CN112581326A - 甄别虚假诉讼的方法、装置、存储介质及设备 - Google Patents
甄别虚假诉讼的方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN112581326A CN112581326A CN201910943317.1A CN201910943317A CN112581326A CN 112581326 A CN112581326 A CN 112581326A CN 201910943317 A CN201910943317 A CN 201910943317A CN 112581326 A CN112581326 A CN 112581326A
- Authority
- CN
- China
- Prior art keywords
- litigation
- party
- attribute
- false
- false litigation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 29
- 239000000463 material Substances 0.000 claims description 47
- 238000010276 construction Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q30/00—Commerce
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种甄别虚假诉讼的方法、装置、存储介质及设备。该方法包括:首先,从待甄别的文书中提取目标当事人的属性信息,接着,根据属性信息构建目标当事人的属性画像,最后,根据目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示目标当事人是否为虚假诉讼的当事人的指示信息。如此,可以实现自动甄别虚假诉讼或非法诉讼的目的,提高了甄别虚假诉讼的效率,以及提高了甄别虚假诉讼的智能化。并且,还可以输出用于指示目标当事人是否为虚假诉讼的当事人的指示信息,避免法院作出错误裁决或执行,保证利害关系人的合法权益。
Description
技术领域
本公开涉及法律诉讼技术领域,具体地,涉及一种甄别虚假诉讼的方法、装置、存储介质及设备。
背景技术
民事诉讼本应当是公民、法人和其他组织维护自身合法权益和解决争端的重要方式。但是近年来,当事人利用我国法律制度的漏洞,为谋取不正当利益,意图通过人民法院“合法”的裁判获取非法利益而提起的虚假诉讼却呈现逐步多发态势。所谓民事虚假诉讼行为,是指民事诉讼一方或多方当事人采取虚构法律关系、捏造案件事实、伪造变造证据等方法,通过提起民事诉讼、仲裁裁决、公证文书申请执行等方式,造成法院作出错误裁决或执行,进而谋取非法利益或实现非法目的的行为。民事虚假诉讼的日益增多,不仅严重损害国家、集体和他人利益,而且严重损害了司法的权威性和公平正义理念,浪费了本就有限的司法资源,干扰了法院的正常工作秩序,并对法律的尊严发出了严峻的挑战。因此,有必要对虚假诉讼进行甄别,以避免损害利害关系人的合法权益。
发明内容
本公开的目的是提供一种甄别虚假诉讼的方法、装置、存储介质及设备,以实现对虚假诉讼进行自动甄别的目的。
为了实现上述目的,本公开提供一种甄别虚假诉讼的方法,包括:
从待甄别的文书中提取目标当事人的属性信息;
根据所述属性信息构建所述目标当事人的属性画像;
根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息。
可选地,在所述输出用于指示所述目标当事人为虚假诉讼的当事人的指示信息之后,所述方法还包括:
从所述待甄别的文书中提取案件信息,所述案件信息至少包括法律关系;
根据所述案件信息构建案件信息画像;
在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像;
根据所述案件信息画像和所述虚假诉讼案件信息画像,输出用于指示所述待甄别的文书对应的案件是否为虚假诉讼案件的指示信息。
可选地,所述待甄别的文书为诉讼文书,所述案件信息还包括:诉讼目的和证据材料;
所述根据所述案件信息构建案件信息画像,包括:
根据所述法律关系、所述诉讼目的和所述证据材料,构建所述案件信息的雷达图。
可选地,所述待甄别的文书为裁判文书,所述案件信息还包括:诉讼目的、证据材料、裁定结果和判决结果,所述判决结果包括胜诉或败诉;
所述根据所述案件信息构建案件信息画像,包括:
根据所述法律关系、所述诉讼目的、所述证据材料、所述裁定结果和所述判决结果,构建所述案件信息的雷达图。
可选地,所述在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像,包括:
在已知的虚假诉讼的文书中,确定与所述目标当事人和所述法律关系对应的虚假诉讼的目标裁判文书;
根据所述目标裁判文书,确定所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值以及胜诉率;
根据所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值和所述胜诉率,构建所述虚假诉讼案件信息画像的雷达图。
可选地,所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中存在与所述目标当事人的属性画像相匹配的画像,则输出用于指示所述目标当事人为虚假诉讼的当事人的第一指示信息。
可选地,所述属性信息包括多个特征;所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述虚假诉讼的当事人的属性画像中的每个特征的平均值;
针对每个特征,确定所述目标当事人的属性画像中的该特征与所述特征的平均值的偏离值;
若存在偏离值小于或等于第一预设阈值的特征,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
可选地,所述属性画像为雷达画像;所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述目标当事人的属性画像的面积;
确定所述目标当事人的属性画像的面积与所述虚假诉讼的当事人的属性画像的面积的最小面积偏离值;
若所述最小面积偏离值小于或等于第二预设阈值,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
本公开第二方面提供一种甄别虚假诉讼的装置,包括:
第一提取模块,用于从待甄别的文书中提取目标当事人的属性信息;
第一构建模块,用于根据所述属性信息构建所述目标当事人的属性画像;
第一输出模块,用于根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息。
