CN113626700A - 律师推荐方法和系统及设备 - Google Patents
律师推荐方法和系统及设备 Download PDFInfo
- Publication number
- CN113626700A CN113626700A CN202110906952.XA CN202110906952A CN113626700A CN 113626700 A CN113626700 A CN 113626700A CN 202110906952 A CN202110906952 A CN 202110906952A CN 113626700 A CN113626700 A CN 113626700A
- Authority
- CN
- China
- Prior art keywords
- case
- lawyers
- referee
- retrieved
- database
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 67
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- 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
- G06F16/353—Clustering; Classification into predefined classes
-
- 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)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种律师推荐方法和系统及设备。方法包括:从用户输入数据中提取案情描述和筛选项内容,筛选项内容至少包括案件类型和案由类型;将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书并按相似度排序;从所述多篇相似裁判文书中找到作为对应案件委托代理人的多名律师,获取所述多名律师的律师信息及在所述案由类型下的律师评级;基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下各自的律师评级,筛选最终的推荐律师。本发明方法,提高了检索裁判文书的效率,提高了推荐律师的准确度。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种律师推荐方法和系统及设备。
背景技术
现有技术中,律师推荐方法一般是先获取案情描述信息,再基于案情描述信息从裁判文书数据库中检索获取满足预设相似度的目标裁判文书,最后从目标裁判文书中的律师中获得用于推荐给用户的至少一个推荐律师。
现有技术的问题在于,一旦输入的案情描述信息过长,或者数据库内文书量大,则会面临检索瓶颈,无法快速检索出结果。另外,现有技术是依据检索结果中的律师排序作为第一因素得到推荐结果,或者,将律师、律所的胜诉率作为第二因素,综合得到最终的推荐结果,但是,该种方式得到的律师推荐结果,准确度不高。
发明内容
本发明的目的在于,提供一种律师推荐方法和系统及设备,以提高裁判文书检索效率,提高律师推荐准确度。
为实现上述目的,本发明第一方面提供一种律师推荐方法,包括:从用户输入数据中提取案情描述和筛选项内容,所述筛选项内容至少包括案件类型和案由类型;将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书并按相似度排序;从所述多篇相似裁判文书中找到作为对应案件委托代理人的多名律师,获取所述多名律师的律师信息及在所述案由类型下的律师评级;基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下的律师评级,筛选最终的推荐律师。
可选的,所述方法还包括:预先提供待检索数据库,该待检索数据库中存储裁判文书相关内容,包括:裁判文书编号、案件类型、案由类型、一项或多项用户输入筛选项、律师信息、律师评级、以及用于检索的摘要;其中,所述律师评级是针对不同的案由类型、基于多种因素综合判定得到,多种因素包括办案数量、办案结果、诉讼地位、案件价值中的全部或部分。
其中,计算律师评级所依据的多种因素的数据,可从律师所办理案件的裁判文书中获取。多种因素中,办案数量是指律师承办某一案由类型的案件的数量。办案结果是指案件审理的结果,包括胜诉、部分胜诉、败诉等。诉讼地位是指律师代理当事人的诉讼地位,如主办律师、协办律师等。用来评估、表示案件价值的数据包括但不限于标的金额、审判层级等。
可选的,预先提供待检索数据库包括:提取裁判文书中的案件类型、案由类型、用户输入筛选项;按照案件类型、案由类型、部分或全部用户输入筛选项,将全部的裁判文书分为多个类别;将裁判文书的全文作为全文摘要或者对全文进行总结形成全文摘要;对裁判文书的全文内容进行处理,通过提取关键内容或者进行总结,形成原告摘要和被告摘要;将包括裁判文书编号、全文摘要、原告摘要和被告摘要的裁判文书相关内容,按照多个类别保存,形成待检索数据库。其中,原告摘要可以由原告述称内容构成,当没有原告述称内容时,可通过对全文内容处理总结形成;被告摘要可以由被告述称内容构成,当没有被告述称内容时,可通过对全文内容处理总结形成。
