CN114637849B - 基于人工智能的法律关系认知方法及系统 - Google Patents
基于人工智能的法律关系认知方法及系统 Download PDFInfo
- Publication number
- CN114637849B CN114637849B CN202210279160.9A CN202210279160A CN114637849B CN 114637849 B CN114637849 B CN 114637849B CN 202210279160 A CN202210279160 A CN 202210279160A CN 114637849 B CN114637849 B CN 114637849B
- Authority
- CN
- China
- Prior art keywords
- proposal
- legal
- rule
- small
- big
- 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
- 230000019771 cognition Effects 0.000 title claims abstract description 57
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000001502 supplementing effect Effects 0.000 claims abstract description 14
- 238000012986 modification Methods 0.000 claims description 31
- 230000004048 modification Effects 0.000 claims description 31
- 238000003058 natural language processing Methods 0.000 claims description 10
- 230000001149 cognitive effect Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 3
- 210000005079 cognition system Anatomy 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F16/35—Clustering; Classification
-
- 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)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于信息处理领域，具体涉及一种基于人工智能的法律关系认知方法及系统，其包括小前提案件收集单元、小前提案件分类单元和若干个案件处理单元，还包括大前提法律规则补充单元、大前提法律规则数据库和若干个法律规则参数修改单元，还包括融合认知判断单元，所述的小前提案件收集单元、小前提案件分类单元之间连接，所述的小前提案件分类单元与若干个案件处理单元均连接，所述的融合认知判断单元与若干个案件处理单元均连接；所述的大前提法律规则补充单元、大前提法律规则数据库之间连接，所述的大前提法律规则数据库与若干个法律规则参数修改单元均连接，所述的融合认知判断单元与若干个法律规则参数修改单元均连接。
Description
技术领域
本发明属于信息处理领域，具体涉及一种基于人工智能的法律关系认知方法及系统。
背景技术
一般的，法律关系是指法律规范在调整人们的行为过程中所形成的具有法律上权利义务形式的社会关系。在法律领域中对于法律关系的判断一般从小前提、大前提作为基础进行判断，其中的小前提即案件具体内容，其中的大前提主要为不同的法律背景和规则，比如采用的法系不同或法律角度不同则大前提也不一样，在确定小前提、大前提之后进行判断，在具体的判断上现有技术中也有一些相关的技术对于法律关系认知具有意义，比如，中国专利文献CN201710476566.5即公开了一种基于强化学习的法律认知方法其主要包括，步骤1：调用法律知识图谱，获得法律概念；步骤2：对所述法律概念进行置信度评价，获得法律认知结果；步骤3：构建所述法律认知结果的评估网络；步骤4：通过所述评估网络，反馈并强化所述法律知识图谱。所述评估网络通过用户对法律认知结果进行评判，如果认可，则给法律认知结果所包括的实体或者关系为正面激励，如果不认可，则给所述实现或者关系为负面激励；或者将法律认知结果反馈给法律规则引擎，由所述法律规则引擎装置自动验证，如果验证正常通过，则给所述实体或者关系为正面激励，如果错误或者不通过，则给所述实体或者关系为负面激励。