可选地,所述装置还包括:
第二提取模块,用于从所述待甄别的文书中提取案件信息,所述案件信息至少包括法律关系;
第二构建模块,用于根据所述案件信息构建案件信息画像;
第三构建模块,用于在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像;
第二输出模块,用于根据所述案件信息画像和所述虚假诉讼案件信息画像,输出用于指示所述待甄别的文书对应的案件是否为虚假诉讼案件的指示信息。
可选地,所述待甄别的文书为诉讼文书,所述案件信息还包括:诉讼目的和证据材料;
所述第二构建模块,还用于根据所述法律关系、所述诉讼目的和所述证据材料,构建所述案件信息的雷达图。
可选地,所述待甄别的文书为裁判文书,所述案件信息还包括:诉讼目的、证据材料、裁定结果和判决结果,所述判决结果包括胜诉或败诉;
所述第二构建模块,还用于根据所述法律关系、所述诉讼目的、所述证据材料、所述裁定结果和所述判决结果,构建所述案件信息的雷达图。
可选地,所述第三构建模块包括:
第一确定子模块,用于在已知的虚假诉讼的文书中,确定与所述目标当事人和所述法律关系对应的虚假诉讼的目标裁判文书;
第二确定子模块,用于根据所述目标裁判文书,确定所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值以及胜诉率;
构建子模块,用于根据所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值和所述胜诉率,构建所述虚假诉讼案件信息画像的雷达图。
可选地,第一输出模块包括:
第一输出子模块,用于若在虚假诉讼的当事人的属性画像中存在与所述目标当事人的属性画像相匹配的画像,则输出用于指示所述目标当事人为虚假诉讼的当事人的第一指示信息。
可选地,所述属性信息包括多个特征;所述第一输出模块包括:
第三确定子模块,用于若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述虚假诉讼的当事人的属性画像中的每个特征的平均值;
第四确定子模块,用于针对每个特征,确定所述目标当事人的属性画像中的该特征与所述特征的平均值的偏离值;
第二输出子模块,用于若存在偏离值小于或等于第一预设阈值的特征,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
可选地,所述属性画像为雷达画像;所述第一输出模块包括:
第五确定子模块,用于若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述目标当事人的属性画像的面积;
第六确定子模块,用于确定所述目标当事人的属性画像的面积与所述虚假诉讼的当事人的属性画像的面积的最小面积偏离值;
第三输出子模块,用于若所述最小面积偏离值小于或等于第二预设阈值,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
本公开第三方面提供一种存储介质,其上存储有程序,该程序被处理器执行时实现本公开第一方面所提供的所述方法的步骤
本公开第四方面提供一种设备,所述设备包括:
至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;
其中,所述处理器、所述存储器通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的程序指令,以执行本公开第一方面所提供的所述方法的步骤。
通过上述技术方案,首先,从待甄别的文书中提取目标当事人的属性信息,接着,根据属性信息构建目标当事人的属性画像,最后,根据目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示目标当事人是否为虚假诉讼的当事人的指示信息。如此,可以实现自动甄别虚假诉讼或非法诉讼的目的,提高了甄别虚假诉讼的效率,以及提高了甄别虚假诉讼的智能化。并且,还可以输出用于指示目标当事人是否为虚假诉讼的当事人的指示信息,避免法院作出错误裁决或执行,保证利害关系人的合法权益。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种甄别虚假诉讼的方法的流程图。
图2是根据一示例性实施例示出的一种属性信息的雷达图。
图3是根据另一示例性实施例示出的一种甄别虚假诉讼的方法的流程图。
图4是根据一示例性实施例示出的一种甄别虚假诉讼的装置的框图。
图5是根据一示例性实施例示出的一种设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
首先,对可能需要甄别虚假诉讼的案件和领域进行说明。虚假诉讼主要集中在民间借贷、婚产分割、企业破产和改制、房产拆迁、商标认定等领域。具体的案件类型包括:民间借贷案件,离婚案件一方当事人为被告的财产纠纷案件,已经资不抵债的企业、其他组织、自然人为被告的财产纠纷案件,改制中的国有、集体企业为被告的财产纠纷案件,拆迁区划范围内的自然人作为诉讼主体的分家析产、继承、房屋买卖合同纠纷案件,涉及驰名商标认定的案件。
其中,最为普遍的是因涉及离婚财产分割纠纷导致的以民间借贷为由提起的虚假诉讼案件。随着离婚观念的变化和社会经济的发展,现代社会离婚比较普遍,而离婚又不可避免存在分割夫妻共同财产的问题。民间借贷案件作为一种无因行为,其原因和行为可以分离,在法院进行审查时行为人一般不需要编造具体的借款事由以及证明该事由存在的客观证据。民间借贷案件的主要证据一般为借条或者欠条,行为人最容易伪造。因此人们一旦遇到离婚诉讼或遭遇离婚可能时,为在婚姻关系解除时分得更多的财产,往往首选与亲戚好友进行同谋以民间借贷为由进行虚假诉讼。
有鉴于此,本公开提供一种甄别虚假诉讼的方法、装置、存储介质及设备。图1是根据一示例性实施例示出的一种甄别虚假诉讼的方法的流程图。如图1所示,该方法可以包括以下步骤。
在步骤11中,从待甄别的文书中提取目标当事人的属性信息。
需要说明的是,该待甄别的文书可以是未经过审判的诉讼文书,也可以是经过审判后形成的裁判文书,本公开对此不作具体限定。但是,无论是诉讼文书还是裁判文书中均包含有当事人属性信息。并且,利用现有的文书自动分段模型,可以将甄别的文书进行精准分段,以获得包括有当事人的属性信息的当事人信息段。如此,可以从分段后得到的当事人信息段中提取出目标当事人的属性信息。其中,该目标当事人可以为待甄别文书中的原告和/或被告。
在本公开中,该当事人属性信息可以包括待甄别的文书中包括的目标当事人的名称、类型、诉讼地位。其中,若当事人类型为自然人,则该当事人属性信息还可以包括当事人的性别、年龄、职业、文化程度、国籍、户籍地、居住地等等。若当事人类型为法人组织或非法人组织,则该当事人属性信息还可以包括当事人的住所地或者营业执照编号或者统一社会信用代码等等。诉讼地位包括原告或被告。
具体地,可以通过以下方式对目标当事人的属性信息进行提取:
在一种实施例中,可以通过词性、依存句法关系和命名实体识别技术,对目标当事人的名称、类型和诉讼地位进行提取。示例地,如表1所示,表1中的[]表征词性,()表征依存句法关系,即,根据词性和依存句法关系的识别技术识别出目标当事人地位-原告,目标当事人名称-重庆农村商业银行股份有限公司合川分行。并且,根据命名实体识别技术还可以进一步识别出:原告-角色;银行-行政管理分类;重庆农村商业银行股份有限公司合川分行-组织名。
表1提取目标当事人的名称、类型和地位
其中,n表征名词,ns表征地名,HED表征核心关系,wp和WP表征符号,COO表征并列关系。
在另一种实施例中,可以依据法标进行字典梳理,并与字典匹配,以提取出目标当事人的出生日期和年龄。示例地,表2示出了一种提取目标当事人的出生日期的结果,其中,ADV表征日期。需要说明的是,可以根据年龄[Year]=待甄别的文书中的日期-出生日期[Year]+1得到。
表2提取目标当事人的出生日期
1974年4月9日[nt](ADV->出生)出生[v](HED->),[wp](WP->出生) |
1974年4月9日-日期 |
在步骤12中,根据属性信息构建目标当事人的属性画像。
需要说明的是,通常情况下,待甄别的文书至少包括两个当事人,原告和被告,且在甄别的文书中,记载原告信息的位置和记载被告信息的位置有明显的分界。示例地,原告信息和被告信息分段记载。这样,可以在同一段中提取当事人的地位、类型、名称、性别、年龄、职业、文化程度、国籍、户籍地、居住地等等。并在提取出上述属性信息后,将目标当事人的名称和在同一段落中提取到的其他的属性信息进行关联并存储。例如,目标当事人名称—目标当事人的其他属性信息。
这样,在提取出目标当事人的属性信息之后,可以根据该属性信息构建该目标当事人的属性画像。
其中,该目标当事人的属性画像可以为雷达图。在构建目标当事人属性的雷达图时,需首先对属性信息按照预设规则进行预处理。例如,可以为每一属性设置一标准值1,依据识别到的属性与标准属性的偏离幅度,输出识别到的属性值,如性别属性标准值“男”为1,那么根据识别到的属性信息“女”、“无”与标准值偏离情况,分别输出“-1”、“0”,等等。需要说明的是,上述仅示出了一种可能的设置标准值为1的情况,根据实际需求还可以设置不同的数值,例如2,3等等。
假设目标当事人的属性信息可以包括地位、性别、年龄、文化程度和职业,且地位为“原告”时预设的参数值为1,为“被告”时预设的参数值为2;性别为“男”时预设的参数值为3,为“女”时预设的参数值为2,为“无”时预设的参数值为1;年龄为“18-30”、“31-40”、“41-50”时预设的参数值分别为2、3和1;文化程度为“本科及以上”、“专科”、“高中”、“初中及初中以下”时预设的参数值分别为1、2、3和4;职业为“科研教育”、“政治”、“制造生产加工”、“商业管理”和“农村农业”时预设的参数值分别为1、2、3、4和5。在提取到的目标当事人的属性信息表征该目标当事人的地位为“原告”,性别为“男”,年龄为“18-30”,文化程度为“初中及初中以下”,职业为“农村农业”时,创建的属性信息的雷达图如图2所示。
在步骤13中,根据目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示目标当事人是否为虚假诉讼的当事人的指示信息。
其中,虚假诉讼的当事人的属性画像为已知,且虚假诉讼的当事人的属性画像也可以为雷达图,且在创建虚假诉讼的当事人的属性信息的雷达图时所使用的参数值的规则与创建目标当事人的属性信息的雷达图时使用的参数值规则相同。如此,在创建出目标当事人的属性信息的雷达图之后,可以根据已知的虚假诉讼的当事人的属性信息的雷达图,确定该目标当事人是否为虚假诉讼的当事人,并输出用于指示该目标当事人是否为虚假诉讼的当事人的指示信息。
在一种实施例中,若在虚假诉讼的当事人的属性画像中存在与目标当事人的属性画像相匹配的画像,则输出用于指示目标当事人为虚假诉讼的当事人的第一指示信息。其中,该实施例中,匹配可以认为是一致,即,目标当事人的属性画像可以与虚假诉讼的当事人的属性画像中的至少一张画像是完全一致的,在该情况下,可以认为目标当事人为虚假诉讼的当事人。例如,上述属性画像均为雷达图,则目标当事人的属性信息的雷达图与虚假诉讼的当事人的属性信息的雷达图中的至少一个雷达图完全重合,可输出第一指示信息,以使法官可以根据该第一指示信息进一步执行后续操作,例如,驳回诉讼,或,对目标当事人进行处罚等等,本公开对此不作具体限定。
在另一种实施例中,上述属性信息包括多个特征,例如,名称为一个特征,性别为一个特征,等等。在该情况下,首先,若在虚假诉讼的当事人的属性画像中不存在与目标当事人的属性画像相匹配的画像,则确定虚假诉讼的当事人的属性画像中的每个特征的平均值,接着,针对每个特征,确定目标当事人的属性画像中的该特征与特征的平均值的偏离值,最后,若存在偏离值小于或等于第一预设阈值的特征,则输出用于指示目标当事人疑似虚假诉讼的当事人的第二指示信息。
具体地,若在虚假诉讼的当事人的属性画像中不存在与目标当事人的属性画像完全一致的画像,则可以进一步判断目标当事人是否可能是虚假诉讼的当事人。在本公开中,可进一步确定虚假诉讼的当事人的属性画像中的每个特征的平均值,将目标当事人的属性画像中的该特征的参数值与上述特征的平均值进行比较,以确定偏离值。其中,偏离值越大表明该目标当事人为虚假诉讼的当事人的概率越小,偏离值越小表明该目标当事人为虚假诉讼的当事人的概率越大。该偏离值可以是特征的参数值与该特征的平均值的差值,也可以是该特征的参数值与该特征的平均值的差值相对于该特征的平均值的比值,等等,本公开对此并不作具体限定。此外,第一预设阈值为预设的值,其可以例如为2、4等数值,也可以为5%、10%等比值,本公开对此不作具体限定。
示例地,以年龄特征为例,分别确定出每个虚假诉讼的当事人的属性画像中年龄的参数值,对所确定的所有的年龄参数值进行平均计算得到年龄特征的平均值,根据目标当事人的属性画像中年龄特征的参数值与上述年龄特征的平均值,确定偏离值。
按照上述方式可以分别计算出虚假诉讼的当事人的属性画像中包括的每个特征的平均值,并分别计算出目标当事人的属性画像中每个特征的参数值,与该特征的平均值的偏离值。若在多个偏离值中存在至少一个特征的偏离值小于或等于第一预设阈值,则表明该目标当事人可能是虚假诉讼的当事人,或者,表明该目标当事人为虚假诉讼的当事人的风险较大,因此,在该情况下,输出第二指示信息,以使法官获知该目标当事人疑似虚假诉讼的当事人。
在又一种实施例中,上述属性画像为雷达画像,具体地,若在虚假诉讼的当事人的属性画像中不存在与目标当事人的属性画像相匹配的画像,则确定目标当事人的属性画像的面积;确定目标当事人的属性画像的面积与虚假诉讼的当事人的属性画像的面积的最小面积偏离值;若最小面积偏离值小于或等于第二预设阈值,则输出用于指示目标当事人疑似虚假诉讼的当事人的第二指示信息。
