CN110825879A - 判案结果确定方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本申请提供一种判案结果确定方法、装置、设备及计算机可读存储介质，该方法包括：获取目标案件的判案数据，并对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；根据所述法律知识图谱，确定所述目标案件的判案推理树，并根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。本申请涉及数据分析和知识图谱，有效的提高了判案结果的准确性。

Description

判案结果确定方法、装置、设备及计算机可读存储介质

技术领域

本申请涉及数据分析的技术领域，尤其涉及一种判案结果确定方法、装置、设备及计算机可读存储介质。

背景技术

随着社会经济的发展与法治体系的日趋完善，人民群众的司法需求日益增长，法院立案的案件越来越多，法官审理案件量逐渐提高，由于诉讼案件的特殊性，法律法规浩如烟海，法律文书案例烦冗复杂，法官判案难度大，判案所需的时间也较多，判案效率较低。

目前，结合庭审笔录与历史案件生成当前案件需要法官判定的题目，通过勾选题目的答案选项的方式完成案件结果的推理判定，可以简化案件的判案操作，提高判案效率。然而，庭审笔录与历史案件较多，无法快速准确的生成当前案件需要法官判定的题目，此外，通过勾选题目答案选项的方式完成案件推理判定，对法官的案件推理能力要求较高，无法保证判案推理结果的准确性。因此，如何提高判案结果的准确性是目前亟待解决的问题。

发明内容

本申请的主要目的在于提供一种判案结果确定方法、装置、设备及计算机可读存储介质，旨在提高判案结果的准确性。

第一方面，本申请提供一种判案结果确定方法，所述判案结果确定方法包括以下步骤：

获取目标案件的判案数据，并对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

根据所述法律知识图谱，确定所述目标案件的判案推理树，并根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

第二方面，本申请还提供一种判案结果确定装置，所述判案结果确定装置包括：

获取模块，用于获取目标案件的判案数据；

处理模块，用于对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

图谱构建模块，用于根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

确定模块，用于根据所述法律知识图谱，确定所述目标案件的判案推理树；

判案确定模块，用于根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的判案结果确定方法的步骤。

第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的判案结果确定方法的步骤。

本申请提供一种判案结果确定方法、装置、设备及计算机可读存储介质，本申请通过从判案数据中提取待构建的法律知识图谱的案件知识信息，并基于案件知识信息构建法律知识图谱，再通过法律知识图谱可以快速准确的确定判案推理树，最后基于法律知识图谱和判案推理树可以快速准确确定案件的判案结果，有效的提高判案结果的准确性和法官判案的便利性。

附图说明

为了更清楚地说明本申请实施例技术方案，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，下面描述中的附图是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种判案结果确定方法的流程示意图；

图2为本申请实施例中法律知识图谱的一示意图；

图3为本申请实施例提供的另一种判案结果确定方法的流程示意图；

图4为本申请实施例提供的一种判案结果确定装置的示意性框图；

图5为本申请实施例提供的另一种判案结果确定装置的示意性框图；

图6为本申请一实施例涉及的计算机设备的结构示意框图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本申请实施例提供一种判案结果确定方法、装置、设备及计算机可读存储介质。其中，该判案结果确定方法可应用于服务器，该服务器可以为单台的服务器，也可以为由多台服务器组成的服务器集群。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参照图1，图1为本申请的实施例提供的一种判案结果确定方法的流程示意图。

如图1所示，该判案结果确定方法包括步骤S101至步骤S104。

步骤S101、获取目标案件的判案数据，并对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息。

其中，该案件知识信息包括基础案件知识信息、争议焦点知识信息和证据知识信息，该基础案件知识信息包括诉讼人物、诉讼公司、诉讼参与人关系、原告、被告、诉请观点和辩称观点等，争议焦点知识信息包括争议焦点，证据知识信息包括证据项、证据类别和证据属性，该判案数据包括诉请文本、辩护文本和证据信息，该诉请文本包括原告信息和诉请观点，该辩护文本包括被告信息和辩称观点，该证据信息包括但不限于书证信息、物证信息、视听资料、证人证言、当事人陈述和鉴定结论。证据属性是指证据的特征属性，比如欠条这一项证据有没有借款人签名。

案件双方当事人通过终端设备将目标案件的诉请文本、辩护文本和证据信息等判案数据上传至服务器，或者案件双方当事人通过线下的方式将目标案件的诉请文本、辩护文本和证据信息等判案数据提交给法院，由法院的工作人员通过终端设备将案件双方当事人提交的判案数据上传至服务器，服务器存储目标案件的判案数据。