所述评估网络获取由用户或法律规则引擎装置给出的评估结果，并将其反馈给所述法律知识图谱，由所述法律知识图谱进行验证，如果通过，则所述置信度评价包括的评价规则权重增加，如果不通过，则所述置信度评价包括的评价规则权重减少，重复步骤4，当反馈结果满足所述法律知识图谱的要求时停止重复步骤4。所述要求为当权重变化量小于指定值时，停止步骤4。通过自然语言处理抽取得到文本特征、法律知识特征和/或法律概念，识别法律知识点，并通过法律概念框架建立法律知识点的关联，并将已进行关联处理的法律知识点存储于法律知识图谱。所述自然语言处理包括对法律文本内容进行预处理，所述预处理包括了对法律文本信息进行分段、分句和分词，利用法律属性抽取模型，对分词后的文本信息进行法律文本属性特征的识别，并结合法律法规库形成法律规则集合。上述的技术或者类似的技术对于使用数据处理技术帮助法律关系的认知确实有一些作用，但是实际法律关系的认知判断更加复杂，尤其在实际的法律事务中，大前提为不同的法律背景和规则，很多情况中对于同一个小前提案件的判断使用不同的大前提判断认知往往具有非常大的区别的，所以现有技术中法律工作者经常需要考虑在不同的大前提同时存在的情况中怎么融合判断认知法律关系，通过人工完成的效率非常低而且也缺乏系统性和科学性，但是基于人工智能的数据处理中目前还没有类似的技术。
发明内容
为了克服现有的技术存在的不足，本发明提供一种基于人工智能的法律关系认知方法及系统。
本发明解决其技术问题所采用的技术方案是：
基于人工智能的法律关系认知系统，包括小前提案件收集单元、小前提案件分类单元和若干个案件处理单元，还包括大前提法律规则补充单元、大前提法律规则数据库和若干个法律规则参数修改单元，还包括融合认知判断单元，所述的小前提案件收集单元、小前提案件分类单元之间连接，所述的小前提案件分类单元与若干个案件处理单元均连接，所述的融合认知判断单元与若干个案件处理单元均连接；所述的大前提法律规则补充单元、大前提法律规则数据库之间连接，所述的大前提法律规则数据库与若干个法律规则参数修改单元均连接，所述的融合认知判断单元与若干个法律规则参数修改单元均连接；
所述的小前提案件收集单元用于，收集各种类型的小前提案件文本并且对小前提案件文本进行自然语言处理和去噪处理；
所述的小前提案件分类单元用于，按照小前提案件的具体内容给小前提案件进行分类；所述的若干个案件处理单元用于，对分类之后的案件进行数据格式和特征提取的处理。所述的大前提法律规则补充单元用于，收集和更新大前提法律规则并且与大前提法律规则数据库进行交互；
所述的大前提法律规则数据库用于，按照大前提法律规则的拓扑关系存储各种类型大前提法律规则，还存储各种类型大前提法律规则在应用到小前提案件时的结合参数；
所述的若干个法律规则参数修改单元用于，修改各种类型大前提法律规则在应用到小前提案件时的结合参数；
所述的融合认知判断单元用于，基于大前提法律规则的拓扑关系、各种类型大前提法律规则在应用到小前提案件时的结合参数对具体的小前提案件进行融合认知判断分析，并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果；
进一步，所述的融合认知判断单元还用于，基于可变关系确定不同大前提法律规则参数的修改量，并且将不同大前提法律规则参数的修改量反馈给若干个法律规则参数修改单元，由若干个法律规则参数修改单元对应地修改各种类型大前提法律规则在应用到小前提案件时的结合参数。
进一步，所述的基于可变关系确定不同大前提法律规则参数的修改量，其中的可变关系具体为R,
R＝max:R(b，t)＝∑jibv jidv ji[t]，其中的b为司法实践中法律规则的接受率，bv ji表示在v种类小前提下第i个案件的第j个司法实践中的法律规则的接受率，dv ji表示在v种类小前提下第i个案件的第j个司法实践中的法律规则参数，其中的[t]表示时间的序列，其中的v种类小前提具体为向量或矩阵。
进一步，所述的小前提案件文本具体为法律案件文本，其具体文本含义中包括有案件事实、案件事实的司法实践判例、案件事实的司法实践中不同的法律规则的接受率。
进一步，所述的大前提法律规则具体包括不同法系中法律适用的具体法条。
基于人工智能的法律关系认知方法，包括步骤有：
大前提法律规则补充单元收集和更新大前提法律规则并且与大前提法律规则数据库进行交互；大前提法律规则数据库按照大前提法律规则的拓扑关系存储各种类型大前提法律规则，还存储各种类型大前提法律规则在应用到小前提案件时的结合参数；在需要时候，若干个法律规则参数修改单元修改各种类型大前提法律规则在应用到小前提案件时的结合参数；