具体地,上述属性画像为雷达画像,如图2所示,该雷达画像为封闭图形,可以计算该封闭图形的面积大小。因此,在本公开中,可以分别计算出每个虚假诉讼的当事人的属性画像(雷达图)的面积以及目标当事人的属性画像(雷达图)的面积,并确定与目标当事人的属性画像(雷达图)的面积与已知的虚假诉讼的当事人的属性画像的面积的最小面积偏离值,同样地,该面积偏离值越大表明该目标当事人为虚假诉讼的当事人的概率越小,该面积偏离值越小表明该目标当事人为虚假诉讼的当事人的概率越大。该面积偏离值可以是目标当事人的属性画像(雷达图)的面积与已知的虚假诉讼的当事人的属性画像(雷达图)的面积的差值,也可以是该目标当事人的属性画像(雷达图)的面积与虚假诉讼的当事人的属性画像(雷达图)的面积的差值相对于该虚假诉讼的当事人的属性画像(雷达图)的面积的比值,等等,本公开对此并不作具体限定。此外,第二预设阈值为预设的值,其可以例如为2、4等数值,也可以为5%、10%等比值,本公开对此不作具体限定。
此外,本公开仅示出了上述三种输出指示信息的情况,在实际应用中,其他的输出指示信息的情况也是适用于本公开的。
采用上述技术方案,首先,从待甄别的文书中提取目标当事人的属性信息,接着,根据属性信息构建目标当事人的属性画像,最后,根据目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示目标当事人是否为虚假诉讼的当事人的指示信息。如此,可以实现自动甄别虚假诉讼或非法诉讼的目的,提高了甄别虚假诉讼的效率,以及提高了甄别虚假诉讼的智能化。并且,还可以输出用于指示目标当事人是否为虚假诉讼的当事人的指示信息,避免法院作出错误裁决或执行,保证利害关系人的合法权益。
此外,除了根据当事人的属性画像甄别目标当事人是否为虚假诉讼的当事人之外,还可以根据基于案件信息创建的案件信息画像进一步甄别该待甄别的文书对应的案件是否为虚假诉讼案件。具体地,如图3所示,在输出用于指示所述目标当事人为虚假诉讼的当事人的指示信息之后,该方法还可以包括以下步骤。
在步骤14中,从待甄别的文书中提取案件信息,该案件信息至少包括法律关系。
需要说明的是,利用现有的文书自动分段模型,可以将甄别的文书进行精准分段,除了可以获得上述的当事人信息段之外,还可以获得案件信息段。如此,可以从案件信息段中提取出该案件的案件信息,该案件信息至少包括法律关系,其中,法律关系可以为民间借贷纠纷、离婚案件一方当事人为被告的财产纠纷案件,等等。
示例地,可以将法律关系、地域(根据通过法院名称确定)通过字典方式分别命名为一种实体,利用实体识别技术进行提取法律关系、地域。其中,地域可以依据三级字典表,匹配后输出“地域=省-市-县”;还可以定位到案件信息段中的证据段对目标当事人提交的证据材料进行抽取,与证据字典表进行匹配,并将提取的证据组与目标当事人进行关联,输出及存储内容为“当事人名称-诉讼地位-证据组”,等等。还可以通过分词、NLP(NaturalLanguage Processing,自然语言处理)、语义角色类型等方法,识别诉讼目的,其中,该诉讼目的的类型主要分为以下三种:获取非法利益、规避法律义务和损害合法权益。在本公开中对案件信息、以及提取案件信息的具体方式并不作限定。
在步骤15中,根据案件信息构建案件信息画像。
其中,该案件信息画像也可以为雷达图,且根据案件信息创建案件信息的雷达图与根据属性信息创建属性信息的雷达图的方式相似,此次不再赘述。
需要说明的是,本公开所提供的甄别虚假诉讼的方法可以应用在法官审判之前的场景中以辅助法官审判该诉讼,也可以应用在法官审判之后的场景中以实现对审判结果进行核查的目的,等等。
在一种实施例中,该甄别虚假诉讼的方法应用在法官审判之前的场景中。在该场景中,待甄别的文书可以为诉讼文书,考虑到诉讼文书中主要包括当事人的属性信息、案件的法律关系、诉讼目的和提供的证据材料,因此,在待甄别的文书为诉讼文书时,所提取的案件信息可以包括法律关系、诉讼目的和证据材料。即,上述根据案件信息构建案件信息画像的具体实施方式可以为:根据法律关系、诉讼目的和证据材料,构建案件信息的雷达图。
示例地,可以预先将法律关系为“民间借贷纠纷”、“离婚案件一方当事人为被告的财产纠纷案件”和“合同纠纷案件”的参数值分别设定为3、2和1;将诉讼目的为“获取非法利益”、“规避法律义务”和“损害合法权益”的参数值分别设定为3、2和1;将证据材料为“完整”、“不完整”的参数值分别设定为3和1,等等。根据上述设定的参数值,构建案件信息的雷达图。需要说明的是,本公开仅示出了一种可能的设定参数值的方式,其他设定参数值的方式也是适用于本公开的。
在另一种实施例中,该甄别虚假诉讼的方法应用在法官审判之后的场景中。在该场景中,待甄别的文书可以为裁判文书,考虑到裁判文书中除了主要包括当事人的属性信息、案件的法律关系、诉讼目的和提供的证据材料之外,还包括裁定结果和判决结果,其中,裁定结果可以包括支持、不支持、部分支持,等等。判决结果包括胜诉或败诉,因此,在待甄别的文书为裁判文书时,所提取的案件信息可以包括法律关系、诉讼目的、证据材料、裁定结果和判决结果。即,上述根据案件信息构建案件信息画像的具体实施方式可以为:根据法律关系、诉讼目的、证据材料、裁定结果和判决结果,构建案件信息的雷达图。其中,案件信息的雷达图仍是按照预设的参数值进行构建的,具体的构建过程参照前文中所述方式,此次不再赘述。需要说明的是,在本公开中,将判决结果为胜诉的参数值设为1,将判决结果为败诉的参数值设为0。
另外,在实际应用中,该判决结果还可以包括部分胜诉,本公开为了方便描述,仅以判决结果包括胜诉或败诉为例进行说明。
在又一种实施例中,针对同一诉讼案件,该甄别虚假诉讼的方法还可以依次应用在法官审判之前的场景中和法官审判之后的场景中。具体的实施方式如前文所述,此处不再赘述。
在步骤16中,在已知的虚假诉讼的文书中,构建针对目标当事人和法律关系的虚假诉讼案件信息画像。
具体地,首先,在已知的虚假诉讼的文书中,确定与目标当事人和法律关系对应的虚假诉讼的目标裁判文书。示例地,假设目标当事人为王某,法律关系的类型为“民间借贷纠纷”,在已知的海量的虚假诉讼的文书中,确定出当事人为王某且法律关系的类型为“民间借贷纠纷”的虚假诉讼的目标裁判文书。
接着,根据上述确定的目标裁判文书,确定法律关系的参数值、诉讼目的参数值、证据材料的平均参数值、裁定结果的平均参数值以及胜诉率。其中,上述所确定的目标裁判文书可以是一个或多个,在目标裁判文书为一个时,仅需从一个目标裁判文书中确定出法律关系的参数值、诉讼目的参数值、证据材料的参数值、裁定结果的参数值以及胜诉率为0或1的数值。最后,根据上述确定的参数值和胜诉率的数值构建针对目标当事人和法律关系的虚假诉讼案件信息画像的雷达图。
