存在与预设的待明确字段对应的字段值进行校验,包括:当待校验项为第二校验项时,获取预设的多个待明确字段以及每个所述待明确字段关联的转换字段,识别所述案件信息中是否存在与每个待明确字段或转换字段对应的字段值;若不存在,将所述第二校验项的校验结果标记为校验失败。
在一个实施例中,所述方法还包括:确定每个所述待校验项的优先等级;根据所述优先等级对提取的待检验项进行校验;若当前优先等级的待校验项的校验结果为校验失败,则终止校验,并返回相应待校验项校验失败的预警信息。
一种案件信息处理装置,所述装置包括:案件信息获取模块,用于接收终端发送的裁决分析请求;所述裁决分析请求携带了案件标识;根据所述案件标识获取当前案件的案件信息;所述案件信息包括案件类型及案件审理记录;裁决分析模块,用于在所述案件信息中提取一个或多个待校验项;所述待校验项包括第一校验项和第二校验项;当所述待校验项为第一校验项时,基于所述案件审理记录生成当前案件的审理程序,对仲裁程序与所述案件类型对应的规定程序是否匹配进行校验;当所述待校验项为第二校验项时,对所述案件信息中是否存在与预设的待明确字段对应的字段值进行校验;分析结果反馈模块,用于根据每个待校验项的校验结果生成裁决预警,将所述裁决预警发送至所述终端。
在一个实施例中,所述案件信息包括初始案件信息及案件审理记录;该装置还包括案件审理模块,用于接收终端发送的协助审理请求;所述协助审理请求携带了初始案件信息;根据所述初始案件信息识别当前案件的争议焦点类型;基于所述争议焦点类型识别所述当前案件的近似案件及相关法条;将所述近似案件及相关法条作为协助指引信息推送至终端;接收所述终端根据所述协助指引信息返回的对当前案件的处理信息,记作案件审理记录。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请任意一个实施例中提供的案件信息处理方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请任意一个实施例中提供的案件信息处理方法的步骤。
上述案件信息处理方法、装置、计算机设备和存储介质,根据终端发送的裁决分析请求,可以确定当前案件的案件类型,并获取案件审理记录;根据案件信息,可以提取得到一个或多个待校验项。若待校验项为第一校验项,可以基于案件审理记录生成仲裁案件的仲裁程序,并对仲裁程序与案件类型对应的规定程序是否匹配进行校验;若待校验项为第二校验项时,可以对案件信息中是否存在与预设的待明确字段对应的字段值进行校验,进而可以根据每个待校验项的校验结果生成裁决预警,将裁决预警发送至终端。由于用户只需简单提供案件标识,即可自动提取校验项,并针对不同校验向预置不同校验策略,实现全自动裁决校验,可以提高裁决分析效率,进而提高案件信息处理效率。
附图说明
图1为一个实施例中案件信息处理方法的应用场景图;
图2为一个实施例中案件信息处理方法的流程示意图;
图3为一个实施例中案件协助审理的步骤的流程示意图;
图4为一个实施例中案件信息处理装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的案件信息处理方法,可以应用于如图1所示的应用环境中。其中,终端102与服务器104通过网络进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。若用户需要了解当前案件的裁决审理是否符合法律法规,可以通过终端102向服务器104发送裁决分析请求。裁决分析请求携带了案件标识。服务器104根据案件标识获取当前案件的案件信息。案件信息包括案件类型及案件审理记录。服务器104在案件信息中提取一个或多个待校验项,并确定多个待校验项的优先等级,根据优先等级对多个待校验项进行校验。待校验项包括第一校验项和第二校验项;若当前优先等级的待校验项为第一校验项,服务器104基于案件审理记录生成当前案件的审理程序,对仲裁程序与案件类型对应的规定程序是否匹配进行校验,若不匹配,将第一校验项的校验结果标记为校验失败。若当前优先等级的待校验项为第二校验项,服务器104对案件信息中是否存在与预设的待明确字段对应的字段值进行校验,若不存在,将第二校验项的校验结果标记为校验失败。直至最低优先等级的校验项校验完成,服务器104将每个待校验项的校验结果反馈至终端102。由于用户只需简单提供案件标识,即可自动提取校验项,并针对不同校验向预置不同校验策略,实现全自动裁决校验,可以提高裁决分析效率,进而提高案件信息处理效率。
在一个实施例中,如图2所示,提供了一种案件信息处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,接收终端发送的裁决分析请求;裁决分析请求携带了案件标识。
案件审理需要符合相关法律法规,否则裁决决定可能被撤销或者不执行。若用户需要了解当前案件的裁决审理是否符合法律法规,可以在终端通过案件处理平台向服务器发送裁决分析请求。
步骤204,根据案件标识获取当前案件的案件信息;案件信息包括案件类型及案件审理记录。