小前提案件收集单元收集各种类型的小前提案件文本并且对小前提案件文本进行自然语言处理和去噪处理；
小前提案件分类单元按照小前提案件的具体内容给小前提案件进行分类；
若干个案件处理单元对分类之后的案件进行数据格式和特征提取的处理；
融合认知判断单元基于大前提法律规则的拓扑关系、各种类型大前提法律规则在应用到小前提案件时的结合参数对具体的小前提案件进行融合认知判断分析，并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果。
进一步，所述的融合认知判断单元还基于可变关系确定不同大前提法律规则参数的修改量，并且将不同大前提法律规则参数的修改量反馈给若干个法律规则参数修改单元，由若干个法律规则参数修改单元对应地修改各种类型大前提法律规则在应用到小前提案件时的结合参数。
有益效果
本申请不仅仅可以判断分析并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果，还可以基于可变关系修改各种类型大前提法律规则在应用到小前提案件时的结合参数，可以动态改变结合参数，更加具体的本申请可以获取小前提案件在不同的具体法条同时存在的情况中法律认知判断的结果，还可以修改不同法系中法律适用的具体法条在应用到小前提案件时的结合参数，在具体的技术问题上，本申请解决了现有技术之中融合判断认知法律关系通过人工完成的效率非常低而且也缺乏系统性和科学性的问题。
附图说明
图1为本申请基于人工智能的法律关系认知系统组成结构框图。
具体实施方式
在具体实施中，本申请基于人工智能的法律关系认知系统的实施例，如图1所示的，其包括小前提案件收集单元、小前提案件分类单元和若干个案件处理单元，还包括大前提法律规则补充单元、大前提法律规则数据库和若干个法律规则参数修改单元，还包括融合认知判断单元，所述的小前提案件收集单元、小前提案件分类单元之间连接，所述的小前提案件分类单元与若干个案件处理单元均连接，所述的融合认知判断单元与若干个案件处理单元均连接；所述的大前提法律规则补充单元、大前提法律规则数据库之间连接，所述的大前提法律规则数据库与若干个法律规则参数修改单元均连接，所述的融合认知判断单元与若干个法律规则参数修改单元均连接；
所述的小前提案件收集单元用于，收集各种类型的小前提案件文本并且对小前提案件文本进行自然语言处理和去噪处理；
所述的小前提案件分类单元用于，按照小前提案件的具体内容给小前提案件进行分类；所述的若干个案件处理单元用于，对分类之后的案件进行数据格式和特征提取的处理；所述的大前提法律规则补充单元用于，收集和更新大前提法律规则并且与大前提法律规则数据库进行交互；
所述的大前提法律规则数据库用于，按照大前提法律规则的拓扑关系存储各种类型大前提法律规则，还存储各种类型大前提法律规则在应用到小前提案件时的结合参数；
所述的若干个法律规则参数修改单元用于，修改各种类型大前提法律规则在应用到小前提案件时的结合参数；
所述的融合认知判断单元用于，基于大前提法律规则的拓扑关系、各种类型大前提法律规则在应用到小前提案件时的结合参数对具体的小前提案件进行融合认知判断分析，并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果。
具体实施中，基于人工智能的法律关系认知方法，包括步骤有：
大前提法律规则补充单元收集和更新大前提法律规则并且与大前提法律规则数据库进行交互；大前提法律规则数据库按照大前提法律规则的拓扑关系存储各种类型大前提法律规则，还存储各种类型大前提法律规则在应用到小前提案件时的结合参数；在需要时候，若干个法律规则参数修改单元修改各种类型大前提法律规则在应用到小前提案件时的结合参数；
小前提案件收集单元收集各种类型的小前提案件文本并且对小前提案件文本进行自然语言处理和去噪处理；
小前提案件分类单元按照小前提案件的具体内容给小前提案件进行分类；
若干个案件处理单元对分类之后的案件进行数据格式和特征提取的处理；
融合认知判断单元基于大前提法律规则的拓扑关系、各种类型大前提法律规则在应用到小前提案件时的结合参数对具体的小前提案件进行融合认知判断分析，并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果。
在实施中本申请中相应的功能单元或数据库均可以通过软件执行，尤其可以通过数据处理软件实现。比如，MathWorks公司的Matlab，尤其对于本申请中对小前提案件文本进行自然语言处理和去噪处理，数据格式和特征提取的处理等基础操作可以由现有的强化学习方法实现。
