CN113032528B - 案件分析方法、装置、设备及存储介质 - Google Patents
案件分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113032528B CN113032528B CN202110385211.1A CN202110385211A CN113032528B CN 113032528 B CN113032528 B CN 113032528B CN 202110385211 A CN202110385211 A CN 202110385211A CN 113032528 B CN113032528 B CN 113032528B
- Authority
- CN
- China
- Prior art keywords
- information
- appeal
- vector
- case
- entity
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能,提供一种案件分析方法、装置、设备及存储介质。该方法能够对案件信息进行要素抽取,得到特征信息,特征信息包括诉请信息、辩称信息、证据信息及事实信息,对诉请信息及辩称信息进行分类处理,得到诉请类别及辩称类别,对诉请类别及辩称类别进行消歧处理,得到诉请实体及辩称实体,根据诉请实体及辩称实体生成争议焦点,从预设法律知识图谱中获取与争议焦点对应的图谱路径,根据争议焦点、证据信息及事实信息生成审判要素,从图谱路径中获取与审判要素对应的结果作为判决预测结果。本发明能够准确地分析出案件的预测判决结果。此外,本发明还涉及区块链技术,所述判决预测结果可存储于区块链中。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种案件分析方法、装置、设备及存储介质。
背景技术
目前,法院立案的案件越来越多,在案件数量集中、案情复杂的前提下,给法院工作人员的工作带来巨大的负担。为此,通过对案件进行分析以辅助法院工作人员确定案件判决结果的方式也随之产生。在现有的案件分析方式中,没有全面考虑到不同案由对审判结果的影响,造成无法准确地分析出案件预测判决结果。
发明内容
鉴于以上内容,有必要提供一种案件分析方法、装置、设备及存储介质,能够准确地分析出案件的预测判决结果。
一方面,本发明提出一种案件分析方法,所述案件分析方法包括:
当接收到案件分析请求时,根据所述案件分析请求获取案件信息;
对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息;
对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别;
对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体;
根据所述诉请实体及所述辩称实体生成争议焦点;
从预设法律知识图谱中获取与所述争议焦点对应的图谱路径;
根据所述争议焦点、所述证据信息及所述事实信息生成审判要素;
从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
根据本发明优选实施例,所述对所述诉请信息进行分类处理,得到诉请类别包括:
对所述诉请信息进行分词处理,得到诉请分词;
获取所述诉请分词的编码向量;
将所述编码向量输入正向长短期记忆网络中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络中,得到第二向量;
拼接所述第一向量及所述第二向量,得到所述诉请分词的语义向量;
获取预设类型的类型向量,并计算所述语义向量与所述类型向量的相似度;
确定所述相似度最大的预设类型作为所述诉请类别。
根据本发明优选实施例,所述对所述诉请信息进行分词处理,得到诉请分词包括:
根据预设词典对所述诉请信息进行切分,得到多个切分路径及每个切分路径对应的路径分词;
根据所述多个切分路径构建多个有向无环图;
根据所述预设词典中的权值计算每个有向无环图的概率;
将所述概率最大的有向无环图对应的切分路径确定为目标路径;
将所述目标路径对应的路径分词确定为所述诉请分词。
根据本发明优选实施例,所述对所述诉请类别进行消歧处理,得到诉请实体包括:
获取所述诉请类别的向量作为诉请向量;
从所述预设法律知识图谱中获取每个实体节点的向量作为节点向量;
基于曼哈顿距离公式,计算所述诉请向量与所述节点向量的实体相似度;
若所述实体相似度大于或者等于预设阈值,将所述诉请类别确定为所述诉请实体;或者
若所述实体相似度小于所述预设阈值,删除所述诉请类别。
根据本发明优选实施例,在从预设法律知识图谱中获取与所述争议焦点对应的图谱路径之前,所述方法还包括:
获取历史判案数据;
对所述历史判案数据进行实体识别,得到所述实体节点;
根据预设法条确定所述节点对的节点关系,所述节点对包括任意两个所述实体节点;
根据所述节点对及所述节点关系确定三元组;
基于所述三元组构建所述预设法律知识图谱。
根据本发明优选实施例,所述根据所述诉请实体及所述辩称实体生成争议焦点包括:
提取所述诉请实体的第一关键字,并提取所述辩称实体的第二关键字;
以所述第一关键字及所述第二关键字在预设规则表中进行遍历匹配,所述预设规则表中存储有多个焦点与每个焦点对应的要素;
从所述预设规则表中提取同时与所述第一关键字及所述第二关键字匹配的焦点作为候选焦点;
确定所述案件分析请求的触发用户,并获取所述触发用户的终端设备;
将所述候选焦点发送至所述终端设备;
若检测到在所述终端设备上有任意候选焦点被触发,将所述任意候选焦点确定为所述争议焦点。
根据本发明优选实施例,所述根据所述争议焦点、所述证据信息及所述事实信息生成审判要素包括:
获取所述证据信息的证据向量,并获取所述事实信息的事实向量;
对所述证据向量进行上下文特征提取,得到第一特征向量,并对所述事实向量进行上下文特征提取,得到第二特征向量;
获取所述争议焦点的焦点向量;
拼接所述焦点向量、所述第一特征向量及第二特征向量,得到目标特征向量;
将所述目标特征向量输入至要素抽取模型中,得到输出向量;
确定所述焦点向量的获取来源;
根据所述获取来源对所述输出向量进行映射处理,得到所述审判要素。
另一方面,本发明还提出一种案件分析装置,所述案件分析装置包括:
获取单元,用于当接收到案件分析请求时,根据所述案件分析请求获取案件信息;
