CN116342332B - 基于互联网的辅助审判方法、装置、设备及存储介质 - Google Patents
基于互联网的辅助审判方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116342332B CN116342332B CN202310629079.3A CN202310629079A CN116342332B CN 116342332 B CN116342332 B CN 116342332B CN 202310629079 A CN202310629079 A CN 202310629079A CN 116342332 B CN116342332 B CN 116342332B
- Authority
- CN
- China
- Prior art keywords
- trial
- features
- case
- auxiliary
- court
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 239000013598 vector Substances 0.000 claims abstract description 121
- 230000000007 visual effect Effects 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 39
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 238000011161 development Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 20
- 238000012552 review Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 206010035148 Plague Diseases 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/685—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using automatically derived transcript of audio data, e.g. lyrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及音频数据处理技术领域,公开了一种基于互联网的辅助审判方法、装置、设备及存储介质。该方法包括:采集案件直播过程中的语音数据和画面数据,并将采集的数据按照线上法庭的预设审查流程时间顺序进行排序;提取各庭审数据序列中具有逻辑关系的多个词向量特征和全局视觉特征;基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别;计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定庭审的案件的辅助审判结果;获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本。本申请提高了线上法庭的辅助审判的分析效果。
Description
技术领域
本发明涉及音频数据处理技术领域,尤其涉及一种基于互联网的辅助审判方法、装置、设备及存储介质。
背景技术
随着社会经济的发展和人民生活水平的提高,人们由于日常生活中的各种纠纷,产生了大量民事审判案件。由此给各级人民法院带来了大量的需审判的案件。但是,由于民事案件往往错综复杂、案多人少矛盾尖锐、案件涉及到的事实认定比较困难等因素,难以及时对辖区内大量案件进行处理,以致不能很好保护侵权人的合法权益,甚至部分案件由于时间限制,审判结果存在一定的瑕疵,引起当事人申请再审,进一步增加了司法人员审判的工作量。
现今,为了加快法律案件的审判,除了传统的双方到法院进行审判之外,通过增加线上法院的方式来加快对法律案件的审判速率。但是线上法院仍需书记员对案件审判过程进行繁重的人工记录,并且不能通过对线上审判过程自动分析出初始审判结果,仍需法官等结合案件数据进行人工分析才能得到最终的审判结果,以致线上法庭审判的速率仍未达到预期效果,即现有的线上法庭的辅助审判的分析效果较差。
发明内容
本发明的主要目的在于解决现有的线上法庭的辅助审判的分析效果较差的问题。
本发明第一方面提供了一种基于互联网的辅助审判方法,所述基于互联网的辅助审判方法包括:在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;提取各所述庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;基于所述逻辑关系,建立所述词向量特征与所述全局视觉特征的多个特征匹配关系,并对各所述特征匹配关系进行所述案件中各方人物的属性特征识别,得到全局语义特征;计算所述全局语义特征与预设的法律条文之间的匹配度,并基于所述匹配度确定当前庭审的案件的辅助审判结果;获取各所述人物的确定反馈标识,并基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
可选的,在本发明第一方面的第一种实现方式中,所述画面数据包括申诉文书数据、申诉图像和人物表情图像,所述在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列,包括:在基于互联网接入庭审直播间后,采集案件直播过程中的案件各方人物的语音数据、申诉文书数据、申诉图像和人物表情图像;按照线上法庭的预设审查流程时间顺序,对所述语音数据进行语音文字转换,得到辩护语音文本,以及提取所述人物表情图像对应的审判表情特征,并基于各所述人物,分别对所述辩护语音文本、申诉文本、申诉图像和审判表情特征进行人物标记,得到庭审数据序列。
可选的,在本发明第一方面的第二种实现方式中,所述提取各所述庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征,包括:确定所述庭审数据序列对应的案件发展时序,并对所述庭审数据序列中各方人物对应的文字进行状态编码,得到文字状态向量;构建所述文字状态向量对应预设向量空间的维度特征向量,并基于所述案件发展时序,对所述维度特征向量进行时序传递计算,得到具有逻辑关系的多个词向量特征;基于所述案件发展时序,提取所述庭审数据序列中各方人物对应的图像特征,并基于图像特征提取的结果和所述审判表情特征,生成全局视觉特征。
可选的,在本发明第一方面的第三种实现方式中,所述特征匹配关系包括第一特征匹配关系和第二特征匹配关系,所述基于所述逻辑关系,建立所述词向量特征与所述全局视觉特征的多个特征匹配关系,并对各所述特征匹配关系进行所述案件中各方人物的属性特征识别,得到全局语义特征,包括:基于所述逻辑关系,计算出所述案件中各方人物的所述词向量特征与所述全局视觉特征之间的第一关联度,并基于所述第一关联度,按照所述案件发展时序建立所述全局视觉特征与所述词向量特征的特征匹配关系;对所述特征匹配关系进行多种原告属性特征的识别,得到原告人物的全局语义特征,所述原告属性特征包括原告案件证据、原告事实认定;对所述特征匹配关系进行多种被告属性特征的识别,得到被告人物的全局语义特征,所述被告属性特征包括被告案件证据、被告事实认定。