案件类型可以是根据案由确定的,包括金融借款纠纷、合同解除纠纷等。基于案件处理平台处理的每个案件的案件信息均会记录在对应的数据库。服务器根据案件标识从数据库拉取相应案件的案件信息。容易理解,对于并非基于案件处理平台审理的案件,用户可以直接将案件信息上传服务器进行裁决分析。
步骤206,在案件信息中提取一个或多个待校验项;待校验项包括第一校验项和第二校验项。
待校验项包括第一校验项和第二校验项。其中,第一校验项是指案件信息中能够反映当前案件的权利合规性的词句。第二校验项是指案件信息中能够反映当前案件的程序合法性的词句。容易理解,待校验项还可以包括其他校验项,如案件信息中能够反映当前案件的证据真实性或信息明确性等的词句,对此不作限制。
在一个实施例中,方法还包括:确定每个待校验项的优先等级;根据优先等级对提取的待检验项进行校验;若当前优先等级的待校验项的校验结果为校验失败,则终止校验,并返回相应待校验项校验失败的预警信息。
若某一优先级的待校验项对应校验结果为校验失败,则校验结束,不再对下一优先等级待校验项进行校验,避免对不必要的数据进行校验,减少服务器资源占用。容易理解,也可以调用多线程一次性对多个待校验项同步进行校验,将全部待校验项的校验结果返回给用户,即一次性指出全部审核不通过的校验项,避免用户频繁发裁决分析请求,提高裁决分析效率。
步骤208,当待校验项为第一校验项时,基于案件审理记录生成当前案件的审理程序,对仲裁程序与案件类型对应的规定程序是否匹配进行校验。
在一个实施例中,基于案件审理记录生成当前案件的审理程序,包括:基于案件审理记录识别当前案件的多个审理节点;确定每个审理节点的审理时间;根据审理时间将多个审理节点串联,生成当前案件的审理程序。
不同案件的规定程序不同。第一校验项可以是程序合法性。服务器对案件审理过程采用的审理程序是否符合规定。例如,对于仲裁案件,服务器需要对仲裁庭的组成以及仲裁的审理程序是否违反法定程序进行校验。
步骤210,当待校验项为第二校验项时,对案件信息中是否存在与预设的待明确字段对应的字段值进行校验。
在一个实施例中,对案件信息中是否存在与预设的待明确字段对应的字段值进行校验,包括:当待校验项为第二校验项时,获取预设的多个待明确字段以及每个待明确字段关联的转换字段,识别案件信息中是否存在与每个待明确字段或转换字段对应的字段值;若不存在,将第二校验项的校验结果标记为校验失败。
第二待校验项可以是信息明确性。服务器获取多个待明确字段,识别在案件信息中是否存在待明确字段对应的字段值。待明确字段可以是权利主体、义务主体、给付物名称、给付额、给付额的计算方式、行为履行标准、行为旅行范围等。考虑到在不同案件的案件信息中,同一待明确字段可能采用不同的字段名,可以预先配置词表,在词表中记录每个待明确字段对应的多种转换字段。若有待明确字段不存在对应的字段值,则获取该待明确字段关联的转换字段,进一步识别在案件信息中是否存在转换字段对应的字段值。若依然不存在转换字段对应的字段值,则服务器将第二校验项的校验结果标记为校验失败。
步骤212,根据每个待校验项的校验结果生成裁决预警,将裁决预警发送至终端。
若某一待校验项的校验结果为校验失败,表示当前案件的案件审理不符合相关法律法规,对应裁决决定需要撤销或者不执行。服务器根据对应的待校验项生成裁决撤销或不予执行的裁决预警,将裁决预警返回至终端。
本实施例中,根据终端发送的裁决分析请求,可以确定当前案件的案件类型,并获取案件审理记录;根据案件信息,可以提取得到一个或多个待校验项。若待校验项为第一校验项,可以基于案件审理记录生成仲裁案件的仲裁程序,并对仲裁程序与案件类型对应的规定程序是否匹配进行校验;若待校验项为第二校验项时,可以对案件信息中是否存在与预设的待明确字段对应的字段值进行校验,进而可以根据每个待校验项的校验结果生成裁决预警,将裁决预警发送至终端。由于用户只需简单提供案件标识,即可自动提取校验项,并针对不同校验向预置不同校验策略,实现全自动裁决校验,可以提高裁决分析效率,进而提高案件信息处理效率。
在一个实施例中,如图3所示,案件信息包括初始案件信息及案件审理记录;根据案件标识获取当前案件的案件信息之前,还包括案件协助审理的步骤,具体包括:
步骤302,接收终端发送的协助审理请求;协助审理请求携带了初始案件信息。
服务器对初始案件信息进行立案校验。立案审核的审核条件包括案件是否属于受理范围、任务信息是否完整等。在校验通过时,服务器将案件分配至相匹配的法律人员的终端。法律人员可以是仲裁员等。服务器预先构建了每个仲裁员的特征画像。服务器获取仲裁员的相关信息,如国籍、教育背景、职业背景、工作语言,现居住地、仲裁工作年限、学历、专业、行业类型已处理案件信息等。服务器根据相关信息从基础情况、能力评估、诚信评价等多个维度方面构建仲裁员的特征画像。服务器基于特征画像筛选与当前案件匹配指数高的一个或多个仲裁员。
步骤304,根据初始案件信息识别当前案件的争议焦点类型。