当监测到触发的案件推理指令时，根据该案件推理指令，确定待推理的案件，并将待推理的案件作为目标案件，然后获取目标案件的判案数据。其中，该案件推理指令的触发方式包括实时触发和定时触发，实时触发为当监测到终端设备发送的案件推理请求时，从该案件推理请求中获取待推理案件的案件编号，触发包含该案件编号的案件推理指令；定时触发为服务器设置一定时任务，通过该定时任务定时从待推理案件队列中获取一个案件编号，并触发包含该案件编号的案件推理指令。

在获取到判案数据之后，服务器对该判案数据进行处理，以确定待构建的法律知识图谱的案件知识信息。具体地，通过预设的基础案件知识提取模型对判案数据进行信息提取处理，以获取基础案件知识信息；通过预设的证据知识提取模型对判案数据进行信息提取处理，以获取证据知识信息；基于预设的争议焦点预测模型，根据基础案件知识信息和证据知识信息，确定争议焦点知识信息。

其中，该基础案件知识提取模型为用于提取基础案件知识的正则表达式集合，通过该正则表达式集合中的正则表达式，从该判案数据中提取基础案件知识信息。需要说明是的，上述正则表达式可基于实际情况进行设置，本申请对此不作具体限定。

在一实施例中，该证据知识提取模型包括证据项提取层、证据分类层和证据属性确定层，通过该证据项提取层提取该判案数据中的证据语句以及每个证据语句中的证据项；通过该证据分类层，确定每个证据项的证据类别，并通过证据属性确定层，确定每个证据类别的证据属性；将每个证据项、每个证据项的证据类别以及每个证据类别的证据属性作为证据知识信息。

在一实施例中，证据类别的确定方式具体为：通过该证据分类层中的证据分类表获取证据项的证据大类和该证据大类下的每个证据小类，并通过余弦相似度公式计算证据项与该证据大类下的每个证据小类对应的证据关键字之间的相似度，然后将相似度最大的证据小类，确定为该证据项的证据类别。需要说明的是，该证据分类表可基于实际情况进行设置，本申请对此不作具体限定。

在一实施例中，证据属性的确定方式具体为：通过证据属性确定层对于每一类证据，对该判案数据进行遍历，确定每一类证据的上下文信息；查询证据属性与证据关键字的映射关系表，从每一类证据的上下文信息中获取包含有证据关键字的目标证据语句，以及获取该目标证据语句对应的证据属性组；将该目标证据语句和证据属性组进行拼接之后，输入相似度计算模型，计算证据属性组中每个证据属性与目标证据语句之间的相似度，并将该相似度最高的证据属性作为对应证据类别的证据属性，从而得到每个证据类别的证据属性。需要说明的是，上述证据属性与证据关键字的映射关系表可基于实际情况进行设置，本申请对此不作具体限定。

其中，上述证据项提取层是通过AutoNER(Auto Named Entity Recognition，Auto命名实体识别)基于人工标注的样本数据训练得到的，AutoNER模型通过针对裁决文书训练的词向量作为嵌入，由于自动远程标注数据准确率太低，故放弃此模块转而用人工标注的数据进行训练，用人工标注的样本数据的准确性较高，此外，为了防止过拟合，在训练时采用数据增强的方法，即随机替换证据语句中不超过3个的词和/或调换证据语句中词语的顺序。上述相似度计算模型是基于法律语料对BERT模型的预训练模型进行重新训练得到的，并将BERT模型的encoder模块(编码模块)减到3层，且调整句子长度，从而实现时间上的优化，此外，针对训练任务，获取干扰样本数据，并基于干扰样本数据训练模型，且将分类层接到encoder层的位置。AutoNER模型为一个无需人工标注就可以自动标记数据并训练命名实体识别的模型，BERT模型是第一个深度、双向和无监督的语言表示模型。

在一实施例中，争议焦点知识信息的确定方式具体为：从基础案件知识信息中获取原告诉请信息和被告辩称信息；基于预设的争议焦点预测模型，根据原告诉请信息、被告辩称信息和证据知识信息，确定预设个数的候选争议焦点和每个候选争议焦点的输出概率值；根据每个候选争议焦点的输出概率值，确定争议焦点知识信息，即将该输出概率值最大的候选争议焦点作为争议焦点知识信息。其中，每个候选争议焦点的该输出概率值为争议焦点预测模型输出的争议焦点为每个候选争议焦点的概率值。通过争议焦点预测模型可以基于原告诉请信息和被告辩称信息，较为准确的预测出目标案件的争议焦点。