在目标裁判文书为多个时,由于该多个目标裁判文书是基于同一法律关系确定的,所以多个目标裁判文书的法律关系和诉讼目的是相同的,即,多个目标裁判文书中的法律关系的参数值和诉讼目的参数值也是相同的,只需提取一个法律关系的参数值和一个诉讼目的参数值即可。但是,针对不同裁判文书,其包括的证据材料的完整度以及裁定结果是不同的,所以需要分别确定出每个目标裁判文书中的证据材料的参数值和裁定结果的参数值,并计算该证据材料的平均参数值和裁定结果的平均参数值。此外,还需要在该多个目标裁判文书中统计胜诉的次数进而确定出胜诉率。需要说明的是,可以直接将确定出的胜诉率设定为其参数值,例如,计算出的胜诉率为0.8,则其对应的参数值即为0.8,胜诉率为0.6,其对应的参数值为0.6,等等。最后,根据法律关系的参数值、诉讼目的参数值、证据材料的平均参数值、裁定结果的平均参数值和胜诉率,构建虚假诉讼案件信息画像的雷达图。
在步骤17中,根据案件信息画像和虚假诉讼案件信息画像,输出用于指示待甄别的文书对应的案件是否为虚假诉讼案件的指示信息。
具体地,可以将步骤15中构建的案件信息画像和步骤16中构建的虚假诉讼案件信息画像进行比较,若两种画像较为相似,如,证据材料的参数值与证据材料的平均参数值相差较小,裁定结果的参数值与裁定结果的平均参数值相差较小,以及,待甄别文书中的判决结果符合与虚假诉讼案件信息画像中的胜诉率(例如,虚假诉讼案件信息画像中的胜诉率为0.1,待甄别文书中的判决结果为败诉),等等。此时,可以确定该待甄别的文书对应的案件为虚假诉讼案件,并输出用于指示该案件为虚假诉讼案件信息的第一指示信息,以及,在两种画像相差较大时,输出用于指示案件不为虚假诉讼案件信息的第二指示信息。其中,根据实际需求可以通过设定参数值与平局参数值的差值与阈值的大小,确定该待甄别的文书对应的案件是否为虚假诉讼案件,对此,本公开不作具体限定。
此外,还可以根据虚假诉讼案件信息画像中的胜诉率进一步审核待甄别文书中的判决结果是否准确。例如,虚假诉讼案件信息画像中的胜诉率为0.1,待甄别文书中的判决结果为胜诉,则还可以输出第三指示信息,以使法官再次确认该判决结果是否准确。
采用上述技术方案,在确定出目标当事人为虚假诉讼的当事人之后,还可以通过案件信息画像进一步确定待甄别文书对应的案件是否为虚假诉讼案件,如此,可以提高对虚假诉讼甄别的准确度,并且,由于构建的是针对目标当事人和法律关系的虚假诉讼案件信息画像,使得构建的案件信息图像的数量减少,在确定案件是否为虚假诉讼时所比较的图像数量较少,提高甄别虚假诉讼的速率。
基于同一发明构思,本公开还提供一种甄别虚假诉讼的装置。图4是根据一示例性实施例示出的一种甄别虚假诉讼的装置的框图。如图4所示,该装置40可以包括:
第一提取模块41,用于从待甄别的文书中提取目标当事人的属性信息;
第一构建模块42,用于根据所述属性信息构建所述目标当事人的属性画像;
第一输出模块43,用于根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息。
可选地,所述装置还可以包括:
第二提取模块,用于从所述待甄别的文书中提取案件信息,所述案件信息至少包括法律关系;
第二构建模块,用于根据所述案件信息构建案件信息画像;
第三构建模块,用于在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像;
第二输出模块,用于根据所述案件信息画像和所述虚假诉讼案件信息画像,输出用于指示所述待甄别的文书对应的案件是否为虚假诉讼案件的指示信息。
可选地,所述待甄别的文书为诉讼文书,所述案件信息还包括:诉讼目的和证据材料;
所述第二构建模块,还用于根据所述法律关系、所述诉讼目的和所述证据材料,构建所述案件信息的雷达图。
可选地,所述待甄别的文书为裁判文书,所述案件信息还包括:诉讼目的、证据材料、裁定结果和判决结果,所述判决结果包括胜诉或败诉;
所述第二构建模块,还用于根据所述法律关系、所述诉讼目的、所述证据材料、所述裁定结果和所述判决结果,构建所述案件信息的雷达图。
可选地,所述第三构建模块可以包括:
第一确定子模块,用于在已知的虚假诉讼的文书中,确定与所述目标当事人和所述法律关系对应的虚假诉讼的目标裁判文书;
第二确定子模块,用于根据所述目标裁判文书,确定所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值以及胜诉率;
构建子模块,用于根据所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值和所述胜诉率,构建所述虚假诉讼案件信息画像的雷达图。
可选地,第一输出模块43可以包括:
第一输出子模块,用于若在虚假诉讼的当事人的属性画像中存在与所述目标当事人的属性画像相匹配的画像,则输出用于指示所述目标当事人为虚假诉讼的当事人的第一指示信息。
可选地,所述属性信息包括多个特征;所述第一输出模块43可以包括:
第三确定子模块,用于若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述虚假诉讼的当事人的属性画像中的每个特征的平均值;
第四确定子模块,用于针对每个特征,确定所述目标当事人的属性画像中的该特征与所述特征的平均值的偏离值;
第二输出子模块,用于若存在偏离值小于或等于第一预设阈值的特征,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
可选地,所述属性画像为雷达画像;所述第一输出模块43可以包括:
第五确定子模块,用于若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述目标当事人的属性画像的面积;
第六确定子模块,用于确定所述目标当事人的属性画像的面积与所述虚假诉讼的当事人的属性画像的面积的最小面积偏离值;
第三输出子模块,用于若所述最小面积偏离值小于或等于第二预设阈值,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
所述甄别虚假诉讼的装置包括处理器和存储器,上述第一提取模块、第一构建模块、第一输出模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对虚假诉讼进行甄别。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述甄别虚假诉讼的方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述甄别虚假诉讼的方法。
本发明实施例提供了一种设备,如图5所示,该设备50包括至少一个处理器501、以及与处理器501连接的至少一个存储器502、总线503;其中,处理器501、存储器502通过总线503完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的甄别虚假诉讼的方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
从待甄别的文书中提取目标当事人的属性信息;
根据所述属性信息构建所述目标当事人的属性画像;