服务器预设了多种目标因子。目标因子是指需要获取对应因子值的案件因子。案件因子可以是相应案件的裁决结果、年利率、主体、地域、裁判时间、法院层级或案由等。不同案件因子的因子值的提取方式可以不同。对于在案件文件中直接明文记载的信息内容,可以利用关键词匹配或者正则匹配即可得到对应案件因子的因子值,如裁判时间。而对于在案件文件中没有明文记载在案件因子的因子值,则需要基于预先训练的语义理解模型进行提炼,如争议焦点类型、法院观点等。具体的,根据专家规则提供的多种关键词集合,服务器预置了多种正则表达式。不同正则表达式用于识别案件文件中的不同目标因子对应的相关描述语句(记作因子描述语句)。服务器计算因子描述语句的表征向量,记作因子向量。服务器预存储了每种目标因子对应的一个或多个模板描述语句。服务器计算相应目标因子对应模板描述语句的表征向量,记作参考向量。服务器通过计算两个向量的欧氏距离、余弦相似度等,得到因子向量与每个参考向量的相似度。每个模板描述语句关联有对应的参考因子值。服务器将参考因子值或者对参考因子值作预设逻辑运算后作为当前案件相应目标因子的因子值。
步骤306,基于争议焦点类型识别当前案件的近似案件及相关法条。
案件统计表记录了每个历史案件的特征向量,记作参考向量。服务器根据当前案件的案件因子计算当前案件的特征向量。
由于特征向量的维度可以达到数以万计,如果直接与参考向量进行比对,则会导致运算量过大,近似案件搜索的耗时较大。为了有效减少运算量,提供搜索效率,服务器对特征向量进行压缩处理,记作一次压缩)。例如,将上万维度的向量压缩为低纬的向量。为了进一步简化运算量,服务器还可以对压缩后的特征向量进一步压缩(记作二次压缩),得到二值形式的特征向量。例如,一次压缩的特征向量可以采用小数的形式,二次压缩时,服务器可以对一次压缩后的特征向量进行哈希计算,将小数形式的向量转换为二值表达的向量。
服务器也可以预先对参考向量进行了压缩处理。服务器计算压缩后的特征向量与压缩后的参考向量的相似度,记作第一相似度。若第一相似度超过阈值,服务器将相应历史案件标记为当前案件的近似案件。向量压缩能够有效减少搜索耗时,从而能够在大量的历史案件中快速搜索到近似案件。
为了弥补维度压缩造成的特征损失,以提高近似案件搜索的准确性,在通过上述方式搜索到近似案件之后,再将未压缩的特征向量与未压缩的近似案件的参考向量进行比对,得到第二相似度。服务器根据第二相似度筛选出预设数量的近似案件。
服务器针对每种争议焦点类型梳理了适应的相关法条。服务器根据争议焦点类型确定当前案件适用的相关法条。
步骤3082,获取案件统计表及对应的表信息,根据检索分析语句及表信息,生成目标向量。
预先对大量历史案件的案件文件解构,并利用解构的案件信息构建案件统计表。案件统计表记录了多个历史案件的案件信息。案件信息可以包括从案件文件中解构得到的案件标识和多个案件因子。案件文件可以是历史案件的诉讼请求书、裁决文书等。服务器获取案件统计表的表信息。表信息包括表名、多个表头以及每个表头对应的多个字段枚举值。
检索分析语句可以是自然语言形成的一个或多个短句。例如,“金融借款类案件在广东地区的支持率”、“2018年广东地区合同解除纠纷类案件的比重”、“涉及借贷纠纷的案子一般都分布在哪儿”等。检索分析语句可能是存在语法错误,语义不连贯的语句。例如,“近五年贷款逾期还款的判案趋势,比如广东法院”等。对于存在语法错误,语义不连贯的检索分析语句,服务器对检索分析语句进行语义分析,生成对应的一种或多种语义连贯的检索意图语句,并基于检索意图语句生成检索意图确认提示,将检索意图确认提示返回至终端。用户可以基于检索意图确认提示选定一个检索意图语句,终端将选定信息发送至服务器。服务器按照本实施例提供的方法基于用户选定检索意图语句进行检索分析。
服务器对检索分析语句进行分词,并对得到的多个分词进行去停用词和同义词替换等优化处理。例如,检索分析语句“2018年广东地区合同解除纠纷类案件的比重”对应的分词可以有“2018年”、“广东”、“地区”、“合同解除类”、“案件”、“的”和“比重”。其中,分词“地区”“案件”“的”作为停用词可以去除;分词“比重”可以利用同义词“比例”替换。
服务器对优化处理后的每个分词进行One-hot独热编码,得到每个分词对应的第一向量。服务器按照上述计算案件统计表中每个字段枚举值的第二向量。服务器通过计算第一向量与第二向量的欧式距离等方式,得到第一向量与每个第二向量的相似度。服务器比较最高的相似度是否达到阈值。若是,服务器将第一向量与相似度最高的第二向量拼接,得到目标向量。将第一向量与相似度高的第二向量拼接,可以使用户的检索意图特征更加明显,提高模型识别精度。
步骤3084,将目标向量输入预设的序列模型,得到分析意图表达式;将目标向量输入预设的意图分类模型,得到目标SQL模板;将分析意图表达式填充至目标SQL模板,得到SQL检索分析语句。
服务器基于大量真实的历史案件的案件信息预先训练了序列模型。序列模型用于识别用户的检索分析意图,即挖掘检索分析语句中能够反应用户期望的分析维度和分析条件等的潜在信息。序列模型包括维度序列模型和条件序列模型。维度序列模型与条件序列模型分别可以是不同的RNN模型,如LSTM(Long Short-Term Memory,长短期记忆网络)等。检索分析意图是指用户期望对案件统计表中哪些维度的案件信息进行哪方面的统计分析,包括分析维度意图和分析条件意图。其中,维度序列模型用于识别用户的分析维度意图;条件序列模型用于识别用户的分析条件意图。