其中，该争议焦点预测模型通过训练得到，训练的方式具体为：获取大数据量的样本数据(原告诉请、被告辩称和证据信息以及标注的争议焦点)，并通过神经网络设计争议焦点预测模型，然后通过标注的样本数据对设计的争议焦点预测模型进行迭代训练，直到争议焦点预测模型收敛。需要说明的是，上述预设个数可基于实际情况进行设置，本申请对此不作具体限定。

步骤S102、根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱。

服务器在确定目标案件的案件知识信息之后，根据该案件知识信息和预设法条知识库，构建目标案件的法律知识图谱，即从预设法条知识库中获取与该案件知识信息匹配的法条知识，并根据该案件知识信息和法条知识，构建目标案件的法律知识图谱。需要说明的是，上述预设法条知识库可基于实际情况进行设置，本申请对此不作具体限定。

其中，法律知识图谱构建方式具体为：将该法条知识中的法条以及案件知识信息中的原告、被告、诉请观点、辩称观点、争议焦点、事实要素和证据作为法律知识图谱的实体节点，并从法条知识和案件知识信息中获取每个实体节点之间的关系和属性(原告、被告、诉请观点、辩称观点、争议焦点、事实要素、证据和法条的具体值)，然后基于实体节点、实体节点之间的关系和实体节点的属性，构建目标案件的法律知识图谱。

请参阅图2，图2为本申请实施例中法律知识图谱的一示意图，如图2所示，法律知识图谱的实体节点为原告、被告、诉请观点、辩称观点、争议焦点、事实要素、证据和法条，且事实要素包括小要素1、小要素2和小要素3。

步骤S103、根据所述法律知识图谱，确定所述目标案件的判案推理树，并根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

其中，服务器针对每个或每类争议焦点，运行判案推理树生成程序基于历史案件的法律知识图谱，生成每个或每类争议焦点对应的至少一个判案推理树，并将每个或每类争议焦点和至少一个判案推理树进行关联存储。该判案推理树包括争议焦点层、大事实要素层、小事实要素层和证据层，且每一个判案推理树包含一个争议焦点、一个大事实要素、多个小事实要素和多个证据。

在构建得到目标案件的法律知识图谱之后，根据目标案件的法律知识图谱，确定判案推理树，即从法律知识图谱中获取目标案件的争议焦点信息，并根据该争议焦点信息，确定该目标案件的判案推理树；根据该法律知识图谱和判案推理树，确定目标案件的判案结果，即从该法律知识图谱中获取每个实体节点的属性信息，形成属性数据，并从该属性数据中获取该目标案件的争议焦点知识、事实要素知识和证据知识，然后基于该判案推理树、事实要素知识和证据知识，对目标案件的判案结果进行确定，即可得到目标案件的争议焦点是否成立的判案结果。

在一实施例中，判案推理树的确定方式具体为：确定是否存在与目标案件的争议焦点信息关联的判案推理树，如果存在与目标案件的争议焦点信息关联的判案推理树，则将与目标案件的争议焦点信息关联的判案推理树作为该目标案件的判案推理树。

在一实施例中，如果不存在与目标案件的争议焦点信息关联的判案推理树，则确定目标案件的争议焦点信息所属的争议焦点类别，并获取争议焦点类别对应的多个判案推理树；计算法律知识图谱与每个判案推理树之间的相似度，并根据法律知识图谱与每个判案推理树之间的相似度，确定目标案件的判案推理树，即将该相似度最大的判案推理树作为该目标案件的判案推理树。

其中，相似度的计算方式具体为：从法律知识图谱中获取争议焦点知识、事实要素知识和证据知识，并从判案推理树中获取争议焦点信息、事实要素信息和证据信息；计算争议焦点知识与争议焦点信息之间的第一相似度、事实要素知识与事实要素信息之间的第二相似度以及证据知识与证据信息之间的第三相似度；计算第一相似度、第二相似度和第三相似度分别与各自对应的预设权重系数的乘积，得到第一权重相似度、第二权重相似度和第三权重相似度，将第一权重相似度、第二权重相似度与第三权重相似度的和，作为法律知识图谱与判案推理树之间的相似度。需要说明的是，上述预设权重系数可基于实际情况进行设置，本申请对此不作具体限定。可选地，第一相似度、第二相似度和第三相似度分别与各自对应的预设权重系数之和为1。

