CN117609487A - 基于人工智能的法律条文快速检索方法及系统 - Google Patents
基于人工智能的法律条文快速检索方法及系统 Download PDFInfo
- Publication number
- CN117609487A CN117609487A CN202410078992.3A CN202410078992A CN117609487A CN 117609487 A CN117609487 A CN 117609487A CN 202410078992 A CN202410078992 A CN 202410078992A CN 117609487 A CN117609487 A CN 117609487A
- Authority
- CN
- China
- Prior art keywords
- case
- cases
- court
- legal
- target
- 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 39
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 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
- G06F16/33—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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能化数字处理技术领域,更具体地,本发明涉及一种基于人工智能的法律条文快速检索方法及系统,包括:采集案例建立案件库,并提取所述案件库中所有案件的特征词,构建特征词库;提取出所述目标案件的特征词;根据提取出的所述目标案件的特征词,并且根据计算的参考评价值,在所述案件库中筛选出参考案件,其中,所述参考案件的参考评价值高于预设阈值。本发明根据使用者需要检索的目标案件,对目标案件进行特征词的提取,且考虑到了管辖地法院与非管辖地法院之间对相似案件的使用法条进行参考,并依据计算出来每个参考案件中的法条的推荐程度,对参考案件进行排列,获得一个法条推荐列表,提高了对法条推荐的精确性。
Description
技术领域
本发明涉及智能化数字处理技术领域。更具体地,本发明涉及基于人工智能的法律条文快速检索方法及系统。
背景技术
现有的法律法规数量较多,每个法律法规里面涉及到的法条也很多,社会公众或一些初级律师对法律法规的了解程度通常止于表面,当案件发生时,依据案件详情较难准确的找到法律依据或者无法判断适用的法条。
目前法条的检索往往没有考虑到实际判例,且对于相似的案件,在不同地区的法院判决结果不相同,适用的法条也可能不一样,导致判决的结果不同,从而导致推荐的法条精准程度不够精确,存在偏差。
发明内容
为本发明提供一种基于人工智能的法律条文快速检索方法及系统,旨在解决相关技术中对于相似的案件,在不同地区的法院判决结果不相同,适用的法条也可能不一样,导致判决的结果不同,从而导致推荐的法条精准程度不够精确,存在偏差的问题。
在第一方面中,本发明提供了基于人工智能的法律条文快速检索方法,包括:采集案例建立案件库,并提取所述案件库中所有案件的特征词,构建特征词库;提取出所述目标案件的特征词;根据提取出的所述目标案件的特征词,并且根据计算的参考评价值,在所述案件库中筛选出参考案件,其中,所述参考案件的参考评价值高于预设阈值;计算出法院的参考程度系数,其中所述参考程度系数与法院之间的裁判结果的相似性有关;将所述参考案件的参考评价值与对应法院的参考程度系数相乘,得到对所述参考案件的评价修正值;根据每个所述参考案件的评价修正值,对所述参考案件进行排序,对所述参考案件对应的法条进行推荐。
在一实施例中,所述参考评价值的计算公式为:
其中,为待评价案件的参考评价值,/>为目标文件与参考案件中相同特征词的个数,/>为第/>个词,/>为在案件库中包含第/>个特征词的案件个数。
在一实施例中,响应于所述待评价案件的参考评价值小于预设阈值,则不为参考案件。
在一实施例中,计算出法院的参考程度系数,计算公式为:
其中,表示/>法院的参考程度系数,/>表示目标法院与法院/>之间的裁判结果欧式距离的归一化,/>表示对/>求和。
在一实施例中,的计算公式为:
=/>
其中,W是第一类裁判结果,Y表示第二类裁判结果,表示目标法院的第一类裁判结果的参考案件与该法院的参考案件总数量的比值,/>表示目标法院的第二类裁判结果的参考案件与该法院的参考案件总数量的比值;/>表示为/>法院的第一类裁判结果的参考案件与该法院的参考案件总数量的比值,/>表示为/>法院的第二类裁判结果的参考案件与该法院的参考案件总数量的比值。
在一实施例中,对所述参考案件对应的法条进行推荐,包括:响应于所述参考案件中具有多个法条,则按照法条推荐程度进行排序。