同一个检索分析语句可能对应多个目标向量。通过LSTM对各目标向量中包含分析维度信息进行遗忘处理,筛选得到分析条件字段值。服务器根据分析条件字段值生成分析条件表达式。例如,可以将预设的“意图”字段作为Key值,将分析条件字段值或者对分析条件字段值转换后作为Value值,构成的Key-Value键值对可以作为分析条件表达式。
维度序列模型包括编码器、解码器和注意力模块。其中,编码器、解码器及注意力模块亦可以分别为不同的RNN模型。编码器用于对检索分析语句进行编码,即对对应多个目标向量中包含分析条件信息的局部向量进行遗忘处理,得到一个压缩向量。压缩向量蕴含了检索分析语句的语句含义。解码器用于对压缩向量进行降维处理,并基于降维后的压缩向量映射计算目标向量与每个字段枚举值的初始匹配概率。
注意力模块用于对降维后的压缩向量进行注意力训练,计算目标向量与每个字段枚举值对应的相似度加权。解码器还用于根据相似度加权对目标向量与相应字段枚举值的初始匹配概率进行调整,得到每个目标向量与不同字段枚举值的目标匹配概率。
服务器基于目标匹配概率最高的字段枚举值生成相应目标向量对应的分析维度表达式。例如,将目标匹配概率最高的字段枚举值所对应的表头作为Key值,将目标匹配概率最高的字段枚举值或对目标匹配概率最高的字段枚举值转换后作为Value值,构成的Key-Value键值对可以作为分析维度表达式。其中,对目标匹配概率最高的字段枚举值的转换处理可以是将字段枚举值中的部分字段以*等指定字符替换。例如,用户基于检索分析语句“2018年广东地区合同解除纠纷类案件的比重”的检索分析意图是仅对广东地区的案件进行统计,而案件统计表中并没有一个字段枚举值为“广东”,则可以将目标匹配概率最高的字段枚举值“广东深圳”转换为“广东*”。
服务器预置了多种SQL模板。不同的SQL模板用于满足用户基于不同维度和条件的检索分析意图。服务器训练训练了意图分类模型。意图分类模型用于根据当前用户检索分析意图确定选用哪种SQL模板。意图分类模型可以是基于大量模拟的检索分析语句以及每个检索分析语句对应标注的目标SQL模板,对基础分类模型进行有监督训练得到的。基础训练模型可以是RNN模型(Recurrent neural network,循环神经网络模型)。服务器将检索分析语句对应的多个目标向量依次输入意图分类模型,得到目标SQL模板。
不同的SQL模板的填充方式可以不同。服务器按照目标SQL模板的填充方式将分析意图表达式填充至目标SQL模板,即可得到SQL检索分析语句。
步骤3086,基于SQL检索分析语句在案件统计表中查询相关案件,并对相关案件的案件信息进行统计分析,基于得到分析结果生成分析图表。
基于不同SQL检索分析语句不仅可以实现裁判时间、地域、案由等不同维度的数据查询;还可以实现案件比重、案件数量、支持率等不同条件的数据统计。服务器基于SQL检索分析语句在案件统计表中进行数据查询和统计分析,得到分析结果。
基于意图分类模型可以识别用户的检索分析意图,根据不同检索分析意图可以选用不同的图表模板。图表模板的图表类型可以是折线图、柱状图、雷达图等。每种图表模板关联了对应的坐标提取规则。根据坐标提取规则,可以在分析结果中提取得到多个基础坐标及每个基础坐标对应的坐标元素和坐标值。比如,检索分析语句“2018年广东地区合同解除纠纷类案件的比例”对应的目标图表类型可以是柱状图。其中,横坐标为合同解除结果,坐标元素为离散值“解除”和“不解除”两个;纵坐标为案件比例,坐标元素为连续值0~100%。服务器基于多个基础坐标及每个基础坐标对应的坐标元素和坐标值构建分析图表。
步骤3088,根据近似案件生成裁决指引信息;将裁决指引信息、相关法条及分析图表推送至终端。
裁决指引信息可以是根据近似案件的裁决书得到的用于指导用户撰写当前案件的裁决书的信息,可以是近似案件的裁决书本身,也可以是在近似案件的裁决书中提取得到的被引用参考概率比较大的部分内容。在另一个实施例中,服务器将裁决指引信息中被引用参考概率比较大的部分内容进行区别标记,便于用户快速获取推送裁决指引信息中的有效信息,提高裁决指引信息转化率,进而提高裁决书生成效率。用户可以在服务器只能推送的裁决指引信息、相关法条及分析图表等大量辅助信息的基础上对当前案件进行审理。
步骤310,接收终端根据协助指引信息返回的对当前案件的处理信息,记作案件审理记录。
对于以往相关案件的案件处理信息查询,传统方式直接通过预置词表的方式粗狂的断定用户检索意图,且不支持用户以自然语言的方式进行检索。此外,预置词表不仅需要花费大量的人力,且难以保证词表信息的覆盖率,一旦用户输入的某个检索关键词在词表中没有覆盖到,则检索分析失败。