可选的,按照多个类别保存,形成待检索数据库,包括:设置多个待检索数据库,每个待检索数据库存储一个类别的裁判文书相关内容;相应的,将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配之前,还包括:根据筛选项内容选定对应的待检索数据库,从对应的待检索数据库中选定最终检索的裁判文书。
可选的,对于个别类别裁判文书相关内容数据量超过某个阈值的,可以依据案件起诉地或审判程序等增加的筛选项再进一步细分;相应的,但每增加一个筛选项,用户输入数据中应纳入相同的筛选项内容,以便在检索裁判文书时能够对应到增加的类别。
可选的,将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书且按相似度排序,包括:首先根据用户输入数据确定用户身份是原告或是被告;用户身份是原告的,将所述案情描述与待检索数据库中各裁判文书的原告摘要进行相似度匹配,没有原告摘要的裁判文书不检索;用户身份是被告的,将所述案情描述与待检索数据库中各裁判文书的被告摘要进行相似度匹配,没有被告摘要的裁判文书不检索;无法确定用户身份的,将所述案情描述输入事先用原告摘要和被告摘要进行训练形成的分类数据库,得到案情描述的分类结果,从而确定用户身份;或者,直接将所述案情描述与待检索数据库中各裁判文书的全文摘要进行相似度匹配;匹配结束后获得依据相似度排序的所述多篇相似裁判文书的编号。其中,匹配算法可以采用现有的任一种算法。
可选的,根据用户输入数据确定用户身份是原告或是被告包括:在筛选项内容中增设表示原告或被告身份的内容,或者,对案情描述进行预判,通过确定案情描述为原告信息描述或者被告信息描述,确定用户是原告或是被告。
可选的,筛选最终的推荐律师包括:根据所述多篇相似裁判文书的相似度排序结果以及所述多名律师各自代理所述多篇相似裁判文书的数量,加权形成律师的类案经验排序;根据所述多名律师在所述案由类型下的律师评级,对所述律师的类案经验排序进行修正;按照调整后的律师排序,筛选出最终的推荐律师。
可选的,根据所述多名律师在所述案由类型下的律师评级,对所述律师的类案经验排序进行修正,包括:将所述多名律师依据类案经验排序从高到低分为多个组;在每组内依据律师评级对律师进行排序,组内律师评级越高,排名越高;若组内有相同律师评级的,则获取用于计算律师评级的律师综合得分,对于组内相同律师评级的,律师综合得分高越高,组内排名越高。进一步的,最终筛选律师时可结合所在地区,优先选择律师注册地与用户所在地区一致的律师。可选的,综合得分的打分规则可以是基于评级原则,对律师进行打分的任何规则。
本发明第二方面提供一种律师推荐系统,包括:获取模块,用于从用户输入数据中提取案情描述和筛选项内容,所述筛选项内容至少包括案件类型和案由类型;文书检索模块,用于将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书并按相似度排序;律师查询模块,用于从所述多篇相似裁判文书中找到作为对应案件的委托代理人的多名律师,获取所述多名律师的律师信息以及所述多名律师在所述案由类型下的律师评级;律师推荐模块,用于基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下的律师评级,筛选最终的推荐律师。
本发明第三方面提供一种计算机设备,包括处理器和存储器,所述存储器中存储有程序,所述程序包括计算机执行指令,当所述计算机设备运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述计算机设备执行如第一方面所述的律师推荐方法。
从以上技术方案可以看出,本发明实施例具有以下优点:
(1)检索裁判文书时,只需要将案情描述与文书数据库中属于同一案由类型的各裁判文书的摘要进行相似度匹配,大大提高了检索裁判文书的效率。
(2)进行律师推荐时,综合考虑检索到的多篇相似裁判文书的相似度排序、律师各自代理所述多篇相似裁判文书的数量、以及律师在同一案由类型下的律师评级,大大提高了推荐律师的准确度。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种律师推荐方法的流程示意图;
图2是本发明实施例提供的一种律师推荐系统的结构示意图;
图3是本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同的对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。
现有技术中,裁判文书检索效率和律师推荐准确度均不高。分析发现,现有技术中检索文书效率不高的原因在于,检索时是将案情描述信息与数据库中全部裁判文书的全文进行比较,计算量大。现有技术中律师推荐结果准确度不高的原因在于:裁判文书中出现的律师身份有差异,比如专职律师、律师助理和实习律师,对案件的贡献不同;而且,律师的胜诉率和律所胜诉率,很难反映律师对当事人(用户)查询案件的办案能力。