可选的,在本发明第一方面的第四种实现方式中,所述匹配度包括第一匹配度和第二匹配度,所述计算所述全局语义特征与预设的法律条文之间的匹配度,并基于所述匹配度确定当前庭审的案件的辅助审判结果,包括:基于预设的法律条文,利用所述全局语义特征匹配所述原告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第一匹配度,以及利用所述全局语义特征匹配所述被告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第二匹配度;确定所述第一匹配度和所述第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果。
可选的,在本发明第一方面的第五种实现方式中,所述确定所述第一匹配度和所述第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果,包括:确定所述第一匹配度和所述第二匹配度对应的多种匹配度的审判组合法规;基于预设量刑相适应原则,选取匹配度超过预设组合阈值的审判组合法规,并基于选取的审判组合法规,利用预置历史审判案件库匹配对应的审判文书格式;基于所述审判文书格式,生成当前庭审的案件中各方人物的辅助审判结果。
可选的,在本发明第一方面的第六种实现方式中,所述基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录,包括:基于所述审判文书格式,利用所述确定反馈标识、所述辅助审判结果和所述庭审数据序列生成辅助审判文本;将所述确定反馈标识、所述辅助审判结果、所述庭审数据序列和所述辅助审判文本进行审查节点标记,得到案件审查记录,以用于案件的辅助审理和记录。
本发明第二方面提供了一种基于互联网的辅助审判装置,所述基于互联网的辅助审判装置包括:数据排序模块,用于在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;特征提取模块,用于提取各所述庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;特征匹配模块,用于基于所述逻辑关系,建立所述词向量特征与所述全局视觉特征的多个特征匹配关系,并对各所述特征匹配关系进行所述案件中各方人物的属性特征识别,得到全局语义特征;条文匹配模块,用于计算所述全局语义特征与预设的法律条文之间的匹配度,并基于所述匹配度确定当前庭审的案件的辅助审判结果;文本生成模块,用于获取各所述人物的确定反馈标识,并基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
可选的,在本发明第二方面的第一种实现方式中,所述数据排序模块包括:数据采集单元,用于在基于互联网接入庭审直播间后,采集案件直播过程中的案件各方人物的语音数据、申诉文书数据、申诉图像和人物表情图像;数据标记单元,用于按照线上法庭的预设审查流程时间顺序,对所述语音数据进行语音文字转换,得到辩护语音文本,以及提取所述人物表情图像对应的审判表情特征,并基于各所述人物,分别对所述辩护语音文本、申诉文本、申诉图像和审判表情特征进行人物标记,得到庭审数据序列。
可选的,在本发明第二方面的第二种实现方式中,所述特征提取模块包括:状态编码单元,用于确定所述庭审数据序列对应的案件发展时序,并对所述庭审数据序列中各方人物对应的文字进行状态编码,得到文字状态向量;时序传递单元,用于构建所述文字状态向量对应预设向量空间的维度特征向量,并基于所述案件发展时序,对所述维度特征向量进行时序传递计算,得到具有逻辑关系的多个词向量特征;视觉提取单元,用于基于所述案件发展时序,提取所述庭审数据序列中各方人物对应的图像特征,并基于图像特征提取的结果和所述审判表情特征,生成全局视觉特征。
可选的,在本发明第二方面的第三种实现方式中,所述特征匹配模块包括:特征匹配单元,用于基于所述逻辑关系,计算出所述案件中各方人物的所述词向量特征与所述全局视觉特征之间的第一关联度,并基于所述第一关联度,按照所述案件发展时序建立所述全局视觉特征与所述词向量特征的特征匹配关系;第一识别单元,用于对所述特征匹配关系进行多种原告属性特征的识别,得到原告人物的全局语义特征,所述原告属性特征包括原告案件证据、原告事实认定;第二识别单元,用于对所述特征匹配关系进行多种被告属性特征的识别,得到被告人物的全局语义特征,所述被告属性特征包括被告案件证据、被告事实认定。
可选的,在本发明第二方面的第四种实现方式中,所述条文匹配模块包括:概率计算单元,用于基于预设的法律条文,利用所述全局语义特征匹配所述原告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第一匹配度,以及利用所述全局语义特征匹配所述被告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第二匹配度;法规确定单元,用于确定所述第一匹配度和所述第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果。
可选的,在本发明第二方面的第五种实现方式中,所述法规确定单元包括:确定所述第一匹配度和所述第二匹配度对应的多种匹配度的审判组合法规;基于预设量刑相适应原则,选取匹配度超过预设组合阈值的审判组合法规,并基于选取的审判组合法规,利用预置历史审判案件库匹配对应的审判文书格式;基于所述审判文书格式,生成当前庭审的案件中各方人物的辅助审判结果。
可选的,在本发明第二方面的第六种实现方式中,所述文本生成模块包括:文本生成单元,用于基于所述审判文书格式,利用所述确定反馈标识、所述辅助审判结果和所述庭审数据序列生成辅助审判文本;节点标记单元,用于将所述确定反馈标识、所述辅助审判结果、所述庭审数据序列和所述辅助审判文本进行审查节点标记,得到案件审查记录,以用于案件的辅助审理和记录。
本发明第三方面提供了一种基于互联网的辅助审判设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于互联网的辅助审判设备执行上述的基于互联网的辅助审判方法的各个步骤。
本发明的第四方面提供了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指令,当其在计算机上运行时,使得计算机执行上述的基于互联网的辅助审判方法的各个步骤。
本发明提供的技术方案中,在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;提取各庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别,得到全局语义特征;计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定当前庭审的案件的辅助审判结果;获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。相比于现有技术,本申请采集庭审过程中的数据,以及将采集的数据进行文本和图像转换,以实现对庭审中产生的数据的快速保存,进而对庭审数据序列进行多种特征的提取和匹配度的融合计算,得到对应的辅助审判结果,进而在获取庭审双方的确定标识后,生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录,从而提高了线上法庭的辅助审判的分析效果。