本实施例中,支持用户以自然语言的方式进行检索。容易理解,自然语言相比单独的检索关键词可以更加准确的表达用户的检索意图,从而基于检索分析语句可以更加准确的挖掘用户的检索分析意图。本申请还通过机器学习预先训练序列模型和意图分类模型,可以进一步快速准确识别用户的检索分析意图,相比预置词表可以减少人工参与,实现真正意义上端到端的裁决信息检索分析。此外,结合预先解构的案件统计表,可以提高裁决信息检索分析效率,进而可以快速响应用户不同的检索分析意图。
应该理解的是,虽然图2和图3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,这些步骤可以以其它的顺序执行。而且,图2和图3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,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它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。
在一个实施例中,如图4所示,提供了一种案件信息处理装置,包括:案件信息获取模块402、裁决分析模块404和分析结果反馈模块406,其中:
案件信息获取模块402,用于接收终端发送的裁决分析请求;裁决分析请求携带了案件标识;根据案件标识获取当前案件的案件信息;案件信息包括案件类型及案件审理记录。
裁决分析模块404,用于在案件信息中提取一个或多个待校验项;待校验项包括第一校验项和第二校验项;当待校验项为第一校验项时,基于案件审理记录生成当前案件的审理程序,对仲裁程序与案件类型对应的规定程序是否匹配进行校验;当待校验项为第二校验项时,对案件信息中是否存在与预设的待明确字段对应的字段值进行校验。
分析结果反馈模块406,用于根据每个待校验项的校验结果生成裁决预警,将裁决预警发送至终端。
在一个实施例中,案件信息包括初始案件信息及案件审理记录;该装置还包括案件审理模块408,用于接收终端发送的协助审理请求;协助审理请求携带了初始案件信息;根据初始案件信息识别当前案件的争议焦点类型;基于争议焦点类型识别当前案件的近似案件及相关法条;将近似案件及相关法条作为协助指引信息推送至终端;接收终端根据协助指引信息返回的对当前案件的处理信息,记作案件审理记录。
在一个实施例中,协助审理请求还携带了检索分析语句;案件审理模块408还用于获取案件统计表及对应的表信息;根据检索分析语句及表信息,生成目标向量;将目标向量输入预设的序列模型,得到分析意图表达式;将目标向量输入预设的意图分类模型,得到目标SQL模板;将分析意图表达式填充至目标SQL模板,得到SQL检索分析语句;基于SQL检索分析语句在案件统计表中查询相关案件,并对相关案件的案件信息进行统计分析,基于得到分析结果生成分析图表;根据近似案件生成裁决指引信息;将裁决指引信息、相关法条及分析图表推送至终端。
在一个实施例中,裁决分析模块404还用于基于案件审理记录识别当前案件的多个审理节点;确定每个审理节点的审理时间;根据审理时间将多个审理节点串联,生成当前案件的审理程序。
在一个实施例中,裁决分析模块404还用于当待校验项为第二校验项时,获取多个待明确字段;获取预设的多个待明确字段以及待明确字段关联的转换字段,识别案件信息中是否存在与待明确字段或转换字段对应的字段值;若不存在,将第二校验项的校验结果标记为校验失败。
在一个实施例中,裁决分析模块404还用于确定每个待校验项的优先等级;根据优先等级对提取的待检验项进行校验;若当前优先等级的待校验项的校验结果为校验失败,则终止校验,并返回相应待校验项校验失败的预警信息。
关于案件信息处理装置的具体限定可以参见上文中对于案件信息处理方法的限定,在此不再赘述。上述案件信息处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储案件统计表等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种案件信息处理方法。
本领域技术人员可以理解,图5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。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请任意一个实施例中提供的案件信息处理方法的步骤。
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,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此理解为对专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种案件信息处理方法,所述方法包括:
接收终端发送的裁决分析请求;所述裁决分析请求携带了案件标识;