针对上述问题,本发明实施例提供一种律师推荐方法。请参考图1,该律师推荐方法包括以下步骤:
11、从用户输入数据中提取案情描述和筛选项内容,筛选项内容至少包括案件类型和案由类型;
12、将所述案情描述与文书数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到满足筛选条件的多篇相似裁判并按相似度排序;
13、从所述多篇相似裁判文书中找到作为对应案件的委托代理人的多名律师,获取所述多名律师的律师信息以及所述多名律师在所述案由类型下各自的律师评级;
14、基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下各自的律师评级,筛选最终的推荐律师。
该方法有助于提高文书检索效率和律师推荐准确度,解决现有技术问题。
下面,通过具体实施例,对本发明方法作进一步详细的说明,流程如下。
S1.预设筛选项。
预设的筛选项可包括案件类型、案由类型、所在地区、用户(当事人)身份等。其中,案件类型分为民事案件、刑事案件等,实际应用中,可选择将该项设成默认为民事案件。针对民事案件,案由类型可以根据《民事案件案由规定》等法规确定,可具体到第二级案由,如第一级案由人格权纠纷之下可细分为生命权、身体权、健康权纠纷、姓名权纠纷、名誉权纠纷等第二级案由。所在地区可以具体到省级行政区或者地市级行政区甚至县级行政区。当事人身份是指作为原告或被告。具体实施中,筛选项可以包括以上列举的几项中的全部或部分,也可以进一步包括一些未被列举的其他选项,至少应包括案由类型。
S2.对裁判文书数据进行预处理。
(1)提取裁判文书数据中的案件类型、案由类型以及其它必要的用户输入筛选项数据,例如还可以进一步包括起诉法院等。包括起诉法院时,进一步将起诉法院按照所在地区进行省和市级行政区对应,以确定所在地区。然后,按照案件类型、案由类型、部分或全部用户输入筛选项对全部裁判文书进行分类,以民事案件为例,可按照民事案件、案由类型、所在地区等,将全部裁判文书分为多个类别。
(2)将裁判文书的全文内容进行处理形成摘要,用于后续相似度匹配。摘要包括原告摘要和被告摘要以及全文摘要中的部分或全部。其中,可以将裁判文书的全文作为全文摘要或者对全文进行总结形成全文摘要。可以通过提取关键内容或者进行总结,形成原告摘要和被告摘要。具体的,可以提取裁判文书中表示原告对案情描述的内容即原告述称内容,作为原告摘要;当没有原告述称内容时,可通过对全文内容处理总结形成原告摘要。同时,可提取被告对案情的描述即被告述称内容,作为被告摘要;当没有原告述称内容时,可通过对全文内容处理总结形成被告摘要。
(3)将包括裁判文书的编号、全文摘要、原告摘要和被告摘要等裁判文书相关内容,按照多个类别保存,形成待检索数据库。
可选的,可以设置多个待检索数据库,每个待检索数据库存储一个类别的裁判文书相关内容;若其中有一个或多个待检索数据库的数据量少于设定阈值,则对数据量少于设定阈值的待检索数据库进行合并处理,使最终每个待检索数据库中数据量差距在设定范围内。也就是说,确保分类后每个类别的案件数量具有相同数量级,同时,确保用户每个筛选后能对应唯一的分类。
S3.对律师数据进行预处理。
(1)提取裁判文书中的律师信息,包括律师名称、律所名称、律师代理身份等。律师代理身份是指作为原告的委托代理人或是被告的委托代理人。并且,依据律师名称和/或律所名称获得律师注册地。
(2)提取裁判文书中的编号、案由类型、案件价值、办案结果、诉讼地位等数据。提取的案由类型可用来与筛选条件的案由进行匹配,确保每个筛选案由作为一个独立的律师评价维度。办案数量是指律师承办某一案由类型的案件的数量。诉讼地位是指律师代理当事人的诉讼地位,例如主办律师或者协办律师等。案件价值可以由案件标的金额、审判层级乃至于当事人情况例如企业规模、营业额等数据表示、确定。办案结果可包括胜诉、部分胜诉、败诉等。
(3)统计各律师在各案由类型下的办案数量。可选的,可以仅选择统计数量排序靠前一定比例的律师作为入选律师,用于形成律师数据库。
(4)计算律师在各案由类型下的律师评级,律师评级基于多种因素综合判定得到,多种因素包括办案数量、办案结果、诉讼地位、案件价值等因素中的部分或全部。可选的,律师评级可以由高到低将律师评委三到五个等级。
(5)将律师信息和裁判文书的编号以及不同案由类型下的律师评级进行关联,保存于待检索数据库中。
最终的待检索数据库,可以是一个数据库,也可以是多个数据库的组合。该待检索数据库中存储裁判文书相关内容,具体可包括:裁判文书编号、案件类型、案由类型、用户输入筛选项、律师信息、律师评级、以及用于检索的摘要等。
S4.文书检索。
可在客户端提供输入界面供用户例如当事人输入检索数据。输入界面可设有筛选项,其中可包括一个或多个必选筛选项,例如案件类型、案由类型、所在地区和当事人身份;还可进一步设有一个或多个可选筛选项。