抽取单元,用于对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息;
分类单元,用于对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别;
消岐单元,用于对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体;
生成单元,用于根据所述诉请实体及所述辩称实体生成争议焦点;
所述获取单元,还用于从预设法律知识图谱中获取与所述争议焦点对应的图谱路径;
所述生成单元,还用于根据所述争议焦点、所述证据信息及所述事实信息生成审判要素;
所述获取单元,还用于从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
另一方面,本发明还提出一种电子设备,所述电子设备包括:
存储器,存储计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现所述案件分析方法。
另一方面,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现所述案件分析方法。
由以上技术方案可以看出,本发明通过对所述案件信息进行要素抽取,能够全面获取到所述诉请信息、所述辩称信息、所述证据信息及所述事实信息,进而通过对所述诉请信息及所述辩称信息进行分别分类处理及消歧处理,能够提高所述诉请实体及所述辩称实体的生成准确率,从而提高所述争议焦点的生成准确率,由于不同争议焦点对应有不同的审判规则,因此,通过所述争议焦点不仅能够从所述预设法律知识图谱中准确获取到所述图谱路径,还能够缩小所述判决预测结果的预测范围,从而提高所述判决预测结果的预测效率,通过所述审判要素能够从所述图谱路径中准确的预测出所述判决预测结果,从而有效辅助法院工作人员审理案件。
附图说明
图1是本发明案件分析方法的较佳实施例的流程图。
图2是本发明案件分析装置的较佳实施例的功能模块图。
图3是本发明实现案件分析方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明案件分析方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述案件分析方法应用于智慧政务场景中,从而推动智慧城市的建设。所述案件分析方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的计算机可读指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字信号处理器(Digital SignalProcessor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括,但不限于:互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到案件分析请求时,根据所述案件分析请求获取案件信息。
在本发明的至少一个实施例中,所述案件分析请求可以由法院工作人员触发。所述案件分析请求中携带的信息包括,但不限于:案件编号。
所述案件信息是指需要进行案件分析的案件。所述案件信息包括起诉状及答辩状等。
在本发明的至少一个实施例中,所述电子设备根据所述案件分析请求获取案件信息包括:
解析所述案件分析请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取指示案件的信息作为案件编号;
获取查询模板,并将所述案件编号写入所述查询模板中,得到查询语句;
获取映射关系表,其中,所述映射关系表中存储有案件与路径的映射关系;
在所述映射关系表中运行所述查询语句,得到目标路径;
从所述目标路径获取所有信息作为所述案件信息。
其中,所述数据信息包括,但不限于:所述案件编号等。
所述查询模板可以是结构化查询语句。
所述目标路径中存储有未进行案件分析的案件信息。
通过解析所述报文,由于无需解析整个所述判决结果确定请求,因此能够提高所述案件编号的获取效率,通过所述查询模板,由于在生成所述查询语句时无需重新编辑所述查询模板,因此,提高所述查询语句的生成效率,通过在所述映射关系表中运行所述查询语句,由于无需在所述映射关系表中逐个遍历所述案件编号,因此能够提高所述目标路径的确定效率,从而快速获取到所述案件信息。
S11,对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息。
在本发明的至少一个实施例中,所述诉请信息是指起诉状中的诉讼请求。所述辩称信息是指答辩状中的辩论信息。所述证据信息是指所述起诉状及所述答辩状中的合同信息等。所述事实信息是指所述起诉状及所述答辩状中的事件描述。
在本发明的至少一个实施例中,所述电子设备对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息包括:
获取第一预设标识,并从所述案件信息中获取与所述第一预设标识对应的信息作为所述诉请信息;
获取第二预设标识,并从所述案件信息中获取与所述第二预设标识对应的信息作为所述辩称信息;
获取第三预设标识,并从所述案件信息中获取与所述第三预设标识对应的信息作为所述证据信息;
获取第四预设标识,并从所述案件信息中获取与所述第四预设标识对应的信息作为所述事实信息。
其中,所述第一预设标识用于指示所述诉请信息,例如,所述第一预设标识可以是诉讼请求标签。
所述第二预设标识用于指示所述辩称信息,例如,所述第二预设标识可以是辩称标签。
所述第三预设标识用于指示所述证据信息,例如,所述第三预设标识可以是合同标签。
所述第四预设标识用于指示所述事实信息,例如,所述第四预设标识可以是事实标签。
通过预设标识与特征信息的映射关系,能够准确地从所述案件信息中抽取到所述特征信息。
S12,对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别。
在本发明的至少一个实施例中,所述诉请类别是指所述诉请信息的类别,所述诉请类别可以是偿还本金、偿还利息、执行抵押物、承担连带责任、承担诉讼费用等中的任意一种或者多种类别。
所述辩称类别是指所述辩称信息的类别,所述辩称类别可以是利率过高等。
在本发明的至少一个实施例中,所述电子设备对所述诉请信息进行分类处理,得到诉请类别包括:
对所述诉请信息进行分词处理,得到诉请分词;
获取所述诉请分词的编码向量;