附图说明
图1为本发明实施例中基于互联网的辅助审判方法的第一个实施例示意图;
图2为本发明实施例中基于互联网的辅助审判方法的第二个实施例示意图;
图3为本发明实施例中基于互联网的辅助审判方法的第三个实施例示意图;
图4为本发明实施例中基于互联网的辅助审判装置的一个实施例示意图;
图5为本发明实施例中基于互联网的辅助审判装置的另一个实施例示意图;
图6为本发明实施例中基于互联网的辅助审判设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于互联网的辅助审判方法、装置、设备及存储介质,该方法包括:采集案件直播过程中的语音数据和画面数据,并将采集的数据按照线上法庭的预设审查流程时间顺序进行排序;提取各庭审数据序列中具有逻辑关系的多个词向量特征和全局视觉特征;基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别;计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定当前庭审的案件的辅助审判结果;获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本。本申请提高了线上法庭的辅助审判的分析效果。
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”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于互联网的辅助审判方法的第一个实施例包括:
101、在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本实施例中,这里的庭审直播间,指的是通过互联网技术将庭审过程线上呈现,法院可以利用网络视频会议室、互联网法庭等方式进行庭审,当事人(原告和被告)则可以通过网络远程参与庭审,采用线上法庭具有降低当事人的成本和风险、减轻法院的工作压力、提高庭审效率和便利性等优点。这里的语音数据,指的是庭审过程中各方人物所发表的案件陈述数据;这里的画面数据,指的是在庭审过程中各方人物的申诉文书数据、申诉图像和各方人物在庭审各个阶段相应的表情图像;这里的审查流程时间顺序,指的是庭审中各个审判阶段,如宣布开庭审理阶段、法庭调查阶段、法庭辩论阶段、合议庭评议阶段、宣读判决等,可基于待庭审案件的类型,来定义所需的审查流程。
在实际应用中,在基于互联网接入庭审直播间后,通过采集案件直播过程中的案件各方人物的语音数据、申诉文书数据、申诉图像和人物表情图像,进而按照线上法庭的预设审查流程时间顺序,对语音数据进行语音文字转换,得到辩护语音文本,以及提取人物表情图像对应的审判表情特征,并基于各人物,分别对辩护语音文本、申诉文本、申诉图像和审判表情特征进行人物标记,得到标记后各个审查流程对应的庭审数据序列。
102、提取各庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;
本实施例中,这里的逻辑关系,指的是待庭审案件中对应事件发生前后关系;这里的词向量特征,指的是与法律审判相关词汇以及申诉对应的词汇等所对应的向量的形式,其中每个词都对应一个向量,表示该词在词汇表中的位置以及其他特征,通过利用词向量特征来构建整个待审判案件发生前后的相关因果关键词对应的审判事件描述,从而可以高速匹配出对应事件的法律条文以及对应的相似历史审判案件。这里的全局视觉特征,指的是审判过程中相关图像的整体属性,常见的全局特征包括颜色特征、纹理特征和形状特征,从相关审判图像提取用于最终审判结果所需的特征数据。
在实际应用中,通过确定庭审数据序列对应的案件发展时序,并对庭审数据序列中各方人物对应的文字进行状态编码,得到文字状态向量,进而构建文字状态向量对应预设向量空间的维度特征向量,并基于案件发展时序,对维度特征向量进行时序传递计算,得到具有逻辑关系用于审判的多个词向量特征;以及基于案件发展时序,提取庭审数据序列中各方人物对应的图像特征,并基于图像特征提取的结果和审判表情特征,生成用于审判所需的全局视觉特征。
103、基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别,得到全局语义特征;
本实施例中,这里的特征匹配关系,指的是相关案件描述向量较为接近的,则建立对应的匹配关系;这里的属性特征识别,指的是不同特征向量对应的法文属性。
在实际应用中,基于逻辑关系,计算出案件中各方人物的词向量特征与全局视觉特征之间的第一关联度,并基于第一关联度,按照案件发展时序建立全局视觉特征与词向量特征的特征匹配关系;进而对特征匹配关系进行多种原告属性特征的识别,得到原告人物的全局语义特征,原告属性特征包括原告案件证据、原告事实认定;从而对特征匹配关系进行多种被告属性特征的识别,得到被告人物的全局语义特征,被告属性特征包括被告案件证据、被告事实认定。
104、计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定当前庭审的案件的辅助审判结果;
本实施例中,基于预设的法律条文,利用全局语义特征匹配原告人物的多个法规特征,并对法规特征进行法规适用度的概率计算,得到多种第一匹配度,以及利用全局语义特征匹配被告人物的多个法规特征,并对法规特征进行法规适用度的概率计算,得到多种第二匹配度;进而确定第一匹配度和第二匹配度对应的多种匹配度的审判组合法规;进而基于预设量刑相适应原则,选取匹配度超过预设组合阈值的审判组合法规,并基于选取的审判组合法规,利用预置历史审判案件库匹配对应的审判文书格式;从而基于审判文书格式,生成当前庭审的案件中原告和被告对应的辅助审判结果。
105、获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
本实施例中,这里的确定反馈标识,指的是庭审中原告以及被告对审判结果的签名确定信息,以及法庭中法官等工作人员对应的相关签章信息。
在实际应用中,通过获取各人物对应的确定反馈标识,进而基于审判文书格式,利用确定反馈标识、辅助审判结果和庭审数据序列生成辅助审判文本;进而将确定反馈标识、辅助审判结果、庭审数据序列和辅助审判文本进行审查节点标记,得到案件审查记录,以用于案件的辅助审理和记录。
本发明实施例中,在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;提取各庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别,得到全局语义特征;计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定当前庭审的案件的辅助审判结果;获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。相比于现有技术,本申请采集庭审过程中的数据,以及将采集的数据进行文本和图像转换,以实现对庭审中产生的数据的快速保存,进而对庭审数据序列进行多种特征的提取和匹配度的融合计算,得到对应的辅助审判结果,进而在获取庭审双方的确定标识后,生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录,从而提高了线上法庭的辅助审判的分析效果。