可以理解的，本申请不仅仅可以判断分析并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果，还可以基于可变关系修改各种类型大前提法律规则在应用到小前提案件时的结合参数，可以动态改变结合参数，本申请解决了现有技术之中融合判断认知法律关系通过人工完成的效率非常低而且也缺乏系统性和科学性的问题。
优选地，所述的融合认知判断单元还用于，基于可变关系确定不同大前提法律规则参数的修改量，并且将不同大前提法律规则参数的修改量反馈给若干个法律规则参数修改单元，由若干个法律规则参数修改单元对应地修改各种类型大前提法律规则在应用到小前提案件时的结合参数；在实施中，所述的融合认知判断单元还基于可变关系确定不同大前提法律规则参数的修改量，并且将不同大前提法律规则参数的修改量反馈给若干个法律规则参数修改单元，由若干个法律规则参数修改单元对应地修改各种类型大前提法律规则在应用到小前提案件时的结合参数；更具体的，所述的基于可变关系确定不同大前提法律规则参数的修改量，其中的可变关系具体为R,
R＝max:R(b，t)＝∑jibv jidv ji[t]，其中的b为司法实践中法律规则的接受率，bv ji表示在v种类小前提下第i个案件的第j个司法实践中的法律规则的接受率，dv ji表示在v种类小前提下第i个案件的第j个司法实践中的法律规则参数，其中的[t]表示时间的序列，其中的v种类小前提具体为向量或矩阵。
优选地，所述的小前提案件文本具体为法律案件文本，其具体文本含义中包括有案件事实、案件事实的司法实践判例、案件事实的司法实践中不同的法律规则的接受率；所以实施中的可变关系R其中的参数运算和构建基础都建立在小前提案件文本基础上。
优选地，所述的大前提法律规则具体包括不同法系中法律适用的具体法条。
所以本申请在实施中至少的一种实施包括：
基于人工智能的法律关系认知方法，包括步骤有：
收集和更新不同法系中法律适用的具体法条并且与具体法条数据库进行交互；按照不同法系中法律适用的具体法条的拓扑关系存储各种类型具体法条，还存储不同法系中法律适用的具体法条在应用到小前提案件时的结合参数；在需要时候，若干个法律规则参数修改单元修改各种类型不同法系中法律适用的具体法条在应用到小前提案件时的结合参数；小前提案件收集单元收集各种类型的小前提案件文本并且对小前提案件文本进行自然语言处理和去噪处理；小前提案件分类单元按照小前提案件的具体内容给小前提案件进行分类；若干个案件处理单元对分类之后的案件进行数据格式和特征提取的处理；
融合认知判断单元基于不同法系中法律适用的具体法条的拓扑关系、不同法系中法律适用的具体法条在应用到小前提案件时的结合参数，对具体的小前提案件进行融合认知判断分析，并获取小前提案件在不同的具体法条同时存在的情况中法律认知判断的结果；
所述的融合认知判断单元还基于可变关系确定不同法系中法律适用的具体法条参数的修改量，并且将不同法系中法律适用的具体法条参数的修改量反馈给若干个法律规则参数修改单元，由若干个法律规则参数修改单元对应地修改不同法系中法律适用的具体法条在应用到小前提案件时的结合参数；可见，本申请可以获取小前提案件在不同的具体法条同时存在的情况中法律认知判断的结果，还可以修改不同法系中法律适用的具体法条在应用到小前提案件时的结合参数，在具体的技术问题上，本申请解决了现有技术之中融合判断认知法律关系通过人工完成的效率非常低而且也缺乏系统性和科学性的问题。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (7)
1.基于人工智能的法律关系认知系统，其特征在于，
包括小前提案件收集单元、小前提案件分类单元和若干个案件处理单元，还包括大前提法律规则补充单元、大前提法律规则数据库和若干个法律规则参数修改单元，还包括融合认知判断单元，所述的小前提案件收集单元、小前提案件分类单元之间连接，所述的小前提案件分类单元与若干个案件处理单元均连接，所述的融合认知判断单元与若干个案件处理单元均连接；所述的大前提法律规则补充单元、大前提法律规则数据库之间连接，所述的大前提法律规则数据库与若干个法律规则参数修改单元均连接，所述的融合认知判断单元与若干个法律规则参数修改单元均连接；
所述的小前提案件收集单元用于，收集各种类型的小前提案件文本并且对小前提案件文本进行自然语言处理和去噪处理；
所述的小前提案件分类单元用于，按照小前提案件的具体内容给小前提案件进行分类；
所述的若干个案件处理单元用于，对分类之后的案件进行数据格式和特征提取的处理；