将所述编码向量输入正向长短期记忆网络中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络中,得到第二向量;
拼接所述第一向量及所述第二向量,得到所述诉请分词的语义向量;
获取预设类型的类型向量,并计算所述语义向量与所述类型向量的相似度;
确定所述相似度最大的预设类型作为所述诉请类别。
其中,所述预设类型是指预先设置好的类型。所述预设类型可以包括,但不限于:偿还本金、偿还利息、执行抵押物、承担连带责任、承担诉讼费用等。
通过正向长短期记忆网络及反向长短期记忆网络对所述编码向量的处理,能够生成具有所述诉请分词上下文含义的语义向量,从而通过所述语义向量与所述类型向量的相似度计算,能够准确的从所述预设类型中确定除所述诉请类别。
具体地,所述对所述诉请信息进行分词处理,得到诉请分词包括:
根据预设词典对所述诉请信息进行切分,得到多个切分路径及每个切分路径对应的路径分词;
根据所述多个切分路径构建多个有向无环图;
根据所述预设词典中的权值计算每个有向无环图的概率;
将所述概率最大的有向无环图对应的切分路径确定为目标路径;
将所述目标路径对应的路径分词确定为所述诉请分词。
其中,所述预设词典中存储有多个词汇及每个词汇的权值。
所述多个切分路径是指根据不同的切分方式对所述诉请信息进行切分后得到的路径。
通过上述实施方式,能够根据所述预设词典确定出所述多个切分路径,进而根据所述权值计算每个有向无环图的概率,从而根据所述概率能够准确的确定出所述诉请分词。
具体地,所述电子设备根据所述多个切分路径构建多个有向无环图包括:
对于每个切分路径,将该切分路径对应的所述路径分词作为节点,并按照所述路径分词在所述诉请信息中的顺序拼接所述节点,得到所述多个有向无环图。
具体地,所述电子设备根据所述预设词典中的权值计算每个有向无环图的概率包括:
对应每个有向无环图,从所述预设词典中获取该有向无环图中所述路径分词的权值,并计算所述权值的总和,得到所述概率。
进一步地,所述电子设备可以从向量映射表中获取所述诉请分词的编码向量。
S13,对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体。
在本发明的至少一个实施例中,所述诉请实体是指在所述预设法律知识图谱上与所述诉请类别具有映射关系的实体节点。所述辩称实体是指在所述预设法律知识图谱上与所述辩称类别具有映射关系的实体节点。
在本发明的至少一个实施例中,所述电子设备对所述诉请类别进行消歧处理,得到诉请实体包括:
获取所述诉请类别的向量作为诉请向量;
从预设法律知识图谱中获取每个实体节点的向量作为节点向量;
基于曼哈顿距离公式,计算所述诉请向量与所述节点向量的实体相似度;
若所述实体相似度大于或者等于预设阈值,将所述诉请类别确定为所述诉请实体;或者
若所述实体相似度小于所述预设阈值,删除所述诉请类别。
其中,所述预设法律知识图谱中多个实体节点及每个实体节点对应的节点向量。
通过上述实施方式,能够快速从所述预设法律知识图谱中获取到与所述诉请类别具有映射关系的实体节点,从而有利于案件判决结果的预测。
具体地,所述电子设备可以从所述向量映射表中获取与所述诉请类别对应的向量作为所述诉请向量。
在本发明的至少一个实施例中,所述电子设备对所述辩称类别进行消歧处理,得到辩称实体包括:
获取所述辩称类别的向量作为辩称向量;
计算所述辩称向量与所述节点向量的距离,得到运算相似度;
若所述运算相似度大于或者等于所述预设阈值,将所述辩称类别确定为所述辩称实体;或者
若所述运算相似度小于所述预设阈值,删除所述辩称类别。
S14,根据所述诉请实体及所述辩称实体生成争议焦点。
在本发明的至少一个实施例中,所述争议焦点是指所述案件信息中当事人双方存在的焦点问题,例如,所述争议焦点可以是:“利息是否超过法定利率”。
在本发明的至少一个实施例中,所述电子设备根据所述诉请实体及所述辩称实体生成争议焦点包括:
提取所述诉请实体的第一关键字,并提取所述辩称实体的第二关键字;
以所述第一关键字及所述第二关键字在预设规则表中进行遍历匹配,所述预设规则表中存储有多个焦点与每个焦点对应的要素;
从所述预设规则表中提取同时与所述第一关键字及所述第二关键字匹配的焦点作为候选焦点;
确定所述案件分析请求的触发用户,并获取所述触发用户的终端设备;
将所述候选焦点发送至所述终端设备;
若检测到在所述终端设备上有任意候选焦点被触发,将所述任意候选焦点确定为所述争议焦点。
其中,所述第一关键字是指所述诉请实体中的特征,所述第二关键字是指所述辩称实体的特征。
通过所述第一关键字及所述第二关键字能够快速从所述预设规则表中确定出所述候选焦点,进而将所述候选焦点发送至所述终端设备,通过所述终端设备能够准确确定出所述争议焦点。
具体地,所述电子设备确定所述案件分析请求的触发用户包括:
从所述数据信息中获取指示用户的信息作为身份识别码;
将与所述身份识别码对应的用户作为所述触发用户。
具体地,所述电子设备获取所述触发用户的终端设备包括:
从终端配置表中获取与所述身份识别码对应的终端作为所述终端设备,所述终端配置表中存储有多个识别码与终端的映射关系。
S15,从预设法律知识图谱中获取与所述争议焦点对应的图谱路径。
在本发明的至少一个实施例中,所述预设法律知识图谱中包含有多个路径,所述图谱路径是指与所述争议焦点对应的路径。
在本发明的至少一个实施例中,在从预设法律知识图谱中获取与所述争议焦点对应的图谱路径之前,所述方法还包括:
获取历史判案数据;
对所述历史判案数据进行实体识别,得到实体节点;
根据预设法条确定所述节点对的节点关系,所述节点对包括任意两个所述实体节点;
根据所述节点对及所述节点关系确定三元组;
基于所述三元组构建所述预设法律知识图谱。
其中,所述历史判案数据中包括历史案件及该历史案件对应的判决结果。
通过对所述历史判案数据进行实体识别,能够准确生成所述实体节点,通过所述预设法条分析所述实体节点的关系,能够准确确定出所述节点关系,从而能够准确的确定出所述预设法律知识图谱。
S16,根据所述争议焦点、所述证据信息及所述事实信息生成审判要素。
在本发明的至少一个实施例中,所述审判要素是通过对所述争议焦点、所述证据信息及所述事实信息进行分析后得到的,例如,从证据信息(借款合同)中抽取出事实信息(约定年利率为10%),通过民间借贷的(争议焦点)“利息是否超过法定利率”的审判要素为:年利率。
在本发明的至少一个实施例中,所述电子设备根据所述争议焦点、所述证据信息及所述事实信息生成审判要素包括:
获取所述证据信息的证据向量,并获取所述事实信息的事实向量;