根据所述案件标识获取当前案件的案件信息;所述案件信息包括案件类型及案件审理记录,所述案件审理记录是将协助指引信息推送至所述终端后接收所述终端返回的对所述当前案件的处理信息,所述协助指引信息为所述当前案件的近似案件及相关法条;所述将协助指引信息推送至所述终端,包括接收所述终端发送的协助审理请求,所述协助审理请求携带检索分析语句;获取案件统计表及对应的表信息;根据检索分析语句及所述表信息,生成目标向量;将所述目标向量输入预设的序列模型,得到分析意图表达式;将所述目标向量输入预设的意图分类模型,得到目标SQL模板;将所述分析意图表达式填充至所述目标SQL模板,得到SQL检索分析语句;基于所述SQL检索分析语句在所述案件统计表中查询相关案件,并对所述相关案件的案件信息进行统计分析,基于得到分析结果生成分析图表;根据所述近似案件生成裁决指引信息;将所述裁决指引信息、相关法条及所述分析图表推送至所述终端;
在所述案件信息中提取一个或多个待校验项;所述待校验项包括第一校验项和第二校验项;
当所述待校验项为第一校验项时,基于所述案件审理记录生成当前案件的审理程序,对仲裁程序与所述案件类型对应的规定程序是否匹配进行校验;
当所述待校验项为第二校验项时,对所述案件信息中是否存在与预设的待明确字段对应的字段值进行校验;
根据每个待校验项的校验结果生成裁决预警,将所述裁决预警发送至所述终端。
2.根据权利要求1所述的方法,其特征在于,所述案件信息包括初始案件信息及案件审理记录;所述根据所述案件标识获取当前案件的案件信息之前,还包括:
接收所述终端发送的协助审理请求;所述协助审理请求携带了初始案件信息;
根据所述初始案件信息识别所述当前案件的争议焦点类型;
基于所述争议焦点类型识别所述当前案件的近似案件及相关法条;
将所述近似案件及相关法条作为协助指引信息推送至所述终端;
接收所述终端根据所述协助指引信息返回的对所述当前案件的处理信息,记作案件审理记录。
3.根据权利要求1所述的方法,其特征在于,所述基于所述案件审理记录生成当前案件的审理程序,包括:
基于所述案件审理记录识别所述当前案件的多个审理节点;
确定每个所述审理节点的审理时间;
根据所述审理时间将多个审理节点串联,生成当前案件的审理程序。
4.根据权利要求1所述的方法,其特征在于,所述对所述案件信息中是否存在与预设的待明确字段对应的字段值进行校验,包括:
当待校验项为第二校验项时,获取预设的多个待明确字段以及每个所述待明确字段关联的转换字段;
识别所述案件信息中是否存在与每个所述待明确字段或转换字段对应的字段值;
若不存在,将所述第二校验项的校验结果标记为校验失败。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定每个所述待校验项的优先等级;
根据所述优先等级对提取的待检验项进行校验;
若当前优先等级的待校验项的校验结果为校验失败,则终止校验,并返回相应待校验项校验失败的预警信息。
6.一种案件信息处理装置,所述装置包括:
案件信息获取模块,用于接收终端发送的裁决分析请求;所述裁决分析请求携带了案件标识;根据所述案件标识获取当前案件的案件信息;所述案件信息包括案件类型及案件审理记录,所述案件审理记录是将协助指引信息推送至所述终端后接收所述终端返回的对所述当前案件的处理信息,所述协助指引信息为所述当前案件的近似案件及相关法条;所述将协助指引信息推送至所述终端,包括接收所述终端发送的协助审理请求,所述协助审理请求携带检索分析语句;获取案件统计表及对应的表信息;根据检索分析语句及所述表信息,生成目标向量;将所述目标向量输入预设的序列模型,得到分析意图表达式;将所述目标向量输入预设的意图分类模型,得到目标SQL模板;将所述分析意图表达式填充至所述目标SQL模板,得到SQL检索分析语句;基于所述SQL检索分析语句在所述案件统计表中查询相关案件,并对所述相关案件的案件信息进行统计分析,基于得到分析结果生成分析图表;根据所述近似案件生成裁决指引信息;将所述裁决指引信息、相关法条及所述分析图表推送至所述终端;
裁决分析模块,用于在所述案件信息中提取一个或多个待校验项;所述待校验项包括第一校验项和第二校验项;当所述待校验项为第一校验项时,基于所述案件审理记录生成当前案件的审理程序,对仲裁程序与所述案件类型对应的规定程序是否匹配进行校验;当所述待校验项为第二校验项时,对所述案件信息中是否存在与预设的待明确字段对应的字段值进行校验;
分析结果反馈模块,用于根据每个待校验项的校验结果生成裁决预警,将所述裁决预警发送至所述终端。
7.根据权利要求6所述的装置,其特征在于,所述案件信息包括初始案件信息及案件审理记录;该装置还包括案件审理模块,用于接收所述终端发送的协助审理请求;所述协助审理请求携带了初始案件信息;根据所述初始案件信息识别所述当前案件的争议焦点类型;基于所述争议焦点类型识别所述当前案件的近似案件及相关法条;将所述近似案件及相关法条作为协助指引信息推送至所述终端;接收所述终端根据所述协助指引信息返回的对所述当前案件的处理信息,记作案件审理记录。