根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息。
可选地,在所述输出用于指示所述目标当事人为虚假诉讼的当事人的指示信息之后,所述方法还包括:
从所述待甄别的文书中提取案件信息,所述案件信息至少包括法律关系;
根据所述案件信息构建案件信息画像;
在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像;
根据所述案件信息画像和所述虚假诉讼案件信息画像,输出用于指示所述待甄别的文书对应的案件是否为虚假诉讼案件的指示信息。
可选地,所述待甄别的文书为诉讼文书,所述案件信息还包括:诉讼目的和证据材料;
所述根据所述案件信息构建案件信息画像,包括:
根据所述法律关系、所述诉讼目的和所述证据材料,构建所述案件信息的雷达图。
可选地,所述待甄别的文书为裁判文书,所述案件信息还包括:诉讼目的、证据材料、裁定结果和判决结果,所述判决结果包括胜诉或败诉;
所述根据所述案件信息构建案件信息画像,包括:
根据所述法律关系、所述诉讼目的、所述证据材料、所述裁定结果和所述判决结果,构建所述案件信息的雷达图。
可选地,所述在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像,包括:
在已知的虚假诉讼的文书中,确定与所述目标当事人和所述法律关系对应的虚假诉讼的目标裁判文书;
根据所述目标裁判文书,确定所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值以及胜诉率;
根据所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值和所述胜诉率,构建所述虚假诉讼案件信息画像的雷达图。
可选地,所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中存在与所述目标当事人的属性画像相匹配的画像,则输出用于指示所述目标当事人为虚假诉讼的当事人的第一指示信息。
可选地,所述属性信息包括多个特征;所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述虚假诉讼的当事人的属性画像中的每个特征的平均值;
针对每个特征,确定所述目标当事人的属性画像中的该特征与所述特征的平均值的偏离值;
若存在偏离值小于或等于第一预设阈值的特征,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
可选地,所述属性画像为雷达画像;所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述目标当事人的属性画像的面积;
确定所述目标当事人的属性画像的面积与所述虚假诉讼的当事人的属性画像的面积的最小面积偏离值;
若所述最小面积偏离值小于或等于第二预设阈值,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种甄别虚假诉讼的方法,其特征在于,包括:
从待甄别的文书中提取目标当事人的属性信息;
根据所述属性信息构建所述目标当事人的属性画像;
根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息。
2.根据权利要求1所述的方法,其特征在于,在所述输出用于指示所述目标当事人为虚假诉讼的当事人的指示信息之后,所述方法还包括:
从所述待甄别的文书中提取案件信息,所述案件信息至少包括法律关系;
根据所述案件信息构建案件信息画像;
在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像;
根据所述案件信息画像和所述虚假诉讼案件信息画像,输出用于指示所述待甄别的文书对应的案件是否为虚假诉讼案件的指示信息。
3.根据权利要求2所述的方法,其特征在于,所述待甄别的文书为诉讼文书,所述案件信息还包括:诉讼目的和证据材料;
所述根据所述案件信息构建案件信息画像,包括:
根据所述法律关系、所述诉讼目的和所述证据材料,构建所述案件信息的雷达图。
4.根据权利要求2所述的方法,其特征在于,所述待甄别的文书为裁判文书,所述案件信息还包括:诉讼目的、证据材料、裁定结果和判决结果,所述判决结果包括胜诉或败诉;
所述根据所述案件信息构建案件信息画像,包括:
根据所述法律关系、所述诉讼目的、所述证据材料、所述裁定结果和所述判决结果,构建所述案件信息的雷达图。
5.根据权利要求4所述的方法,其特征在于,所述在已知的虚假诉讼的文书中,构建针对所述目标当事人和所述法律关系的虚假诉讼案件信息画像,包括:
在已知的虚假诉讼的文书中,确定与所述目标当事人和所述法律关系对应的虚假诉讼的目标裁判文书;
根据所述目标裁判文书,确定所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值以及胜诉率;
根据所述法律关系的参数值、所述诉讼目的参数值、所述证据材料的平均参数值、所述裁定结果的平均参数值和所述胜诉率,构建所述虚假诉讼案件信息画像的雷达图。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中存在与所述目标当事人的属性画像相匹配的画像,则输出用于指示所述目标当事人为虚假诉讼的当事人的第一指示信息。
7.根据权利要求6所述的方法,其特征在于,所述属性信息包括多个特征;所述根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息,包括:
若在虚假诉讼的当事人的属性画像中不存在与所述目标当事人的属性画像相匹配的画像,则确定所述虚假诉讼的当事人的属性画像中的每个特征的平均值;
针对每个特征,确定所述目标当事人的属性画像中的该特征与所述特征的平均值的偏离值;
若存在偏离值小于或等于第一预设阈值的特征,则输出用于指示所述目标当事人疑似虚假诉讼的当事人的第二指示信息。
8.一种甄别虚假诉讼的装置,其特征在于,包括:
第一提取模块,用于从待甄别的文书中提取目标当事人的属性信息;
第一构建模块,用于根据所述属性信息构建所述目标当事人的属性画像;
第一输出模块,用于根据所述目标当事人的属性画像和已知的虚假诉讼的当事人的属性画像,输出用于指示所述目标当事人是否为虚假诉讼的当事人的指示信息。
9.一种存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种设备,其特征在于,所述设备包括:
至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;
其中,所述处理器、所述存储器通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的程序指令,以执行权利要求1-7中任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943317.1A CN112581326A (zh) | 2019-09-30 | 2019-09-30 | 甄别虚假诉讼的方法、装置、存储介质及设备 |