对所述证据向量进行上下文特征提取,得到第一特征向量,并对所述事实向量进行上下文特征提取,得到第二特征向量;
获取所述争议焦点的焦点向量;
拼接所述焦点向量、所述第一特征向量及第二特征向量,得到目标特征向量;
将所述目标特征向量输入至要素抽取模型中,得到输出向量;
确定所述焦点向量的获取来源;
根据所述获取来源对所述输出向量进行映射处理,得到所述审判要素。
其中,所述获取来源是指对所述争议焦点进行向量化的映射表。
通过对所述证据向量进行上下文特征提取,能够生成具有上下文语义的第一特征向量,通过对所述事实向量进行上下文特征提取,能够生成具有上下文语义的第二特征向量,从而能够准确生成所述目标特征向量,由于所述焦点向量与所述输出向量的来源相同,因此通过所述获取来源能够准确的确定出所述审判要素。
S17,从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
需要强调的是,为进一步保证上述判决结果的私密和安全性,上述判决预测结果还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述判决预测结果是指对所述案件信息进行分析后得到的判决结果,通过所述判决预测结果能够辅助法院工作人员的工作。
在本发明的至少一个实施例中,在从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果后,所述方法还包括:
获取所述判决结果确定请求的请求编号;
根据所述请求编号及所述判决预测结果生成提示信息;
采用对称加密技术加密所述提示信息,得到密文;
将所述密文发送至所述终端设备。
通过上述实施方式,能够及时将所述判决预测结果发送至所述终端设备,使所述触发用户能够及时接收到所述判决预测结果,通过对所述提示信息进行加密,避免所述判决预测结果被篡改,从而提高所述判决预测结果的安全性。
由以上技术方案可以看出,本发明通过对所述案件信息进行要素抽取,能够全面获取到所述诉请信息、所述辩称信息、所述证据信息及所述事实信息,进而通过对所述诉请信息及所述辩称信息进行分别分类处理及消歧处理,能够提高所述诉请实体及所述辩称实体的生成准确率,从而提高所述争议焦点的生成准确率,由于不同争议焦点对应有不同的审判规则,因此,通过所述争议焦点不仅能够从所述预设法律知识图谱中准确获取到所述图谱路径,还能够缩小所述判决预测结果的预测范围,从而提高所述判决预测结果的预测效率,通过所述审判要素能够从所述图谱路径中准确的预测出所述判决预测结果,从而有效辅助法院工作人员审理案件。
如图2所示,是本发明案件分析装置的较佳实施例的功能模块图。所述案件分析装置11包括获取单元110、抽取单元111、分类单元112、消岐单元113、生成单元114、识别单元115、确定单元116、构建单元117、加密单元118及发送单元119。本发明所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
当接收到案件分析请求时,获取单元110根据所述案件分析请求获取案件信息。
在本发明的至少一个实施例中,所述案件分析请求可以由法院工作人员触发。所述案件分析请求中携带的信息包括,但不限于:案件编号。
所述案件信息是指需要进行案件分析的案件。所述案件信息包括起诉状及答辩状等。
在本发明的至少一个实施例中,所述获取单元110根据所述案件分析请求获取案件信息包括:
解析所述案件分析请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取指示案件的信息作为案件编号;
获取查询模板,并将所述案件编号写入所述查询模板中,得到查询语句;
获取映射关系表,其中,所述映射关系表中存储有案件与路径的映射关系;
在所述映射关系表中运行所述查询语句,得到目标路径;
从所述目标路径获取所有信息作为所述案件信息。
其中,所述数据信息包括,但不限于:所述案件编号等。
所述查询模板可以是结构化查询语句。
所述目标路径中存储有未进行案件分析的案件信息。
通过解析所述报文,由于无需解析整个所述判决结果确定请求,因此能够提高所述案件编号的获取效率,通过所述查询模板,由于在生成所述查询语句时无需重新编辑所述查询模板,因此,提高所述查询语句的生成效率,通过在所述映射关系表中运行所述查询语句,由于无需在所述映射关系表中逐个遍历所述案件编号,因此能够提高所述目标路径的确定效率,从而快速获取到所述案件信息。
抽取单元111对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息。
在本发明的至少一个实施例中,所述诉请信息是指起诉状中的诉讼请求。所述辩称信息是指答辩状中的辩论信息。所述证据信息是指所述起诉状及所述答辩状中的合同信息等。所述事实信息是指所述起诉状及所述答辩状中的事件描述。
在本发明的至少一个实施例中,所述抽取单元111对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息包括:
获取第一预设标识,并从所述案件信息中获取与所述第一预设标识对应的信息作为所述诉请信息;
获取第二预设标识,并从所述案件信息中获取与所述第二预设标识对应的信息作为所述辩称信息;
获取第三预设标识,并从所述案件信息中获取与所述第三预设标识对应的信息作为所述证据信息;
获取第四预设标识,并从所述案件信息中获取与所述第四预设标识对应的信息作为所述事实信息。
其中,所述第一预设标识用于指示所述诉请信息,例如,所述第一预设标识可以是诉讼请求标签。
所述第二预设标识用于指示所述辩称信息,例如,所述第二预设标识可以是辩称标签。
所述第三预设标识用于指示所述证据信息,例如,所述第三预设标识可以是合同标签。
所述第四预设标识用于指示所述事实信息,例如,所述第四预设标识可以是事实标签。
通过预设标识与特征信息的映射关系,能够准确地从所述案件信息中抽取到所述特征信息。
分类单元112对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别。
在本发明的至少一个实施例中,所述诉请类别是指所述诉请信息的类别,所述诉请类别可以是偿还本金、偿还利息、执行抵押物、承担连带责任、承担诉讼费用等中的任意一种或者多种类别。
所述辩称类别是指所述辩称信息的类别,所述辩称类别可以是利率过高等。
在本发明的至少一个实施例中,所述分类单元112对所述诉请信息进行分类处理,得到诉请类别包括:
对所述诉请信息进行分词处理,得到诉请分词;
获取所述诉请分词的编码向量;
将所述编码向量输入正向长短期记忆网络中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络中,得到第二向量;
拼接所述第一向量及所述第二向量,得到所述诉请分词的语义向量;
获取预设类型的类型向量,并计算所述语义向量与所述类型向量的相似度;
确定所述相似度最大的预设类型作为所述诉请类别。
其中,所述预设类型是指预先设置好的类型。所述预设类型可以包括,但不限于:偿还本金、偿还利息、执行抵押物、承担连带责任、承担诉讼费用等。
通过正向长短期记忆网络及反向长短期记忆网络对所述编码向量的处理,能够生成具有所述诉请分词上下文含义的语义向量,从而通过所述语义向量与所述类型向量的相似度计算,能够准确的从所述预设类型中确定除所述诉请类别。
具体地,所述分类单元112对所述诉请信息进行分词处理,得到诉请分词包括:
根据预设词典对所述诉请信息进行切分,得到多个切分路径及每个切分路径对应的路径分词;
根据所述多个切分路径构建多个有向无环图;
根据所述预设词典中的权值计算每个有向无环图的概率;
将所述概率最大的有向无环图对应的切分路径确定为目标路径;
将所述目标路径对应的路径分词确定为所述诉请分词。
其中,所述预设词典中存储有多个词汇及每个词汇的权值。
所述多个切分路径是指根据不同的切分方式对所述诉请信息进行切分后得到的路径。
通过上述实施方式,能够根据所述预设词典确定出所述多个切分路径,进而根据所述权值计算每个有向无环图的概率,从而根据所述概率能够准确的确定出所述诉请分词。
具体地,所述分类单元112根据所述多个切分路径构建多个有向无环图包括:
对于每个切分路径,将该切分路径对应的所述路径分词作为节点,并按照所述路径分词在所述诉请信息中的顺序拼接所述节点,得到所述多个有向无环图。
具体地,所述分类单元112根据所述预设词典中的权值计算每个有向无环图的概率包括:
对应每个有向无环图,从所述预设词典中获取该有向无环图中所述路径分词的权值,并计算所述权值的总和,得到所述概率。
进一步地,所述分类单元112可以从向量映射表中获取所述诉请分词的编码向量。
消岐单元113对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体。
在本发明的至少一个实施例中,所述诉请实体是指在所述预设法律知识图谱上与所述诉请类别具有映射关系的实体节点。所述辩称实体是指在所述预设法律知识图谱上与所述辩称类别具有映射关系的实体节点。
在本发明的至少一个实施例中,所述消岐单元113对所述诉请类别进行消歧处理,得到诉请实体包括:
获取所述诉请类别的向量作为诉请向量;
从预设法律知识图谱中获取每个实体节点的向量作为节点向量;
基于曼哈顿距离公式,计算所述诉请向量与所述节点向量的实体相似度;
若所述实体相似度大于或者等于预设阈值,将所述诉请类别确定为所述诉请实体;或者
若所述实体相似度小于所述预设阈值,删除所述诉请类别。
其中,所述预设法律知识图谱中多个实体节点及每个实体节点对应的节点向量。
通过上述实施方式,能够快速从所述预设法律知识图谱中获取到与所述诉请类别具有映射关系的实体节点,从而有利于案件判决结果的预测。
具体地,所述消岐单元113可以从所述向量映射表中获取与所述诉请类别对应的向量作为所述诉请向量。
在本发明的至少一个实施例中,所述消岐单元113对所述辩称类别进行消歧处理,得到辩称实体包括:
获取所述辩称类别的向量作为辩称向量;
计算所述辩称向量与所述节点向量的距离,得到运算相似度;
若所述运算相似度大于或者等于所述预设阈值,将所述辩称类别确定为所述辩称实体;或者
若所述运算相似度小于所述预设阈值,删除所述辩称类别。
生成单元114根据所述诉请实体及所述辩称实体生成争议焦点。
在本发明的至少一个实施例中,所述争议焦点是指所述案件信息中当事人双方存在的焦点问题,例如,所述争议焦点可以是:“利息是否超过法定利率”。
在本发明的至少一个实施例中,所述生成单元114根据所述诉请实体及所述辩称实体生成争议焦点包括:
提取所述诉请实体的第一关键字,并提取所述辩称实体的第二关键字;
以所述第一关键字及所述第二关键字在预设规则表中进行遍历匹配,所述预设规则表中存储有多个焦点与每个焦点对应的要素;
从所述预设规则表中提取同时与所述第一关键字及所述第二关键字匹配的焦点作为候选焦点;
确定所述案件分析请求的触发用户,并获取所述触发用户的终端设备;
将所述候选焦点发送至所述终端设备;
若检测到在所述终端设备上有任意候选焦点被触发,将所述任意候选焦点确定为所述争议焦点。
其中,所述第一关键字是指所述诉请实体中的特征,所述第二关键字是指所述辩称实体的特征。
通过所述第一关键字及所述第二关键字能够快速从所述预设规则表中确定出所述候选焦点,进而将所述候选焦点发送至所述终端设备,通过所述终端设备能够准确确定出所述争议焦点。
具体地,所述生成单元114确定所述案件分析请求的触发用户包括:
从所述数据信息中获取指示用户的信息作为身份识别码;
将与所述身份识别码对应的用户作为所述触发用户。
具体地,所述生成单元114获取所述触发用户的终端设备包括:
从终端配置表中获取与所述身份识别码对应的终端作为所述终端设备,所述终端配置表中存储有多个识别码与终端的映射关系。
所述获取单元110从预设法律知识图谱中获取与所述争议焦点对应的图谱路径。
在本发明的至少一个实施例中,所述预设法律知识图谱中包含有多个路径,所述图谱路径是指与所述争议焦点对应的路径。
在本发明的至少一个实施例中,在从预设法律知识图谱中获取与所述争议焦点对应的图谱路径之前,所述获取单元110获取历史判案数据;
识别单元115对所述历史判案数据进行实体识别,得到实体节点;
确定单元116根据预设法条确定所述节点对的节点关系,所述节点对包括任意两个所述实体节点;
所述确定单元116根据所述节点对及所述节点关系确定三元组;
构建单元117基于所述三元组构建所述预设法律知识图谱。
其中,所述历史判案数据中包括历史案件及该历史案件对应的判决结果。
通过对所述历史判案数据进行实体识别,能够准确生成所述实体节点,通过所述预设法条分析所述实体节点的关系,能够准确确定出所述节点关系,从而能够准确的确定出所述预设法律知识图谱。
所述生成单元114根据所述争议焦点、所述证据信息及所述事实信息生成审判要素。
在本发明的至少一个实施例中,所述审判要素是通过对所述争议焦点、所述证据信息及所述事实信息进行分析后得到的,例如,从证据信息(借款合同)中抽取出事实信息(约定年利率为10%),通过民间借贷的(争议焦点)“利息是否超过法定利率”的审判要素为:年利率。