当事人完成预设必选筛选项后,可选填可选筛选项,并输入案情描述。系统从用户输入数据中提取案情描述和包括案件类型、案由类型在内的筛选项内容后,首先可根据筛选项内容找出对应的待检索数据库,选定待检索数据库中最终检索的裁判文书;然后可根据用户输入数据确定用户身份是原告或是被告。确定用户身份的方式可有多种,例如一种方式为:在筛选项内容中增设表示原告或被告身份的内容,另一种方式为:对案情描述进行预判,通过确定案情描述为原告信息描述或者被告信息描述,确定用户是原告或是被告。
然后进行匹配计算,包括:用户身份是原告的,将案情描述与该类别待检索数据库中属于所述案由类型的裁判文书的原告摘要进行相似度计算(匹配),没有原告摘要的裁判文书不检索;用户身份是被告的,将所述案情描述与该类别待检索数据库中属于所述案由类型的各裁判文书的被告摘要进行相似度匹配,没有被告摘要的裁判文书不检索;无法确定用户身份的,可以将所述案情描述输入事先用原告摘要和被告摘要进行训练形成的分类数据库,得到案情描述的分类结果,从而确定用户身份;或者,可以直接将所述案情描述与该类别待检索数据库中属于所述案由类型的各裁判文书的全文摘要进行相似度匹配。可选的,可选择ES(Elasticsearch)或者其它相似度匹配算法进行相似度计算。本文对于采用的匹配算法不予限制。
匹配结束后,最终得到按照相似度排序打分排名的多篇相似裁判文书及其各自的编号。
S5.律师推荐。
系统根据上一步骤检索得到的多篇相似裁判文书的编号(id),去待检索数据库中通过索引,可快速查找到作为委托代理人、承办该编号裁判文书对应案件的律师,或者说,与检索得到的裁判文书的编号相关联的律师。通过裁判文书的编号到律师数据库中通过索引查找律师,充分利用了关系型数据库的检索优势,加快了检索速度。
然后,基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下各自的律师评级,筛选最终的推荐律师。
一些实施例中,筛选最终的推荐律师的实现方式可包括:
首先,根据所述多篇相似裁判文书的相似度排序结果以及所述多名律师各自代理所述多篇相似裁判文书的数量,加权形成律师的类案经验排序。可选的,可根据所述多篇文书的相似度排序确定所述多名律师的第一排序,可根据所述多名律师各自代理所述多篇相似裁判文书的数量确定所述多名律师的第二排序,基于所述第一排序和所述第二排序进行加权排序,得到律师的类案经验排序。
然后,根据所述多名律师在所述案由类型下各自的律师评级,对所述律师的类案经验排序进行修正。可选的,修正方法可以包括:将所述多名律师依据类案经验排序从高到低分为多个组,例如十人一组;在每组内依据律师评级对律师进行排序,组内律师评级越高,排名越高;若组内有相同律师评级的,则获取用于计算律师评级的律师综合得分,对于组内相同律师评级的,律师综合得分高越高,组内排名越高。
最后,按照修正后的律师排序,筛选出最终的推荐律师。例如筛选出最终排名靠前的若干位律师作为推荐律师。可选的,考虑到地区不同,在筛选最终的推荐律师时,可进一步比较律师注册地与当事人所在地区是否一致,将不一致的律师排除掉,一致的律师才予以推荐。
以上,对本发明实施例提供的一种律师推荐方法进行了说明。
请参考图2,本发明实施例还提供一种律师推荐系统,包括:
获取模块21,用于从用户输入数据中提取案情描述和筛选项内容,筛选项内容至少包括案件类型和案由类型;
文书检索模块22,用于将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书并按相似度排序;
律师查询模块23,用于从所述多篇相似裁判文书中找到作为对应案件委托代理人的多名律师,获取所述多名律师的律师信息以及所述多名律师在所述案由类型下各自的律师评级;
律师推荐模块24,用于基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下各自的律师评级,筛选最终的推荐律师。
请参考图3,本发明实施例还提供一种计算机设备30,包括处理器31和存储器32,所述存储器32中存储有程序,所述程序包括计算机执行指令,当所述计算机设备30运行时,所述处理器31执行所述存储器32存储的所述计算机执行指令,以使所述计算机设备30执行如上文所述的律师推荐方法。
本发明实施例还提供一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括计算机执行指令,所述计算机执行指令当被计算机设备执行时,使所述计算机设备执行如上文所述的律师推荐方法。
综上,本发明实施例公开了一种律师推荐方法和系统及设备,其采用的主要技术改进及实现的有益效果如下:
(1)预先设置筛选项,并对裁判文书数据进行预处理,包括:依据用户可能筛选的组合,对裁判文书数据进行分类存储;以及,将裁判文书数据库中的文书全文简化成摘要,摘要采用的是裁判文书中与案情描述最接近的语料段。同时,对客户端输入界面进行调整,增加筛选项,当事人除了需要输入案情描述,还需要输入筛选项内容。于是,检索时可根据从用户输入数据提取的筛选项内容快速找到对应类别的裁判文书,后续只需要与该类别的裁判文书进行相似度匹配,而不需要与全部裁判文书进行相似度匹配。并且,进行相似度匹配时,不需要与裁判文书全文匹配,而是只需要与摘要进行匹配。从而可以有效减少计算量,大大提高检索裁判文书的效率。