所述的大前提法律规则补充单元用于，收集和更新大前提法律规则并且与大前提法律规则数据库进行交互；
所述的大前提法律规则数据库用于，按照大前提法律规则的拓扑关系存储各种类型大前提法律规则，还存储各种类型大前提法律规则在应用到小前提案件时的结合参数；
所述的若干个法律规则参数修改单元用于，修改各种类型大前提法律规则在应用到小前提案件时的结合参数；
所述的融合认知判断单元用于，基于大前提法律规则的拓扑关系、各种类型大前提法律规则在应用到小前提案件时的结合参数对具体的小前提案件进行融合认知判断分析，并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果。
2.根据权利要求1所述的基于人工智能的法律关系认知系统，其特征在于，所述的融合认知判断单元还用于，基于可变关系确定不同大前提法律规则参数的修改量，并且将不同大前提法律规则参数的修改量反馈给若干个法律规则参数修改单元，由若干个法律规则参数修改单元对应地修改各种类型大前提法律规则在应用到小前提案件时的结合参数。
3.根据权利要求2所述的基于人工智能的法律关系认知系统，其特征在于，所述的基于可变关系确定不同大前提法律规则参数的修改量，其中的可变关系具体为R,R＝max：R(b，t)＝∑jibv jidv ji[t]，其中的b为司法实践中法律规则的接受率，bv ji表示在v种类小前提下第i个案件的第j个司法实践中的法律规则的接受率，dv ji表示在v种类小前提下第i个案件的第j个司法实践中的法律规则参数，其中的[t]表示时间的序列，其中的v种类小前提具体为向量或矩阵。
4.根据权利要求1所述的基于人工智能的法律关系认知系统，其特征在于，所述的小前提案件文本具体为法律案件文本，其具体文本含义中包括有案件事实、案件事实的司法实践判例、案件事实的司法实践中不同的法律规则的接受率。
5.根据权利要求1所述的基于人工智能的法律关系认知系统，其特征在于，所述的大前提法律规则具体包括不同法系中法律适用的具体法条。
6.基于人工智能的法律关系认知方法，其特征在于，包括步骤有：
大前提法律规则补充单元收集和更新大前提法律规则并且与大前提法律规则数据库进行交互；大前提法律规则数据库按照大前提法律规则的拓扑关系存储各种类型大前提法律规则，还存储各种类型大前提法律规则在应用到小前提案件时的结合参数；在需要时候，若干个法律规则参数修改单元修改各种类型大前提法律规则在应用到小前提案件时的结合参数；
小前提案件收集单元收集各种类型的小前提案件文本并且对小前提案件文本进行自然语言处理和去噪处理；
小前提案件分类单元按照小前提案件的具体内容给小前提案件进行分类；
若干个案件处理单元对分类之后的案件进行数据格式和特征提取的处理；
融合认知判断单元基于大前提法律规则的拓扑关系、各种类型大前提法律规则在应用到小前提案件时的结合参数对具体的小前提案件进行融合认知判断分析，并获取小前提案件在不同的大前提同时存在的情况中法律认知判断的结果。
7.根据权利要求6所述的基于人工智能的法律关系认知系统，其特征在于，所述的融合认知判断单元还基于可变关系确定不同大前提法律规则参数的修改量，并且将不同大前提法律规则参数的修改量反馈给若干个法律规则参数修改单元，由若干个法律规则参数修改单元对应地修改各种类型大前提法律规则在应用到小前提案件时的结合参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210279160.9A CN114637849B (zh) | 2022-03-21 | 2022-03-21 | 基于人工智能的法律关系认知方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210279160.9A CN114637849B (zh) | 2022-03-21 | 2022-03-21 | 基于人工智能的法律关系认知方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114637849A CN114637849A (zh) | 2022-06-17 |
| CN114637849B true CN114637849B (zh) | 2024-03-29 |
Family