8.根据权利要求6所述的装置,其特征在于,所述裁决分析模块还用于基于所述案件审理记录识别所述当前案件的多个审理节点;确定每个所述审理节点的审理时间;根据所述审理时间将多个审理节点串联,生成当前案件的审理程序。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910520284.XA CN110377631B (zh) | 2019-06-17 | 2019-06-17 | 案件信息处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910520284.XA CN110377631B (zh) | 2019-06-17 | 2019-06-17 | 案件信息处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110377631A CN110377631A (zh) | 2019-10-25 |
CN110377631B true CN110377631B (zh) | 2024-01-09 |
Family
ID=68248897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910520284.XA Active CN110377631B (zh) | 2019-06-17 | 2019-06-17 | 案件信息处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377631B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090660A (zh) * | 2019-11-28 | 2020-05-01 | 北京明略软件系统有限公司 | 一种实现数据分析的方法、装置、计算机存储介质及终端 |
CN111814477B (zh) * | 2020-07-06 | 2022-06-21 | 重庆邮电大学 | 一种基于争议焦点实体的争议焦点发现方法、装置及终端 |
CN113268584A (zh) * | 2020-11-18 | 2021-08-17 | 上海右云信息技术有限公司 | 一种用于生成信息的方法与设备 |
CN112347201B (zh) * | 2020-11-26 | 2021-05-18 | 德联易控科技(北京)有限公司 | 信息处理方法、信息处理装置及终端设备 |
CN112365189A (zh) * | 2020-11-30 | 2021-02-12 | 支付宝(杭州)信息技术有限公司 | 案件分配方法及装置 |
CN114860549B (zh) * | 2022-05-30 | 2024-02-20 | 北京新唐思创教育科技有限公司 | 埋点数据校验方法、装置、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358558A (zh) * | 2017-06-08 | 2017-11-17 | 上海市高级人民法院 | 刑事案件智能辅助办案方法,系统及具有其的存储介质和终端设备 |
CN107358550A (zh) * | 2017-06-08 | 2017-11-17 | 上海市高级人民法院 | 刑事案件智能证据校验方法、审查方法及具有其的存储介质和终端设备 |
CN108335237A (zh) * | 2017-06-22 | 2018-07-27 | 平安科技(深圳)有限公司 | 立案方法、终端和计算机可读存储介质 |
CN108764194A (zh) * | 2018-06-04 | 2018-11-06 | 科大讯飞股份有限公司 | 一种文本校验方法、装置、设备及可读存储介质 |
CN109325848A (zh) * | 2018-09-13 | 2019-02-12 | 深圳前海微众银行股份有限公司 | 基于区块链的债务催收方法、设备及计算机可读存储介质 |
CN109359175A (zh) * | 2018-09-07 | 2019-02-19 | 平安科技(深圳)有限公司 | 电子装置、诉讼数据处理的方法及存储介质 |
CN109472017A (zh) * | 2017-09-08 | 2019-03-15 | 北京国双科技有限公司 | 获得待生成裁判文书本院认为段相关信息的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7356516B2 (en) * | 2002-06-13 | 2008-04-08 | Visa U.S.A. Inc. | Method and system for facilitating electronic dispute resolution |
-
2019
- 2019-06-17 CN CN201910520284.XA patent/CN110377631B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358558A (zh) * | 2017-06-08 | 2017-11-17 | 上海市高级人民法院 | 刑事案件智能辅助办案方法,系统及具有其的存储介质和终端设备 |
CN107358550A (zh) * | 2017-06-08 | 2017-11-17 | 上海市高级人民法院 | 刑事案件智能证据校验方法、审查方法及具有其的存储介质和终端设备 |