(2)对律师数据进行预处理,包括:根据律师在某一类案由类型下的办案数量、诉讼地位、案件价值和办案结果等因素对律师进行分类律师评级。后续,在依据检索出的多篇相似裁判文书从律师数据库中找出关联的多名律师后,可先根据所述多篇相似裁判文书的相似度排序以及所述多名律师各自代理所述多篇相似裁判文书的数量加权确定一个律师类案经验排序,再根据律师评级对律师类案经验排序进行修正。由于律师评级是结合律师的办案数量、诉讼地位、案件价值、办案结果等多种因素做出的,从而可以大大提高推荐律师的准确度。
以上,通过具体实施例对本发明的技术方案进行了详细说明。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
应当理解,上述各实施例仅用以说明本发明的技术方案,而非对其限制;本领域的普通技术人员,可以对上述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和保护范围。
Claims (10)
1.一种律师推荐方法,其特征在于,包括:
从用户输入数据中提取案情描述和筛选项内容,所述筛选项内容至少包括案件类型和案由类型;
将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书并按相似度排序;
从所述多篇相似裁判文书中找到作为对应案件委托代理人的多名律师,获取所述多名律师的律师信息及在所述案由类型下的律师评级;
基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下的律师评级,筛选最终的推荐律师。
2.根据权利要求1所述的方法,其特征在于,还包括:
预先提供待检索数据库,该待检索数据库中存储裁判文书相关内容,包括:裁判文书编号、案件类型、案由类型、用户输入筛选项、律师信息、律师评级、以及用于检索的摘要;其中,所述律师评级是针对不同的案由类型、基于多种因素综合判定得到,多种因素包括办案数量、办案结果、诉讼地位、案件价值中的全部或部分。
3.根据权利要求2所述的方法,其特征在于,预先提供待检索数据库包括:
提取裁判文书中的案件类型、案由类型、用户输入筛选项;
按照案件类型、案由类型,将全部的裁判文书分为多个类别;
将裁判文书的全文作为全文摘要或者对全文进行总结形成全文摘要;
对裁判文书的全文内容进行处理,通过提取关键内容或者进行总结,形成原告摘要和被告摘要;
将包括裁判文书编号、全文摘要、原告摘要和被告摘要的裁判文书相关内容,按照所述多个类别保存,形成待检索数据库。
4.根据权利要求3所述的方法,其特征在于,
按照所述多个类别保存,形成待检索数据库,包括:设置多个待检索数据库,每个待检索数据库存储一个类别的裁判文书相关内容;
将所述案情描述与待检索数据库中各裁判文书的摘要进行相似度匹配之前,还包括:根据筛选项内容选定待检索数据库中最终检索的裁判文书。
5.根据权利要求3所述的方法,其特征在于,将所述案情描述与待检索数据库中各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书且按相似度排序,包括:
首先根据用户输入数据确定用户身份是原告或是被告;
用户身份是原告的,将所述案情描述与待检索数据库中各裁判文书的原告摘要进行相似度匹配,没有原告摘要的裁判文书不检索;
用户身份是被告的,将所述案情描述与待检索数据库中各裁判文书的被告摘要进行相似度匹配,没有被告摘要的裁判文书不检索;
无法确定用户身份的,将所述案情描述输入事先用原告摘要和被告摘要进行训练形成的分类数据库,得到案情描述的分类结果,从而确定用户身份;或者,直接将所述案情描述与待检索数据库中各裁判文书的全文摘要进行相似度匹配;
匹配结束后获得依据相似度排序的所述多篇相似裁判文书的编号。
6.根据权利要求5所述的方法,其特征在于,根据用户输入数据确定用户身份是原告或是被告包括:
在筛选项内容中增设表示原告或被告身份的内容,或者,对案情描述进行预判,通过确定案情描述为原告信息描述或者被告信息描述,确定用户是原告或是被告。
7.根据权利要求1-6中任一项所述的方法,其特征在于,筛选最终的推荐律师包括:
根据所述多篇相似裁判文书的相似度排序结果以及所述多名律师各自代理所述多篇相似裁判文书的数量,加权形成律师的类案经验排序;
根据所述多名律师在所述案由类型下的律师评级,对所述律师的类案经验排序进行修正;
按照修正后的律师排序,筛选出最终的推荐律师。
8.根据权利要求7所述的方法,其特征在于,根据所述多名律师在所述案由类型下的律师评级,对所述律师的类案经验排序进行修正,包括:
将所述多名律师依据类案经验排序从高到低分为多个组;
在每组内依据律师评级对律师进行排序,组内律师评级越高,排名越高;若组内有相同律师评级的,则获取用于计算律师评级的律师综合得分,对于组内相同律师评级的,律师综合得分高越高,排名越高。
9.一种律师推荐系统,其特征在于,包括:
获取模块,用于从用户输入数据中提取案情描述和筛选项内容,所述筛选项内容至少包括案件类型和案由类型;
文书检索模块,用于将所述案情描述与待检索数据库中属于所述案由类型的各裁判文书的摘要进行相似度匹配,筛选得到多篇相似裁判文书并按相似度排序;