请参阅图2,本发明实施例中基于互联网的辅助审判方法的第二个实施例包括:
201、在基于互联网接入庭审直播间后,采集案件直播过程中的案件各方人物的语音数据、申诉文书数据、申诉图像和人物表情图像;
本实施例中,这里的申诉文书数据,指的是原告和被告的相关诉讼文书资料;这里的申诉图像,指的是诉讼资料中包含的相关图片数据等。
在实际应用中,在基于互联网接入庭审直播间后,通过采集直播过程中的案件各方人物(原告、被告、法官等)所陈述的语音数据,以及庭审直播间上传的申诉文书数据、申诉图像,并实时采集各方人物的表情图像数据。
202、按照线上法庭的预设审查流程时间顺序,对语音数据进行语音文字转换,得到辩护语音文本,以及提取人物表情图像对应的审判表情特征,并基于各人物,分别对辩护语音文本、申诉文本、申诉图像和审判表情特征进行人物标记,得到庭审数据序列;
本实施例中,按照线上法庭的预设审查流程时间顺序,利用自动语音识别技术(Automatic Speech Recognition,ASR)将各方发表的语音转换为对应的辩护语音文本,以及通过提取各方人物表情图像不同帧之间相应物体灰度变化,基于预设特征区域运动方向与人脸肌肉的运动的关联关系,来得到各方对应的审判表情特征,并基于各人物和审查流程时间顺序,分别对辩护语音文本、申诉文本、申诉图像和审判表情特征进行人物标记,得到庭审数据序列。
203、确定庭审数据序列对应的案件发展时序,并对庭审数据序列中各方人物对应的文字进行状态编码,得到文字状态向量;
本实施例中,这里的案件发展时序,指的是原告当前所申诉案件的对应事件发展时间顺序。
在实际应用中,基于庭审数据序列中辩护语音文本、申诉文本,来确定庭审案件对应的案件发展时序,进而通过自然语言识别技术识别庭审数据序列(辩护语音文本、申诉文本、申诉图像)中所包含的各个文字,并对各个文字按照 N位状态寄存器来进行N个状态的编码,从而得到各文字对应的文字状态向量。
204、构建文字状态向量对应预设向量空间的维度特征向量,并基于案件发展时序,对维度特征向量进行时序传递计算,得到具有逻辑关系的多个词向量特征;
本实施例中,基于上述庭审数据序列中包含的文字字数(全部文字或者其中用于陈述案件情况的文字),通过提取预置维度(如512维度)的向量空间中与文字字数相应比例(大于等于1的比例)的若干空间向量,将各文字状态向量与对应数量的空间向量进行线性计算(向量相加或者数乘),以将各文字状态向量映射至预置维度的向量空间,进而基于原始向量空间中设置的512维度的隐藏状态与512维度的输出状态,来提取映射后向量空间中文字状态向量在512维度上的隐藏状态向量和输出状态向量。进而按照案件发展时序,分别提取原告和被告第一个关于案件描述相关的词语的隐藏状态向量和输出状态向量一个维度的向量以及输入至sigmoid函数中去,以确定当前输入的两个向量是否保存,若保存,得到输入门值,则上一次隐藏状态向量(即输入门值)和当前输入的信息传递到 sigmoid 函数以及传递到 tanh 函数中进行向量计算,进而将 sigmoid 的输出值与 tanh 的输出值相乘,sigmoid 的输出值将决定 tanh 的输出值中需要保留的向量状态,进而按上述对应维度按序计算后,将前一次保留的向量状态与未保留的向量状态进行逐点相乘,并将相乘后的积与输入门值逐点相加,实现依次将上一维度的计算结果传递至下一维度的时间步中计算,进而计算各方任务对应的陈述文字,从而得到具有陈述案件发展时序对应逻辑关系的多个词向量特征。
205、基于案件发展时序,提取庭审数据序列中各方人物对应的图像特征,并基于图像特征提取的结果和审判表情特征,生成全局视觉特征;
本实施例中,基于案件发展时序,对庭审数据序列中原告和被告相关物体图像进行卷积叠加运算,通过先提取物体的第一卷积特征图像,进而利用第一卷积特征图像对再次卷积提取的第二卷积特征图像进行叠加运算,得到各方人物提取庭审物体资料对应的图像特征,进而图像特征提取的结果和审判表情特征,生成原告和被告对应庭审陈述资料的全局视觉特征。
206、基于逻辑关系,计算出案件中各方人物的词向量特征与全局视觉特征之间的第一关联度,并基于第一关联度,按照案件发展时序建立全局视觉特征与词向量特征的特征匹配关系;
本实施例中,基于案件发展时序的逻辑关系,选取案件发展时序中个第一时序阶段对应的第一词向量特征,进而利用第一词向量特征对全局视觉特征进行对应属性特征向量的相关描述属性的关联度计算,进而基于上一时序阶段的计算结果,继续添加至下一阶段的词向量特征与全局视觉特征之间的关联度计算之中,以实现建立各方人物的词向量特征与全局视觉特征之间对应数量的相关对应关系,得到案件中各方人物的词向量特征与全局视觉特征之间对应的特征匹配关系。
207、对特征匹配关系进行多种原告属性特征的识别,得到原告人物的全局语义特征,原告属性特征包括原告案件证据、原告事实认定;
本实施例中,对特征匹配关系对应的词向量特征与全局视觉特征进行多种原告属性特征(如原告案件证据相关特征、原告事实认定相关特征)的识别,得到原告人物的全局语义特征。
208、对特征匹配关系进行多种被告属性特征的识别,得到被告人物的全局语义特征,被告属性特征包括被告案件证据、被告事实认定;
本实施例中,对特征匹配关系对应的词向量特征与全局视觉特征进行多种被告属性特征(如被告案件证据相关特征、被告事实认定相关特征)的识别,得到被告人物的全局语义特征。
209、计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定当前庭审的案件的辅助审判结果;
210、获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
本发明实施例中,通过对庭审案件中产生的语音数据和画面数据进行向量化处理,并对处理后的向量化数据进行关联度计算,从而基于关联度来识别出原告人物和被告人物在本案中相关案件特征属性,以便后续能够根据案件双方的特征属性来匹配对应的法律条文,实现对线上法庭的辅助审判功能,从而提高了线上法庭的辅助审判的分析效果。
请参阅图3,本发明实施例中基于互联网的辅助审判方法的第三个实施例包括:
301、在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;
302、提取各庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;
303、基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别,得到全局语义特征;
304、基于预设的法律条文,利用全局语义特征匹配原告人物的多个法规特征,并对法规特征进行法规适用度的概率计算,得到多种第一匹配度,以及利用全局语义特征匹配被告人物的多个法规特征,并对法规特征进行法规适用度的概率计算,得到多种第二匹配度;