ID=81950261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210279160.9A Active CN114637849B (zh) | 2022-03-21 | 2022-03-21 | 基于人工智能的法律关系认知方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114637849B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112347270A (zh) * | 2020-11-30 | 2021-02-09 | 重庆工程职业技术学院 | 一种法律知识图谱构建系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020091991A1 (en) * | 2000-05-11 | 2002-07-11 | Castro Juan Carlos | Unified real-time microprocessor computer |
-
2022
- 2022-03-21 CN CN202210279160.9A patent/CN114637849B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112347270A (zh) * | 2020-11-30 | 2021-02-09 | 重庆工程职业技术学院 | 一种法律知识图谱构建系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 浅议法律推理中小前提的构建;耿利豹;;河北农机;20190510(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114637849A (zh) | 2022-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107515873B (zh) | 一种垃圾信息识别方法及设备 | |
| CN111309912A (zh) | 文本分类方法、装置、计算机设备及存储介质 | |
| CN110852856B (zh) | 一种基于动态网络表征的发票虚开识别方法 | |
| CN110334214B (zh) | 一种自动识别案件中虚假诉讼的方法 | |
| CN109710766B (zh) | 一种工单数据的投诉倾向分析预警方法及装置 | |
| CN109165295B (zh) | 一种智能简历评估方法 | |
| CN110781381B (zh) | 基于神经网络的数据验证方法、装置、设备及存储介质 | |
| CN113449046A (zh) | 基于企业知识图谱的模型训练方法、系统及相关装置 | |
| CN116010581A (zh) | 一种基于电网隐患排查场景的知识图谱问答方法及系统 | |
| CN115794798A (zh) | 一种市场监管信息化标准管理与动态维护系统及方法 | |
| CN114971294A (zh) | 数据采集方法、装置、设备及存储介质 | |
| CN112579730A (zh) | 高扩展性、多标签的文本分类方法和装置 | |
| CN113742396A (zh) | 一种对象学习行为模式的挖掘方法及装置 | |
| CN114637849B (zh) | 基于人工智能的法律关系认知方法及系统 | |
| CN112784585A (zh) | 金融公告的摘要提取方法与摘要提取终端 | |
| CN110362828B (zh) | 网络资讯风险识别方法及系统 | |
| CN115438190B (zh) | 一种配电网故障辅助决策知识抽取方法及系统 | |
| CN115936011A (zh) | 智能对话中多意图语义识别方法 | |
| CN115564276A (zh) | 项目统计储备管理系统、方法及存储介质 | |
| CN115545437A (zh) | 一种基于多源异构数据融合的金融企业经营风险预警方法 | |
| CN115936003A (zh) | 基于神经网络的软件功能点查重方法、装置、设备及介质 | |
| CN115345710A (zh) | 一种电商商务大数据决策分析与数据处理方法 | |
| CN114549177A (zh) | 保函审查方法、装置、系统与计算机可读存储介质 | |
| CN113469237A (zh) | 用户意图识别方法、装置、电子设备及存储介质 | |
| CN112328812A (zh) | 基于自调参数的领域知识抽取方法与系统、电子设备 |
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 |