上述实施例提供的判案结果确定方法，通过从判案数据中提取待构建的法律知识图谱的案件知识信息，并基于案件知识信息构建法律知识图谱，再通过法律知识图谱可以快速准确的确定判案推理树，最后基于法律知识图谱和判案推理树可以快速准确确定案件的判案结果，有效的提高判案结果的准确性和法官判案的便利性。

请参照图3，图3为本申请实施例提供的另一种判案结果确定方法的流程示意图。

如图3所示，该判案结果确定方法包括步骤S201至205。

步骤S201、获取目标案件的判案数据，并对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息。

在获取到判案数据之后，服务器对该判案数据进行处理，以确定待构建的法律知识图谱的案件知识信息。具体地，通过预设的基础案件知识提取模型对判案数据进行信息提取处理，以获取基础案件知识信息；通过预设的证据知识提取模型对判案数据进行信息提取处理，以获取证据知识信息；基于预设的争议焦点预测模型，根据基础案件知识信息和证据知识信息，确定争议焦点知识信息。基础案件知识提取模型、证据知识提取模型和争议焦点预测模型的详细描述可参照上述实施例，在此不做赘述。

步骤S202、根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱。

服务器在确定目标案件的案件知识信息之后，根据该案件知识信息和预设法条知识库，构建目标案件的法律知识图谱，即从预设法条知识库中获取与该案件知识信息匹配的法条知识，并根据该案件知识信息和法条知识，构建目标案件的法律知识图谱。需要说明的是，上述预设法条知识库可基于实际情况进行设置，本申请对此不作具体限定。

步骤S203、根据所述法律知识图谱，确定所述目标案件的判案推理树，并根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

在构建得到目标案件的法律知识图谱之后，根据目标案件的法律知识图谱，确定判案推理树，即从法律知识图谱中获取目标案件的争议焦点信息，并根据该争议焦点信息，确定该目标案件的判案推理树；根据该法律知识图谱和判案推理树，确定目标案件的判案结果，即从该法律知识图谱中获取每个实体节点的属性信息，形成属性数据，并从该属性数据中获取该目标案件的争议焦点知识、事实要素知识和证据知识，然后基于该判案推理树、事实要素知识和证据知识，对目标案件的判案结果进行确定，即可得到目标案件的争议焦点是否成立的判案结果。

步骤S204、当检测到所述法律知识图谱中的证据知识更新时，从所述法律知识图谱中获取争议焦点知识、事实要素知识以及更新后的证据知识。

目标案件双方的当事人或者法院的工作人员，可以更新存储在服务器的法律知识图谱中的证据知识，证据知识的更新包括证据项的增删改操作和证据属性的增删改操作等。当检测到律知识图谱中的证据知识更新时，服务器从法律知识图谱中获取争议焦点知识、事实要素知识以及更新后的证据知识。

步骤S205、基于所述判案推理树，根据所述争议焦点知识、事实要素知识以及更新后的证据知识，重新确定所述目标案件的判案结果。

服务器可基于判案推理树，根据争议焦点知识、事实要素知识以及更新后的证据知识，重新确定目标案件的判案结果，从而得到目标案件的争议焦点是否成立的判案结果。

上述实施例提供的判案结果确定方法，通过对法律知识图谱中的证据知识进行更新，可以基于判案推理树和更新后的证据知识，及时的重新确定目标案件的判案结果，提高判案结果的准确性，极大的提高了用户体验。

请参照图4，图4为本申请实施例提供的一种判案结果确定装置的示意性框图。

如图4所示，该判案结果确定装置300，包括：获取模块301、处理模块302、图谱构建模块303、确定模块304和判案确定模块305。

获取模块301，用于获取目标案件的判案数据；

处理模块302，用于对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

图谱构建模块303，用于根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

确定模块304，用于根据所述法律知识图谱，确定所述目标案件的判案推理树；

判案确定模块305，用于根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

在一个实施例中，所述处理模块302，还用于通过预设的基础案件知识提取模型对所述判案数据进行信息提取处理，以获取基础案件知识信息；通过预设的证据知识提取模型对所述判案数据进行信息提取处理，以获取证据知识信息；基于预设的争议焦点预测模型，根据所述基础案件知识信息和证据知识信息，确定争议焦点知识信息。

在一个实施例中，所述处理模块302，还用于通过所述证据项提取层提取所述判案数据中的证据语句以及每个所述证据语句中的证据项；通过所述证据分类层，确定每个所述证据项的证据类别，并通过所述证据属性确定层，确定每个所述证据类别的证据属性；将每个所述证据项、每个所述证据项的证据类别以及每个所述证据类别的证据属性作为证据知识信息。