本实施例中,先确定庭审案件对应属性(人格权纠纷、婚姻家庭继承纠纷、物权纠纷、合同无因管理、不当得利纠纷、知识产权与竞争纠纷等),进而基于庭审案件对应属性的法律条文,利用全局语义特征匹配原告人物的多个法规特征,并对法规特征进行原告法规适用度的多种组合法规概率计算(即由于不同法规之间具有一定得限制性,使用这种法规,另一种就不可再使用,来计算使用不同执行法规之间的概率),得到多种第一匹配度,以及利用全局语义特征匹配被告人物的多个法规特征,并对法规特征进行法规适用度的概率计算,得到多种第二匹配度,通过计算匹配度来衡量使用法规的可靠程度。
305、确定第一匹配度和第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果;
本实施例中,通过组成不同原告与被告之间的第一匹配度和第二匹配度对应的多种匹配度的审判组合法规,进而依据量刑相适应原则,在保障双方权益的同时,选取匹配度超过预设组合阈值的审判组合法规,并基于选取的审判组合法规,利用预置历史审判案件库匹配相似案件属性对应的审判文书格式;进而基于审判文书格式,生成当前庭审的案件中原告和被告对应审判使用法规法条的辅助审判结果。
306、基于审判文书格式,利用确定反馈标识、辅助审判结果和庭审数据序列生成辅助审判文本;
本实施例中,在获取各人物的确定反馈标识之后,基于审判文书格式,将确定反馈标识和庭审数据序列按照对应的格式增添进辅助审判结果中,生成本次庭审案件的辅助审判文本。
307、将确定反馈标识、辅助审判结果、庭审数据序列和辅助审判文本进行审查节点标记,得到案件审查记录,以用于案件的辅助审理和记录。
本实施例中,依据审查流程时间顺序,对确定反馈标识、辅助审判结果、庭审数据序列和辅助审判文本相应的审查节点标记(即标记上对应的法官、陪审员、审判的各种时间节点等),得到案件审查记录,以用于案件的辅助审理和记录。
本发明实施例中,通过对上述分析得到全局语义特征与案件属性对应的法规发文进行匹配度的计算,进而进利用原告和被告的匹配度来分别匹配出对应适用法规,进而在保证双方量刑相适应原则下,选择出对应的审判法规来生成对应的辅助审判结果,从而在对庭审中产生的各种数据进行对应标记处理后,得到最终案件审查记录,以用于案件的辅助审理和记录,从而提高了线上法庭的辅助审判的分析效果。
上面对本发明实施例中基于互联网的辅助审判方法进行了描述,下面对本发明实施例中基于互联网的辅助审判装置进行描述,请参阅图4,本发明实施例中基于互联网的辅助审判装置一个实施例包括:
数据排序模块401,用于在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;
特征提取模块402,用于提取各所述庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;
特征匹配模块403,用于基于所述逻辑关系,建立所述词向量特征与所述全局视觉特征的多个特征匹配关系,并对各所述特征匹配关系进行所述案件中各方人物的属性特征识别,得到全局语义特征;
条文匹配模块404,用于计算所述全局语义特征与预设的法律条文之间的匹配度,并基于所述匹配度确定当前庭审的案件的辅助审判结果;
文本生成模块405,用于获取各所述人物的确定反馈标识,并基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
本发明实施例中,在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;提取各庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别,得到全局语义特征;计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定当前庭审的案件的辅助审判结果;获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。相比于现有技术,本申请采集庭审过程中的数据,以及将采集的数据进行文本和图像转换,以实现对庭审中产生的数据的快速保存,进而对庭审数据序列进行多种特征的提取和匹配度的融合计算,得到对应的辅助审判结果,进而在获取庭审双方的确定标识后,生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录,从而提高了线上法庭的辅助审判的分析效果。
请参阅图5,本发明实施例中基于互联网的辅助审判装置的另一个实施例包括:
数据排序模块401,用于在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;
特征提取模块402,用于提取各所述庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;
特征匹配模块403,用于基于所述逻辑关系,建立所述词向量特征与所述全局视觉特征的多个特征匹配关系,并对各所述特征匹配关系进行所述案件中各方人物的属性特征识别,得到全局语义特征;
条文匹配模块404,用于计算所述全局语义特征与预设的法律条文之间的匹配度,并基于所述匹配度确定当前庭审的案件的辅助审判结果;
文本生成模块405,用于获取各所述人物的确定反馈标识,并基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
进一步的,所述数据排序模块401包括:
数据采集单元4011,用于在基于互联网接入庭审直播间后,采集案件直播过程中的案件各方人物的语音数据、申诉文书数据、申诉图像和人物表情图像;
数据标记单元4012,用于按照线上法庭的预设审查流程时间顺序,对所述语音数据进行语音文字转换,得到辩护语音文本,以及提取所述人物表情图像对应的审判表情特征,并基于各所述人物,分别对所述辩护语音文本、申诉文本、申诉图像和审判表情特征进行人物标记,得到庭审数据序列。
进一步的,所述特征提取模块402包括:
状态编码单元4021,用于确定所述庭审数据序列对应的案件发展时序,并对所述庭审数据序列中各方人物对应的文字进行状态编码,得到文字状态向量;
时序传递单元4022,用于构建所述文字状态向量对应预设向量空间的维度特征向量,并基于所述案件发展时序,对所述维度特征向量进行时序传递计算,得到具有逻辑关系的多个词向量特征;
视觉提取单元4023,用于基于所述案件发展时序,提取所述庭审数据序列中各方人物对应的图像特征,并基于图像特征提取的结果和所述审判表情特征,生成全局视觉特征。
进一步的,所述特征匹配模块403包括:
特征匹配单元4031,用于基于所述逻辑关系,计算出所述案件中各方人物的所述词向量特征与所述全局视觉特征之间的第一关联度,并基于所述第一关联度,按照所述案件发展时序建立所述全局视觉特征与所述词向量特征的特征匹配关系;
第一识别单元4032,用于对所述特征匹配关系进行多种原告属性特征的识别,得到原告人物的全局语义特征,所述原告属性特征包括原告案件证据、原告事实认定;
第二识别单元4033,用于对所述特征匹配关系进行多种被告属性特征的识别,得到被告人物的全局语义特征,所述被告属性特征包括被告案件证据、被告事实认定。
进一步的,所述条文匹配模块404包括:
概率计算单元4041,用于基于预设的法律条文,利用所述全局语义特征匹配所述原告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第一匹配度,以及利用所述全局语义特征匹配所述被告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第二匹配度;