在本发明的至少一个实施例中,所述生成单元114根据所述争议焦点、所述证据信息及所述事实信息生成审判要素包括:
获取所述证据信息的证据向量,并获取所述事实信息的事实向量;
对所述证据向量进行上下文特征提取,得到第一特征向量,并对所述事实向量进行上下文特征提取,得到第二特征向量;
获取所述争议焦点的焦点向量;
拼接所述焦点向量、所述第一特征向量及第二特征向量,得到目标特征向量;
将所述目标特征向量输入至要素抽取模型中,得到输出向量;
确定所述焦点向量的获取来源;
根据所述获取来源对所述输出向量进行映射处理,得到所述审判要素。
其中,所述获取来源是指对所述争议焦点进行向量化的映射表。
通过对所述证据向量进行上下文特征提取,能够生成具有上下文语义的第一特征向量,通过对所述事实向量进行上下文特征提取,能够生成具有上下文语义的第二特征向量,从而能够准确生成所述目标特征向量,由于所述焦点向量与所述输出向量的来源相同,因此通过所述获取来源能够准确的确定出所述审判要素。
所述获取单元110从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
需要强调的是,为进一步保证上述判决结果的私密和安全性,上述判决预测结果还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述判决预测结果是指对所述案件信息进行分析后得到的判决结果,通过所述判决预测结果能够辅助法院工作人员的工作。
在本发明的至少一个实施例中,在从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果后,所述获取单元110获取所述判决结果确定请求的请求编号;
所述生成单元114根据所述请求编号及所述判决预测结果生成提示信息;
加密单元118采用对称加密技术加密所述提示信息,得到密文;
发送单元119将所述密文发送至所述终端设备。
通过上述实施方式,能够及时将所述判决预测结果发送至所述终端设备,使所述触发用户能够及时接收到所述判决预测结果,通过对所述提示信息进行加密,避免所述判决预测结果被篡改,从而提高所述判决预测结果的安全性。
由以上技术方案可以看出,本发明通过对所述案件信息进行要素抽取,能够全面获取到所述诉请信息、所述辩称信息、所述证据信息及所述事实信息,进而通过对所述诉请信息及所述辩称信息进行分别分类处理及消歧处理,能够提高所述诉请实体及所述辩称实体的生成准确率,从而提高所述争议焦点的生成准确率,由于不同争议焦点对应有不同的审判规则,因此,通过所述争议焦点不仅能够从所述预设法律知识图谱中准确获取到所述图谱路径,还能够缩小所述判决预测结果的预测范围,从而提高所述判决预测结果的预测效率,通过所述审判要素能够从所述图谱路径中准确的预测出所述判决预测结果,从而有效辅助法院工作人员审理案件。
如图3所示,是本发明实现案件分析方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令,例如案件分析程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),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。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,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的,所述计算机可读指令可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如,所述计算机可读指令可以被分割成获取单元110、抽取单元111、分类单元112、消岐单元113、生成单元114、识别单元115、确定单元116、构建单元117、加密单元118及发送单元119。
所述存储器12可用于存储所述计算机可读指令和/或模块,所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器,例如:硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机可读指令包括计算机可读指令代码,所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1,所述电子设备1中的所述存储器12存储计算机可读指令实现一种案件分析方法,所述处理器13可执行所述计算机可读指令从而实现:
当接收到案件分析请求时,根据所述案件分析请求获取案件信息;
对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息;
对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别;
对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体;
根据所述诉请实体及所述辩称实体生成争议焦点;
从预设法律知识图谱中获取与所述争议焦点对应的图谱路径;
根据所述争议焦点、所述证据信息及所述事实信息生成审判要素;
从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
具体地,所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器13执行时用以实现以下步骤:
当接收到案件分析请求时,根据所述案件分析请求获取案件信息;
对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息;
对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别;
对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体;
根据所述诉请实体及所述辩称实体生成争议焦点;
从预设法律知识图谱中获取与所述争议焦点对应的图谱路径;
根据所述争议焦点、所述证据信息及所述事实信息生成审判要素;
从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种案件分析方法,其特征在于,所述案件分析方法包括:
当接收到案件分析请求时,根据所述案件分析请求获取案件信息,包括:从所述案件分析请求的报文中提取案件编号,基于映射关系表,识别出与所述案件编号对应的目标路径,并从所述目标路径中获取所有信息作为所述案件信息;
对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息;
对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别;
对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体;
根据所述诉请实体及所述辩称实体生成争议焦点,包括:提取所述诉请实体的第一关键字,并提取所述辩称实体的第二关键字;以所述第一关键字及所述第二关键字在预设规则表中进行遍历匹配,所述预设规则表中存储有多个焦点与每个焦点对应的要素;从所述预设规则表中提取同时与所述第一关键字及所述第二关键字匹配的焦点作为候选焦点;确定所述案件分析请求的触发用户,并获取所述触发用户的终端设备;将所述候选焦点发送至所述终端设备;若检测到在所述终端设备上有任意候选焦点被触发,将所述任意候选焦点确定为所述争议焦点;
从预设法律知识图谱中获取与所述争议焦点对应的图谱路径;
根据所述争议焦点、所述证据信息及所述事实信息生成审判要素;
从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
2.如权利要求1所述的案件分析方法,其特征在于,所述对所述诉请信息进行分类处理,得到诉请类别包括:
对所述诉请信息进行分词处理,得到诉请分词;
获取所述诉请分词的编码向量;
将所述编码向量输入正向长短期记忆网络中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络中,得到第二向量;
拼接所述第一向量及所述第二向量,得到所述诉请分词的语义向量;
获取预设类型的类型向量,并计算所述语义向量与所述类型向量的相似度;
确定所述相似度最大的预设类型作为所述诉请类别。
3.如权利要求2所述的案件分析方法,其特征在于,所述对所述诉请信息进行分词处理,得到诉请分词包括:
根据预设词典对所述诉请信息进行切分,得到多个切分路径及每个切分路径对应的路径分词;
根据所述多个切分路径构建多个有向无环图;
根据所述预设词典中的权值计算每个有向无环图的概率;
将所述概率最大的有向无环图对应的切分路径确定为目标路径;
将所述目标路径对应的路径分词确定为所述诉请分词。
4.如权利要求1所述的案件分析方法,其特征在于,所述对所述诉请类别进行消歧处理,得到诉请实体包括:
获取所述诉请类别的向量作为诉请向量;
从所述预设法律知识图谱中获取每个实体节点的向量作为节点向量;
基于曼哈顿距离公式,计算所述诉请向量与所述节点向量的实体相似度;
若所述实体相似度大于或者等于预设阈值,将所述诉请类别确定为所述诉请实体;或者
若所述实体相似度小于所述预设阈值,删除所述诉请类别。
5.如权利要求4所述的案件分析方法,其特征在于,在从预设法律知识图谱中获取与所述争议焦点对应的图谱路径之前,所述方法还包括:
获取历史判案数据;
对所述历史判案数据进行实体识别,得到所述实体节点;
根据预设法条确定所述节点对的节点关系,所述节点对包括任意两个所述实体节点;
根据所述节点对及所述节点关系确定三元组;
基于所述三元组构建所述预设法律知识图谱。
6.如权利要求1所述的案件分析方法,其特征在于,所述根据所述争议焦点、所述证据信息及所述事实信息生成审判要素包括:
获取所述证据信息的证据向量,并获取所述事实信息的事实向量;
对所述证据向量进行上下文特征提取,得到第一特征向量,并对所述事实向量进行上下文特征提取,得到第二特征向量;
获取所述争议焦点的焦点向量;
拼接所述焦点向量、所述第一特征向量及第二特征向量,得到目标特征向量;
将所述目标特征向量输入至要素抽取模型中,得到输出向量;
确定所述焦点向量的获取来源;
根据所述获取来源对所述输出向量进行映射处理,得到所述审判要素。
7.一种案件分析装置,其特征在于,所述案件分析装置包括:
获取单元,用于当接收到案件分析请求时,根据所述案件分析请求获取案件信息,包括:从所述案件分析请求的报文中提取案件编号,基于映射关系表,识别出与所述案件编号对应的目标路径,并从所述目标路径中获取所有信息作为所述案件信息;
抽取单元,用于对所述案件信息进行要素抽取,得到特征信息,所述特征信息包括诉请信息、辩称信息、证据信息及事实信息;
分类单元,用于对所述诉请信息进行分类处理,得到诉请类别,并对所述辩称信息进行分类处理,得到辩称类别;
消岐单元,用于对所述诉请类别进行消歧处理,得到诉请实体,并对所述辩称类别进行消歧处理,得到辩称实体;
生成单元,用于根据所述诉请实体及所述辩称实体生成争议焦点,包括:提取所述诉请实体的第一关键字,并提取所述辩称实体的第二关键字;以所述第一关键字及所述第二关键字在预设规则表中进行遍历匹配,所述预设规则表中存储有多个焦点与每个焦点对应的要素;从所述预设规则表中提取同时与所述第一关键字及所述第二关键字匹配的焦点作为候选焦点;确定所述案件分析请求的触发用户,并获取所述触发用户的终端设备;将所述候选焦点发送至所述终端设备;若检测到在所述终端设备上有任意候选焦点被触发,将所述任意候选焦点确定为所述争议焦点;
所述获取单元,还用于从预设法律知识图谱中获取与所述争议焦点对应的图谱路径;
所述生成单元,还用于根据所述争议焦点、所述证据信息及所述事实信息生成审判要素;
所述获取单元,还用于从所述图谱路径中获取与所述审判要素对应的结果作为判决预测结果。
8.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至6中任意一项所述的案件分析方法。
9.一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中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至6中任意一项所述的案件分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110385211.1A CN113032528B (zh) | 2021-04-09 | 2021-04-09 | 案件分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110385211.1A CN113032528B (zh) | 2021-04-09 | 2021-04-09 | 案件分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032528A CN113032528A (zh) | 2021-06-25 |