在一个实施例中，所述处理模块302，还用于从所述基础案件知识信息中获取原告诉请信息和被告辩称信息；基于预设的争议焦点预测模型，根据所述原告诉请信息、被告辩称信息和证据知识信息，确定预设个数的候选争议焦点和每个所述候选争议焦点的输出概率值；根据每个所述候选争议焦点的输出概率值，确定争议焦点知识信息。

在一个实施例中，所述确定模块304，还用于确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树；计算所述法律知识图谱与每个所述判案推理树之间的相似度；根据所述法律知识图谱与每个所述判案推理树之间的相似度，确定所述目标案件的判案推理树。

在一个实施例中，所述确定模块304，还用于确定是否存在与所述争议焦点信息关联的判案推理树；若存在与所述争议焦点信息关联的判案推理树，则将与所述争议焦点信息关联的判案推理树作为所述目标案件的判案推理树；若不存在与所述争议焦点信息关联的判案推理树，则执行步骤：确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树。

请参照图5，图5为本申请实施例提供的另一种判案结果确定装置的示意性框图。

如图5所示，该判案结果确定装置400，包括：获取模块401、处理模块402、图谱构建模块403、确定模块404、判案确定模块405和更新与获取模块406。

获取模块401，用于获取目标案件的判案数据；

处理模块402，用于对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

图谱构建模块403，用于根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

确定模块404，用于根据所述法律知识图谱，确定所述目标案件的判案推理树；

判案确定模块405，用于根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果；

更新与获取模块406，还用于当检测到所述法律知识图谱中的证据知识更新时，从所述法律知识图谱中获取争议焦点知识、事实要素知识以及更新后的证据知识；

所述判案确定模块405，还用于基于所述判案推理树，根据所述争议焦点知识、事实要素知识以及更新后的证据知识，重新确定所述目标案件的判案结果。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述判案结果确定方法实施例中的对应过程，在此不再赘述。

上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。

请参阅图6，图6为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器。

如图6所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。

非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种判案结果确定方法。

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。

内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种判案结果确定方法。

该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图6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。

应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：

获取目标案件的判案数据，并对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

根据所述法律知识图谱，确定所述目标案件的判案推理树，并根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

在一个实施例中，所述案件知识信息包括基础案件知识信息、争议焦点知识信息和证据知识信息，所述处理器在实现对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息时，用于实现：

通过预设的基础案件知识提取模型对所述判案数据进行信息提取处理，以获取基础案件知识信息；

通过预设的证据知识提取模型对所述判案数据进行信息提取处理，以获取证据知识信息；

基于预设的争议焦点预测模型，根据所述基础案件知识信息和证据知识信息，确定争议焦点知识信息。

在一个实施例中，所述证据知识提取模型包括证据项提取层、证据分类层和证据属性确定层，所述处理器在实现通过预设的证据知识提取模型对所述判案数据进行信息提取处理，以获取证据知识信息时，用于实现：

通过所述证据项提取层提取所述判案数据中的证据语句以及每个所述证据语句中的证据项；

通过所述证据分类层，确定每个所述证据项的证据类别，并通过所述证据属性确定层，确定每个所述证据类别的证据属性；

将每个所述证据项、每个所述证据项的证据类别以及每个所述证据类别的证据属性作为证据知识信息。

在一个实施例中，所述处理器在实现基于预设的争议焦点预测模型，根据所述基础案件知识信息和证据知识信息，确定争议焦点知识信息时，用于实现：

从所述基础案件知识信息中获取原告诉请信息和被告辩称信息；

基于预设的争议焦点预测模型，根据所述原告诉请信息、被告辩称信息和证据知识信息，确定预设个数的候选争议焦点和每个所述候选争议焦点的输出概率值；

根据每个所述候选争议焦点的输出概率值，确定争议焦点知识信息。

在一个实施例中，所述处理器在实现根据所述法律知识图谱，确定所述目标案件的判案推理树时，用于实现：

确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树；

计算所述法律知识图谱与每个所述判案推理树之间的相似度；

根据所述法律知识图谱与每个所述判案推理树之间的相似度，确定所述目标案件的判案推理树。

在一个实施例中，所述处理器在实现确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树之前，用于实现：

确定是否存在与所述争议焦点信息关联的判案推理树；

若存在与所述争议焦点信息关联的判案推理树，则将与所述争议焦点信息关联的判案推理树作为所述目标案件的判案推理树；

若不存在与所述争议焦点信息关联的判案推理树，则执行步骤：确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树。