法规确定单元4042,用于确定所述第一匹配度和所述第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果。
进一步的,所述法规确定单元4042包括:
确定所述第一匹配度和所述第二匹配度对应的多种匹配度的审判组合法规;基于预设量刑相适应原则,选取匹配度超过预设组合阈值的审判组合法规,并基于选取的审判组合法规,利用预置历史审判案件库匹配对应的审判文书格式;基于所述审判文书格式,生成当前庭审的案件中各方人物的辅助审判结果。
进一步的,所述文本生成模块405包括:
文本生成单元4051,用于基于所述审判文书格式,利用所述确定反馈标识、所述辅助审判结果和所述庭审数据序列生成辅助审判文本;
节点标记单元4052,用于将所述确定反馈标识、所述辅助审判结果、所述庭审数据序列和所述辅助审判文本进行审查节点标记,得到案件审查记录,以用于案件的辅助审理和记录。
本发明实施例中,在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列;提取各庭审数据序列中语音数据和画面数据的具有逻辑关系的多个词向量特征和全局视觉特征;基于逻辑关系,建立词向量特征与全局视觉特征的多个特征匹配关系,并对各特征匹配关系进行案件中各方人物的属性特征识别,得到全局语义特征;计算全局语义特征与预设的法律条文之间的匹配度,并基于匹配度确定当前庭审的案件的辅助审判结果;获取各人物的确定反馈标识,并基于确定反馈标识和辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。相比于现有技术,本申请采集庭审过程中的数据,以及将采集的数据进行文本和图像转换,以实现对庭审中产生的数据的快速保存,进而对庭审数据序列进行多种特征的提取和匹配度的融合计算,得到对应的辅助审判结果,进而在获取庭审双方的确定标识后,生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录,从而提高了线上法庭的辅助审判的分析效果。
上面图4和图5从模块化功能实体的角度对本发明实施例中的基于互联网的辅助审判装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于互联网的辅助审判设备进行详细描述。
图6是本发明实施例提供的一种基于互联网的辅助审判设备的结构示意图,该基于互联网的辅助审判设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于互联网的辅助审判设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在基于互联网的辅助审判设备600上执行存储介质630中的一系列指令操作。
基于互联网的辅助审判设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的基于互联网的辅助审判设备结构并不构成对基于互联网的辅助审判设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种基于互联网的辅助审判设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于互联网的辅助审判方法的各个步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于互联网的辅助审判方法的各个步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前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范围。
Claims (7)
1.一种基于互联网的辅助审判方法,其特征在于,所述基于互联网的辅助审判方法包括:
在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列,所述庭审数据序列包括人物标记后的审判表情特征;
确定所述庭审数据序列对应的案件发展时序,并对所述庭审数据序列中各方人物对应的文字进行状态编码,得到文字状态向量;构建所述文字状态向量对应预设向量空间的维度特征向量,并基于所述案件发展时序,对所述维度特征向量进行时序传递计算,得到具有逻辑关系的多个词向量特征;基于所述案件发展时序,提取所述庭审数据序列中各方人物对应的图像特征,并基于图像特征提取的结果和所述审判表情特征,生成全局视觉特征;
基于所述逻辑关系,计算出所述案件中各方人物的所述词向量特征与所述全局视觉特征之间的第一关联度,并基于所述第一关联度,按照所述案件发展时序建立所述全局视觉特征与所述词向量特征的特征匹配关系;对所述特征匹配关系进行多种原告属性特征的识别,得到原告人物的全局语义特征,所述原告属性特征包括原告案件证据、原告事实认定;对所述特征匹配关系进行多种被告属性特征的识别,得到被告人物的全局语义特征,所述被告属性特征包括被告案件证据、被告事实认定;
基于预设的法律条文,利用所述全局语义特征匹配所述原告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第一匹配度,以及利用所述全局语义特征匹配所述被告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第二匹配度;确定所述第一匹配度和所述第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果;
获取各所述人物的确定反馈标识,并基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
2.根据权利要求1所述的基于互联网的辅助审判方法,其特征在于,所述画面数据包括申诉文书数据、申诉图像和人物表情图像,所述在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列,包括:
在基于互联网接入庭审直播间后,采集案件直播过程中的案件各方人物的语音数据、申诉文书数据、申诉图像和人物表情图像;
按照线上法庭的预设审查流程时间顺序,对所述语音数据进行语音文字转换,得到辩护语音文本,以及提取所述人物表情图像对应的审判表情特征,并基于各所述人物,分别对所述辩护语音文本、申诉文本、申诉图像和审判表情特征进行人物标记,得到庭审数据序列。
3.根据权利要求1所述的基于互联网的辅助审判方法,其特征在于,所述确定所述第一匹配度和所述第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果,包括:
确定所述第一匹配度和所述第二匹配度对应的多种匹配度的审判组合法规;
基于预设量刑相适应原则,选取匹配度超过预设组合阈值的审判组合法规,并基于选取的审判组合法规,利用预置历史审判案件库匹配对应的审判文书格式;
基于所述审判文书格式,生成当前庭审的案件中各方人物的辅助审判结果。
4.根据权利要求3所述的基于互联网的辅助审判方法,其特征在于,所述基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录,包括:
基于所述审判文书格式,利用所述确定反馈标识、所述辅助审判结果和所述庭审数据序列生成辅助审判文本;
将所述确定反馈标识、所述辅助审判结果、所述庭审数据序列和所述辅助审判文本进行审查节点标记,得到案件审查记录,以用于案件的辅助审理和记录。
5.一种基于互联网的辅助审判装置,其特征在于,所述基于互联网的辅助审判装置包括:
数据排序模块,用于在基于互联网接入庭审直播间后,采集案件直播过程中的语音数据和画面数据,并将语音数据和画面数据按照线上法庭的预设审查流程时间顺序进行排序,得到庭审数据序列,所述庭审数据序列包括人物标记后的审判表情特征;
特征提取模块,用于确定所述庭审数据序列对应的案件发展时序,并对所述庭审数据序列中各方人物对应的文字进行状态编码,得到文字状态向量;构建所述文字状态向量对应预设向量空间的维度特征向量,并基于所述案件发展时序,对所述维度特征向量进行时序传递计算,得到具有逻辑关系的多个词向量特征;基于所述案件发展时序,提取所述庭审数据序列中各方人物对应的图像特征,并基于图像特征提取的结果和所述审判表情特征,生成全局视觉特征;
特征匹配模块,用于基于所述逻辑关系,计算出所述案件中各方人物的所述词向量特征与所述全局视觉特征之间的第一关联度,并基于所述第一关联度,按照所述案件发展时序建立所述全局视觉特征与所述词向量特征的特征匹配关系;对所述特征匹配关系进行多种原告属性特征的识别,得到原告人物的全局语义特征,所述原告属性特征包括原告案件证据、原告事实认定;对所述特征匹配关系进行多种被告属性特征的识别,得到被告人物的全局语义特征,所述被告属性特征包括被告案件证据、被告事实认定;
条文匹配模块,用于基于预设的法律条文,利用所述全局语义特征匹配所述原告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第一匹配度,以及利用所述全局语义特征匹配所述被告人物的多个法规特征,并对所述法规特征进行法规适用度的概率计算,得到多种第二匹配度;确定所述第一匹配度和所述第二匹配度对应的审判组合法规,生成当前庭审的案件的辅助审判结果;
文本生成模块,用于获取各所述人物的确定反馈标识,并基于所述确定反馈标识和所述辅助审判结果生成案件审查记录和辅助审判文本,以用于案件的辅助审理和记录。
6.一种基于互联网的辅助审判设备,其特征在于,所述基于互联网的辅助审判设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于互联网的辅助审判设备执行如权利要求1-4中任一项所述的基于互联网的辅助审判方法的各个步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-4中任一项所述基于互联网的辅助审判方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310629079.3A CN116342332B (zh) | 2023-05-31 | 2023-05-31 | 基于互联网的辅助审判方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310629079.3A CN116342332B (zh) | 2023-05-31 | 2023-05-31 | 基于互联网的辅助审判方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116342332A CN116342332A (zh) | 2023-06-27 |
CN116342332B true CN116342332B (zh) | 2023-08-01 |
Family
ID=86880825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310629079.3A Active CN116342332B (zh) | 2023-05-31 | 2023-05-31 | 基于互联网的辅助审判方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342332B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596709B (zh) * | 2023-07-19 | 2024-02-06 | 北京分音塔科技有限公司 | 一种辅助审判方法、装置、设备及存储介质 |
CN116756324B (zh) * | 2023-08-14 | 2023-10-27 | 北京分音塔科技有限公司 | 基于庭审音频的关联度挖掘方法、装置、设备及存储介质 |
CN116758947B (zh) * | 2023-08-14 | 2023-10-20 | 北京分音塔科技有限公司 | 基于音频情感的辅助审判方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135715A (zh) * | 2019-05-06 | 2019-08-16 | 江苏新视云科技股份有限公司 | 一种智能法庭管理方法 |
CN110647612A (zh) * | 2019-09-18 | 2020-01-03 | 合肥工业大学 | 一种基于双视觉注意力网络的视觉对话生成方法 |
CN113544683A (zh) * | 2019-03-11 | 2021-10-22 | 日本电信电话株式会社 | 数据一般化装置、数据一般化方法、程序 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6847980B1 (en) * | 1999-07-03 | 2005-01-25 | Ana B. Benitez | Fundamental entity-relationship models for the generic audio visual data signal description |
US6607389B2 (en) * | 2001-08-03 | 2003-08-19 | Louis Genevie | Systems and methods for making jury selection determinations |
WO2010029569A2 (en) * | 2008-07-18 | 2010-03-18 | Mohan Dewan | Electronic justice system |
US8600100B2 (en) * | 2009-04-16 | 2013-12-03 | Sensory Logic, Inc. | Method of assessing people's self-presentation and actions to evaluate personality type, behavioral tendencies, credibility, motivations and other insights through facial muscle activity and expressions |
IN2013MU03461A (zh) * | 2013-10-31 | 2015-07-17 | Tata Consultancy Services Ltd | |