PCT/CN2020/102174 WO2021063072A1 (zh) | 2019-09-30 | 2020-07-15 | 甄别虚假诉讼的方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943317.1A CN112581326A (zh) | 2019-09-30 | 2019-09-30 | 甄别虚假诉讼的方法、装置、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112581326A true CN112581326A (zh) | 2021-03-30 |
Family
ID=75116529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910943317.1A Pending CN112581326A (zh) | 2019-09-30 | 2019-09-30 | 甄别虚假诉讼的方法、装置、存储介质及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112581326A (zh) |
WO (1) | WO2021063072A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819764A (zh) * | 2022-06-27 | 2022-07-29 | 岩火科技(杭州)有限公司 | 一种基于脱敏数据的虚假诉讼行为风险预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020161597A1 (en) * | 2000-06-28 | 2002-10-31 | Alexander Klibaner | System and method for interactively establishing a dispute resolution procedure |
JP2002334162A (ja) * | 2001-05-11 | 2002-11-22 | Yoshitsugu Tsujita | 本人及び事物情報管理システム |
US20170011481A1 (en) * | 2014-02-04 | 2017-01-12 | Ubic, Inc. | Document analysis system, document analysis method, and document analysis program |
CN107784024A (zh) * | 2016-08-31 | 2018-03-09 | 北京国双科技有限公司 | 构建当事人画像的方法及装置 |
US20180144421A1 (en) * | 2016-11-21 | 2018-05-24 | Velites Consulting Group, LLC | System and Methods for Complaint Evaluation |
CN109710890A (zh) * | 2018-12-20 | 2019-05-03 | 四川新网银行股份有限公司 | 基于构建的行为画像模型实时识别虚假材料的方法和系统 |
CN109754327A (zh) * | 2019-01-11 | 2019-05-14 | 深圳市点点电子商务有限公司 | 虚假保函的识别方法、系统及计算机可读存储介质 |
CN110175233A (zh) * | 2019-03-07 | 2019-08-27 | 平安科技(深圳)有限公司 | 目标主体画像分析的方法、装置、计算机装置及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8775605B2 (en) * | 2009-09-29 | 2014-07-08 | At&T Intellectual Property I, L.P. | Method and apparatus to identify outliers in social networks |
CN109377000A (zh) * | 2018-09-21 | 2019-02-22 | 安徽和信科技发展有限责任公司 | 一种人工智能技术的诉讼风险评估装置 |
CN109948638B (zh) * | 2018-12-04 | 2023-11-28 | 创新先进技术有限公司 | 对象匹配方法、装置、设备及计算机可读存储介质 |
CN110059193A (zh) * | 2019-06-21 | 2019-07-26 | 南京擎盾信息科技有限公司 | 基于法律语义件与文书大数据统计分析的法律咨询系统 |
-
2019
- 2019-09-30 CN CN201910943317.1A patent/CN112581326A/zh active Pending
-
2020
- 2020-07-15 WO PCT/CN2020/102174 patent/WO2021063072A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020161597A1 (en) * | 2000-06-28 | 2002-10-31 | Alexander Klibaner | System and method for interactively establishing a dispute resolution procedure |
JP2002334162A (ja) * | 2001-05-11 | 2002-11-22 | Yoshitsugu Tsujita | 本人及び事物情報管理システム |
US20170011481A1 (en) * | 2014-02-04 | 2017-01-12 | Ubic, Inc. | Document analysis system, document analysis method, and document analysis program |
CN107784024A (zh) * | 2016-08-31 | 2018-03-09 | 北京国双科技有限公司 | 构建当事人画像的方法及装置 |
US20180144421A1 (en) * | 2016-11-21 | 2018-05-24 | Velites Consulting Group, LLC | System and Methods for Complaint Evaluation |