其中，在另一实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：

获取目标案件的判案数据，并对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

根据所述法律知识图谱，确定所述目标案件的判案推理树，并根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果；

当检测到所述法律知识图谱中的证据知识更新时，从所述法律知识图谱中获取争议焦点知识、事实要素知识以及更新后的证据知识；

基于所述判案推理树，根据所述争议焦点知识、事实要素知识以及更新后的证据知识，重新确定所述目标案件的判案结果。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的计算机设备的具体工作过程，可以参考前述判案结果确定方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请判案结果确定方法的各个实施例。

其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种判案结果确定方法，其特征在于，包括：

获取目标案件的判案数据，并对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

根据所述法律知识图谱，确定所述目标案件的判案推理树，并根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

2.根据权利要求1所述的判案结果确定方法，其特征在于，所述案件知识信息包括基础案件知识信息、争议焦点知识信息和证据知识信息；所述对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息，包括：

通过预设的基础案件知识提取模型对所述判案数据进行信息提取处理，以获取基础案件知识信息；

通过预设的证据知识提取模型对所述判案数据进行信息提取处理，以获取证据知识信息；

基于预设的争议焦点预测模型，根据所述基础案件知识信息和证据知识信息，确定争议焦点知识信息。

3.根据权利要求2所述的判案结果确定方法，其特征在于，所述证据知识提取模型包括证据项提取层、证据分类层和证据属性确定层；所述通过预设的证据知识提取模型对所述判案数据进行信息提取处理，以获取证据知识信息，包括：

通过所述证据项提取层提取所述判案数据中的证据语句以及每个所述证据语句中的证据项；

通过所述证据分类层，确定每个所述证据项的证据类别，并通过所述证据属性确定层，确定每个所述证据类别的证据属性；

将每个所述证据项、每个所述证据项的证据类别以及每个所述证据类别的证据属性作为证据知识信息。

4.根据权利要求2所述的判案结果确定方法，其特征在于，所述基于预设的争议焦点预测模型，根据所述基础案件知识信息和证据知识信息，确定争议焦点知识信息，包括：

从所述基础案件知识信息中获取原告诉请信息和被告辩称信息；

基于预设的争议焦点预测模型，根据所述原告诉请信息、被告辩称信息和证据知识信息，确定预设个数的候选争议焦点和每个所述候选争议焦点的输出概率值；

根据每个所述候选争议焦点的输出概率值，确定争议焦点知识信息。

5.根据权利要求1至4中任一项所述的判案结果确定方法，其特征在于，所述根据所述法律知识图谱，确定所述目标案件的判案推理树，包括：

确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树；

计算所述法律知识图谱与每个所述判案推理树之间的相似度；

根据所述法律知识图谱与每个所述判案推理树之间的相似度，确定所述目标案件的判案推理树。

6.根据权利要求5所述的判案结果确定方法，其特征在于，所述确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树之前，还包括：

确定是否存在与所述争议焦点信息关联的判案推理树；

若存在与所述争议焦点信息关联的判案推理树，则将与所述争议焦点信息关联的判案推理树作为所述目标案件的判案推理树；

若不存在与所述争议焦点信息关联的判案推理树，则执行步骤：确定所述争议焦点信息所属的争议焦点类别，并获取所述争议焦点类别对应的多个判案推理树。

7.根据权利要求1至4中任一项所述的判案结果确定方法，其特征在于，所述根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果之后，还包括：

当检测到所述法律知识图谱中的证据知识更新时，从所述法律知识图谱中获取争议焦点知识、事实要素知识以及更新后的证据知识；

基于所述判案推理树，根据所述争议焦点知识、事实要素知识以及更新后的证据知识，重新确定所述目标案件的判案结果。

8.一种判案结果确定装置，其特征在于，所述判案结果确定装置包括：

获取模块，用于获取目标案件的判案数据；

处理模块，用于对所述判案数据进行信息提取处理，以确定待构建的法律知识图谱的案件知识信息；

图谱构建模块，用于根据所述案件知识信息和预设法条知识库，构建所述目标案件的法律知识图谱；

确定模块，用于根据所述法律知识图谱，确定所述目标案件的判案推理树；

判案确定模块，用于根据所述法律知识图谱和判案推理树，确定所述目标案件的判案结果。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的判案结果确定方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的判案结果确定方法的步骤。

Images