律师查询模块,用于从多篇相似裁判文书中找到作为对应案件委托代理人的多名律师,获取所述多名律师的律师信息及在所述案由类型下的律师评级;
律师推荐模块,用于基于所述多篇相似裁判文书的相似度排序、所述多名律师各自代理所述多篇相似裁判文书的数量、以及所述多名律师在所述案由类型下的律师评级,筛选最终的推荐律师。
10.一种计算机设备,包括处理器和存储器,所述存储器中存储有程序,所述程序包括计算机执行指令,当所述计算机设备运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述计算机设备执行如权利要求1所述的律师推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110906952.XA CN113626700B (zh) | 2021-08-09 | 2021-08-09 | 律师推荐方法和系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110906952.XA CN113626700B (zh) | 2021-08-09 | 2021-08-09 | 律师推荐方法和系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113626700A true CN113626700A (zh) | 2021-11-09 |
CN113626700B CN113626700B (zh) | 2023-08-22 |
Family
ID=78383547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110906952.XA Active CN113626700B (zh) | 2021-08-09 | 2021-08-09 | 律师推荐方法和系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113626700B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114358983A (zh) * | 2021-12-27 | 2022-04-15 | 北京金堤科技有限公司 | 律师推荐方法、装置以及可读存储介质 |
US20220138662A1 (en) * | 2020-11-05 | 2022-05-05 | Shakeel Mustafa | Methods and systems for attorneys ranking based on their historic work-related performance. |
CN115759692A (zh) * | 2022-12-01 | 2023-03-07 | 徐玉峰 | 一种基于二维码的调解员分配方法、系统、介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090254971A1 (en) * | 1999-10-27 | 2009-10-08 | Pinpoint, Incorporated | Secure data interchange |
CN107292776A (zh) * | 2017-06-12 | 2017-10-24 | 武汉康慧然信息技术咨询有限公司 | 基于身份识别的法律推荐方法及系统 |
CN107423374A (zh) * | 2017-07-06 | 2017-12-01 | 武汉康慧然信息技术咨询有限公司 | 基于分类标注的法律推荐方法及系统 |
CN107563912A (zh) * | 2017-08-29 | 2018-01-09 | 广东蔚海数问大数据科技有限公司 | 一种律师推荐方法及系统 |
CN109409645A (zh) * | 2018-09-07 | 2019-03-01 | 平安科技(深圳)有限公司 | 电子装置、律师推荐的方法及存储介质 |
-
2021
- 2021-08-09 CN CN202110906952.XA patent/CN113626700B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090254971A1 (en) * | 1999-10-27 | 2009-10-08 | Pinpoint, Incorporated | Secure data interchange |
CN107292776A (zh) * | 2017-06-12 | 2017-10-24 | 武汉康慧然信息技术咨询有限公司 | 基于身份识别的法律推荐方法及系统 |
CN107423374A (zh) * | 2017-07-06 | 2017-12-01 | 武汉康慧然信息技术咨询有限公司 | 基于分类标注的法律推荐方法及系统 |
CN107563912A (zh) * | 2017-08-29 | 2018-01-09 | 广东蔚海数问大数据科技有限公司 | 一种律师推荐方法及系统 |