CN109710890A (zh) * | 2018-12-20 | 2019-05-03 | 四川新网银行股份有限公司 | 基于构建的行为画像模型实时识别虚假材料的方法和系统 |
CN109754327A (zh) * | 2019-01-11 | 2019-05-14 | 深圳市点点电子商务有限公司 | 虚假保函的识别方法、系统及计算机可读存储介质 |
CN110175233A (zh) * | 2019-03-07 | 2019-08-27 | 平安科技(深圳)有限公司 | 目标主体画像分析的方法、装置、计算机装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
江渊;: "新民诉法环境下企业法律风险管理", 《中国石化》, no. 2013, 15 April 2013 (2013-04-15), pages 32 - 33 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819764A (zh) * | 2022-06-27 | 2022-07-29 | 岩火科技(杭州)有限公司 | 一种基于脱敏数据的虚假诉讼行为风险预测方法 |
CN114819764B (zh) * | 2022-06-27 | 2022-11-01 | 岩火科技(杭州)有限公司 | 一种基于脱敏数据的虚假诉讼行为风险预测方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021063072A1 (zh) | 2021-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Reiling | Courts and artificial intelligence | |
Gugerty | Signaling virtue: Voluntary accountability programs among nonprofit organizations | |
Wang | Extra-legal protection in China: How guanxi distorts China’s legal system and facilitates the rise of unlawful protectors | |
Weiss | New Securities Fraud Pleading Requirement: Speed Bump Or Road Block, The | |
CN110874491A (zh) | 基于机器学习的隐私数据处理方法、装置及电子设备 | |
Yen et al. | Different is better: how unique initial coin offering language in white papers enhances success | |
Ferreira et al. | A conceptual model of operational risk events in the banking sector | |
Michaud Wild | “The mittens of disapproval are on”: John Oliver’s Last Week Tonight as neoliberal critique | |
Ghodoosi | Contracting risks | |
Ho | Social purpose corporations: The next targets for greenwashing practices and crowdfunding scams | |
Davalos et al. | A textual analysis of the US Securities and Exchange Commission's accounting and auditing enforcement releases relating to the Sarbanes–Oxley Act | |
CN113689148A (zh) | 一种文本风险识别方法、装置及设备 | |
CN112581326A (zh) | 甄别虚假诉讼的方法、装置、存储介质及设备 | |
Hisan et al. | Artificial Intelligence for Human Life: A Critical Opinion from Medical Bioethics Perspective–Part I | |
Jiang et al. | Foreign direct investment in infrastructure projects: Taxonomy of political risk profiles in developing countries | |
Mizrahi‐Borohovich et al. | Varieties of consumer credit data regimes: A regulatory governance approach | |
Marsoof et al. | Content-filtering AI systems–limitations, challenges and regulatory approaches | |
Chan et al. | Enforcement of insider trading law in Hong Kong: What insights can we learn from recent convictions? | |
Berman | A Critique of Consumer Advocacy Against the Restatement of the Law of Consumer Contracts | |
Lipartito | Mediating reputation: Credit reporting systems in American history | |
TWI676953B (zh) | 實質受益人稽核裝置 | |
Lainez | The Prospects and Dangers of Algorithmic Credit Scoring in Vietnam: Regulating a Legal Blindspot | |
CN112581323A (zh) | 虚假诉讼的判断方法及装置 | |
CN110969333A (zh) | 用户行为数据的处理方法和装置 | |
Smart et al. | Geopolitical drivers of personal data: The four horsemen of the datapocalypse |
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 |