CN108335237A (zh) * | 2017-06-22 | 2018-07-27 | 平安科技(深圳)有限公司 | 立案方法、终端和计算机可读存储介质 |
CN109472017A (zh) * | 2017-09-08 | 2019-03-15 | 北京国双科技有限公司 | 获得待生成裁判文书本院认为段相关信息的方法及装置 |
CN108764194A (zh) * | 2018-06-04 | 2018-11-06 | 科大讯飞股份有限公司 | 一种文本校验方法、装置、设备及可读存储介质 |
CN109359175A (zh) * | 2018-09-07 | 2019-02-19 | 平安科技(深圳)有限公司 | 电子装置、诉讼数据处理的方法及存储介质 |
CN109325848A (zh) * | 2018-09-13 | 2019-02-12 | 深圳前海微众银行股份有限公司 | 基于区块链的债务催收方法、设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
Modeling Dynamic Pairwise Attention for Crime Classification over Legal Articles;Pengfei Wang et al;《SIGIR’18》;第1-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110377631A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377631B (zh) | 案件信息处理方法、装置、计算机设备和存储介质 | |
CN110377632B (zh) | 诉讼结果预测方法、装置、计算机设备和存储介质 | |
US20140308650A1 (en) | Evaluation control | |
CN110362799B (zh) | 基于在线仲裁的裁决书生成处理方法、装置和计算机设备 | |
CN110362798B (zh) | 裁决信息检索分析方法、装置、计算机设备和存储介质 | |
AU2019204444B2 (en) | System and method for enrichment of ocr-extracted data | |
CN110866836B (zh) | 计算机执行的医疗保险立案审核方法和装置 | |
CN111651552B (zh) | 结构化信息确定方法、装置和电子设备 | |
US20220351634A1 (en) | Question answering systems | |
CN110377618B (zh) | 裁决结果分析方法、装置、计算机设备和存储介质 | |
EP3832485A1 (en) | Question answering systems | |
CN114116973A (zh) | 多文档的文本查重方法、电子设备及存储介质 | |
CN111813946A (zh) | 医疗信息反馈方法、装置、设备及可读存储介质 | |
CN110362592B (zh) | 裁决指引信息推送方法、装置、计算机设备和存储介质 | |
CN114298314A (zh) | 一种基于电子病历的多粒度因果关系推理方法 | |
CN110390083B (zh) | 近似案件的推送方法、装置、计算机设备和存储介质 | |
US11481389B2 (en) | Generating an executable code based on a document | |
KR101456189B1 (ko) | 특허 평가 엔진을 이용한 특허 자동 평가 방법 및 평가 서버 | |
US11880798B2 (en) | Determining section conformity and providing recommendations | |
CN113269179B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN115358817A (zh) | 基于社交数据的智能产品推荐方法、装置、设备及介质 | |
CN115880108A (zh) | 一种生成投标文件的方法、装置和计算机可读存储介质 | |
WO2019246252A1 (en) | Systems and methods for identifying and linking events in structured proceedings | |
CN115758135B (zh) | 轨道交通信号系统功能需求追溯方法、装置及电子设备 | |
CN117633518B (zh) | 一种产业链构建方法及系统 |
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 |