CN109409645A (zh) * | 2018-09-07 | 2019-03-01 | 平安科技(深圳)有限公司 | 电子装置、律师推荐的方法及存储介质 |
Non-Patent Citations (3)
Title |
---|
ZIHAN HUANG等: "contex-aware legal citation recommendation using deep learning", PROCEEDINGS OF THE EIGHTEENTH INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE AND LAW, pages 79 - 88 * |
李鑫;王世坤;: "要素式审判的理论分析与智能化系统研发", 武汉科技大学学报(社会科学版), vol. 23, no. 03, pages 323 - 334 * |
汪海鹏;郑扬飞;: "基于特征值的律师推荐算法及改进方案", 计算机与现代化, no. 10, pages 18 - 21 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220138662A1 (en) * | 2020-11-05 | 2022-05-05 | Shakeel Mustafa | Methods and systems for attorneys ranking based on their historic work-related performance. |
CN114358983A (zh) * | 2021-12-27 | 2022-04-15 | 北京金堤科技有限公司 | 律师推荐方法、装置以及可读存储介质 |
CN115759692A (zh) * | 2022-12-01 | 2023-03-07 | 徐玉峰 | 一种基于二维码的调解员分配方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113626700B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113626700A (zh) | 律师推荐方法和系统及设备 | |
CN104063523B (zh) | 一种电子商务搜索评分与排名的方法及系统 | |
US9542483B2 (en) | Computer-implemented system and method for visually suggesting classification for inclusion-based cluster spines | |
CN105787025B (zh) | 网络平台公共账号分类方法及装置 | |
CN103186550A (zh) | 一种视频的相关视频列表的生成方法及系统 | |
CN106156372B (zh) | 一种互联网网站的分类方法及装置 | |
CN105653671A (zh) | 相似信息推荐方法及系统 | |
CN110471948A (zh) | 一种基于历史数据挖掘的海关报关商品智能归类方法 | |
CN104077407B (zh) | 一种智能数据搜索系统及方法 | |
KR20150142070A (ko) | 문서 분류 시스템, 문서 분류 방법 및 문서 분류 프로그램 | |
CN110968800B (zh) | 一种信息推荐方法、装置、电子设备及可读存储介质 | |
US10387805B2 (en) | System and method for ranking news feeds | |
CN111506727B (zh) | 文本内容类别获取方法、装置、计算机设备和存储介质 | |
CN107247743A (zh) | 一种司法类案检索方法及系统 | |
CN106649849A (zh) | 文本信息库建立方法和装置、以及搜索方法、装置和系统 | |
KR101067846B1 (ko) | 특허 평가 시스템 및 그 방법, 이를 구현하기 위한 프로그램을 기록한 디지털 처리장치가 판독 가능한 기록매체 | |
CN109063171B (zh) | 基于语义的资源匹配方法 | |
CN107122438A (zh) | 一种司法案件检索方法及系统 | |
CN110569273A (zh) | 一种基于相关性排序的专利检索系统及方法 | |
CN109376182A (zh) | 基于计算机软件系统实现关联公司识别处理的方法 | |
CN107423374B (zh) | 基于分类标注的法律推荐方法及系统 | |
CN113918705A (zh) | 带有预警和推荐功能的投稿审核方法及系统 | |
TW201508525A (zh) | 文件分類系統、文件分類方法及文件分類程式 | |
CN113592197A (zh) | 一种家政服务推荐系统及方法 | |
CN116049368B (zh) | 一种基于法律文本矢量分析的内容抓取系统 |
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 |