CN113032528B true CN113032528B (zh) | 2022-12-23 |
Family
ID=76456522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110385211.1A Active CN113032528B (zh) | 2021-04-09 | 2021-04-09 | 案件分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032528B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111753025A (zh) * | 2020-06-24 | 2020-10-09 | 南方科技大学 | 案件信息的自动获取方法、装置、设备和存储介质 |
CN113553347B (zh) * | 2021-08-09 | 2024-03-22 | 恒安嘉新(北京)科技股份公司 | 基于区块链的数据处理方法、装置、设备及存储介质 |
CN113868391B (zh) * | 2021-09-27 | 2024-05-07 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的法律文书生成方法、装置、设备及介质 |
CN116011428B (zh) * | 2023-03-22 | 2023-06-23 | 中国科学院大学 | 民事案件信息抽取与判决预测的方法、装置、介质和设备 |
CN117151868B (zh) * | 2023-10-25 | 2024-01-26 | 四川智筹科技有限公司 | 一种基于ai的分布式智能分案引擎的实现方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11222052B2 (en) * | 2011-02-22 | 2022-01-11 | Refinitiv Us Organization Llc | Machine learning-based relationship association and related discovery and |
CN110825879B (zh) * | 2019-09-18 | 2024-05-07 | 平安科技(深圳)有限公司 | 判案结果确定方法、装置、设备及计算机可读存储介质 |
CN110929039B (zh) * | 2019-10-18 | 2023-09-29 | 平安科技(深圳)有限公司 | 数据处理方法、装置、设备及存储介质 |
-
2021
- 2021-04-09 CN CN202110385211.1A patent/CN113032528B/zh active Active
Non-Patent Citations (1)
Title |
---|
实体关系抽取研究综述;刘绍毓等;《信息工程大学学报》;20161015(第05期);第541-547页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113032528A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113032528B (zh) | 案件分析方法、装置、设备及存储介质 | |
CN111694826A (zh) | 基于人工智能的数据增强方法、装置、电子设备及介质 | |
CN113408278B (zh) | 意图识别方法、装置、设备及存储介质 | |
CN113435196B (zh) | 意图识别方法、装置、设备及存储介质 | |
CN111639487A (zh) | 基于分类模型的字段抽取方法、装置、电子设备及介质 | |
CN113656547B (zh) | 文本匹配方法、装置、设备及存储介质 | |
CN113094478B (zh) | 表情回复方法、装置、设备及存储介质 | |
CN113064973A (zh) | 文本分类方法、装置、设备及存储介质 | |
CN113283675A (zh) | 指标数据分析方法、装置、设备及存储介质 | |
CN111986763A (zh) | 疾病数据分析方法、装置、电子设备及存储介质 | |
CN113536770B (zh) | 基于人工智能的文本解析方法、装置、设备及存储介质 | |
WO2021174923A1 (zh) | 概念词序列生成方法、装置、计算机设备及存储介质 | |
CN113342977A (zh) | 发票图像分类方法、装置、设备及存储介质 | |
CN113283389A (zh) | 手写文字质量检测方法、装置、设备及存储介质 | |
CN113326365B (zh) | 回复语句生成方法、装置、设备及存储介质 | |
CN112949305B (zh) | 负反馈信息采集方法、装置、设备及存储介质 | |
CN113420545B (zh) | 摘要生成方法、装置、设备及存储介质 | |
CN113627186B (zh) | 基于人工智能的实体关系检测方法及相关设备 | |
CN112989820B (zh) | 法律文书定位方法、装置、设备及存储介质 | |
CN113269179B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113705468A (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
CN113283677A (zh) | 指标数据处理方法、装置、设备及存储介质 | |
CN113420143B (zh) | 文书摘要生成方法、装置、设备及存储介质 | |
CN112199494A (zh) | 医疗信息搜索方法、装置、电子设备及存储介质 | |
CN112786041A (zh) | 语音处理方法及相关设备 |
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 |