US9710790B2 (en) * | 2014-01-16 | 2017-07-18 | Hirevue, Inc. | Model-assisted evaluation and intelligent interview feedback |
CN110858353B (zh) * | 2018-08-17 | 2023-05-05 | 阿里巴巴集团控股有限公司 | 获取案件裁判结果的方法和系统 |
CN110415704A (zh) * | 2019-06-14 | 2019-11-05 | 平安科技(深圳)有限公司 | 庭审笔录数据处理方法、装置、计算机设备和存储介质 |
CN110704571B (zh) * | 2019-08-16 | 2022-02-15 | 平安科技(深圳)有限公司 | 庭审辅助处理方法、审判辅助处理方法、装置、设备及介质 |
CN111415239A (zh) * | 2019-11-21 | 2020-07-14 | 合肥工业大学 | 融合司法软信息的中小企业信用风险预测方法和系统 |
CN111967272B (zh) * | 2020-06-23 | 2023-10-31 | 合肥工业大学 | 基于语义对齐的视觉对话生成系统 |
TR202015133A1 (tr) * | 2020-09-23 | 2022-04-21 | Bahcesehir Ueniversitesi | Dijital duruşma platformu e-mahkeme portalı sistemi ve bunun yöntemi. |
CN113240378A (zh) * | 2021-03-31 | 2021-08-10 | 张二娜 | 一种法院开庭用多信息识别认证管理系统 |
CN113836298B (zh) * | 2021-08-05 | 2024-08-20 | 合肥工业大学 | 基于视觉增强的文本分类方法和系统 |
US12038968B2 (en) * | 2021-08-13 | 2024-07-16 | Samsung Electronics Co., Ltd. | Method and device for personalized search of visual media |
CN113780217B (zh) * | 2021-09-16 | 2024-08-02 | 中国平安人寿保险股份有限公司 | 直播辅助提示方法、装置、计算机设备及存储介质 |
CN114445832A (zh) * | 2022-01-25 | 2022-05-06 | 平安科技(深圳)有限公司 | 基于全局语义的文字图像识别方法、装置及计算机设备 |
-
2023
- 2023-05-31 CN CN202310629079.3A patent/CN116342332B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113544683A (zh) * | 2019-03-11 | 2021-10-22 | 日本电信电话株式会社 | 数据一般化装置、数据一般化方法、程序 |
CN110135715A (zh) * | 2019-05-06 | 2019-08-16 | 江苏新视云科技股份有限公司 | 一种智能法庭管理方法 |
CN110647612A (zh) * | 2019-09-18 | 2020-01-03 | 合肥工业大学 | 一种基于双视觉注意力网络的视觉对话生成方法 |
Non-Patent Citations (2)
Title |
---|
"互联网+"法治政府评估的空间与路径研究;康兰平;;电子政务(03);全文 * |
突发性事件应对的传媒预警――基于典型案例的分析;李朝;康兰平;;现代妇女(下旬)(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116342332A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116342332B (zh) | 基于互联网的辅助审判方法、装置、设备及存储介质 | |
CN116824278B (zh) | 图像内容分析方法、装置、设备和介质 | |
CN113327279B (zh) | 一种点云数据处理方法、装置、计算机设备及存储介质 | |
CN117033571A (zh) | 知识问答系统构建方法及系统 | |
WO2024120245A1 (zh) | 视频信息摘要生成方法、装置、存储介质及计算机设备 | |
CN117520503A (zh) | 基于llm模型的金融客服对话生成方法、装置、设备及介质 | |
CN113705191A (zh) | 样本语句的生成方法、装置、设备及存储介质 | |
Nguyen et al. | Temporal colour-coded facial-expression recognition using convolutional neural network | |
CN111488501A (zh) | 一种基于云平台的电商统计系统 | |
CN114676705B (zh) | 一种对话关系处理方法、计算机及可读存储介质 | |
CN117149996B (zh) | 面向人工智能应用的人机界面数字会话挖掘方法及ai系统 | |
CN118097534A (zh) | 园区安防视频监控方法、装置、设备及存储介质 | |
CN117708561A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN116882514A (zh) | 一种基于混合模型的多任务处理方法和装置 | |
CN116543798A (zh) | 基于多分类器的情感识别方法和装置、电子设备、介质 | |
CN114937277B (zh) | 基于图像的文本获取方法、装置、电子设备及存储介质 | |
CN113643141B (zh) | 解释性结论报告生成方法、装置、设备及存储介质 | |
CN113706207A (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
CN113821498A (zh) | 数据的筛选方法、装置、设备及介质 | |
CN111897730A (zh) | 城市大脑建设中ai算法评测方法、系统、设备及介质 | |
CN110674269A (zh) | 一种线索信息管控方法及系统 | |
CN116702094B (zh) | 一种群体应用偏好特征表示方法 | |
Huang et al. | Research and Application of Key Technologies of Multi-round Dialogue in Intelligent Customer Service | |
CN118133191B (zh) | 一种多模态数据的目标检测方法及装置 | |
CN118245982B (zh) | 一种基于人工智能对伪装应用程序进行识别的方法及装置 |
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 |