在一实施例中,所述法条推荐程度的计算公式为:
其中,u为法条推荐程度,为法条的权重,/>为所述参考案件的评价修正值。
在一实施例中,还包括:响应于所述参考案件中只有一条法条,则对当前法条进行推荐。
本发明第二方面,还提供了一种基于人工智能的法律条文快速检索系统,包括存储器和处理器,其上存储有计算机程序,所述计算机程序被执行时实现如以上任一项所述的基于人工智能的法律条文快速检索方法。
本发明的有益效果
(一)本发明可以根据使用者需要检索的目标案件,对目标案件进行特征词的提取,且考虑到了管辖地法院与非管辖地法院之间对相似案件的使用法条进行参考,并依据计算出来每个参考案件中的法条的推荐程度,对参考案件进行排列,获得一个法条推荐列表,提高了对法条推荐的精确性。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是示意性示出根据本发明的实施例的流程图;
图2是示意性示出根据本发明的系统结构示意图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
下面结合附图来详细描述本发明的具体实施方式。
如图1所示,本发明提供了基于人工智能的法律条文快速检索方法,具体步骤如下:
步骤S101:采集案例建立案件库,并提取所述案件库中所有案件的特征词,构建特征词库。
在一个实施例中,采集全国案例进行案件库的建立,采集过程可在裁判文书网或者各级法院的官方网站上检索得到。采集多件案件的特征词,所述特征词包括但不限于案由:即案件的具体争议点或纠纷事项。例如民事案件可能涉及婚姻家庭、合同纠纷、侵权责任等问题;刑事案件可能涉及的罪行;证据:案件中提供的各种证据,包括书证、物证、证人证言、鉴定意见等。判决结果:即法院最终对案件做出的裁决结果,包括支持原告或被告的诉求、进行赔偿或处罚等。相关费用:案件中涉及到的各种费用,包括律师费、立案费、诉讼保全费、鉴定费等信息。
步骤S102:提取出所述目标案件的特征词。
为了便于理解,举例说明:某一目标案件的案由描述为:XXXX年XX月XX日,在某一路口发生交通事故,前车突然停车,导致后车追尾。双方发生争执,其中一人轻微受伤。在进行分词处理后,提取到时间、地点、案件类型(交通事故)、案发原因(追尾)、伤亡程度(轻微受伤)等特征词。注意,实际案件的特征词较多,本文在此举例仅用到上述五个特征词,是为了便于理解。
步骤S103:根据提取出的所述目标案件的特征词,并且根据计算的参考评价值,在所述案件库中筛选出参考案件。
在一个实施例中,根据目标案件的特征词(时间、地点、交通事故、追尾、发生争执),在案件库中筛选出包括以上相同特征词一个或多个的案件作为待评价案件,然后计算出每个待评价案件的参考评价值,如果该参考评价值大于预设阈值则将待评价案件作为参考案件。对于参考评价值小于预设阈值的待评价案件,则不作为参考案件。
举例说明,根据目标案件提取出的特征词在案件库中筛选出5件待评价案件,其中,待评价案件中的特征词包括目标案件特征词的一个或多个,然后计算得到5件待评价案件的参考评价值依次为0.07、0.02、0.06、0.04和0.08,如下表所示:
在一个实施例中,假设预设阈值为0.05,而5件待评价案件的参考评价值若大于0.05则作为参考案件,也就是第一待评价案件、第三待评价案件和第五待评价案件符合条件,则将第一待评价案件、第三待评价案件和第五待评价案件作为参考案件。
步骤S104; 计算出法院的参考程度系数,其中所述参考程度系数与法院之间的裁判结果的相似性有关。
在一个实施例中,因为受限于各地现实情况不同,对于位于不同地区的参考案件,在不同地区的法院判决结果不相同,适用的法条也可能不一样,导致判决得结果不同。因此首先确定各个法院的参考程度,也就是计算目标法院与其他法院之间的裁判结果的相似性,裁判结果的相似性越高,参考程度系数越高,则该法院参考案件的参考性越大。
步骤S105:将所述参考案件的参考评价值与对应法院的参考程度系数相乘,得到对所述参考案件的评价修正值。
在一个实施例中,将案件库中所有参考案件的参考评价与对应案件的管辖法院的参考程度系数相乘,获得修正后的修正参考评价。
步骤S106:根据每个所述参考案件的评价修正值,对所述参考案件进行排序,对所述参考案件对应的法条进行推荐。
在一个实施例中,在计算得到每个参考案件的评价修正值后,可以按照评价修正值进行排序,排列顺序可以由高到低进行排序,也可以由低到高进行排序。若参考案件中具有多个法条,则按照法条推荐程度进行排序,排列顺序也可以采用由高到低进行排序或者由低到高进行排序。
在一个实施例中,关于步骤S103,参考评价值的计算公式为:
其中,为待评价案件的参考评价值,/>为目标文件与参考案件中相同特征词的个数,/>为第/>个词,/>为在案件库中包含第/>个特征词的案件个数。
举例说明,提取到目标案件的特征词有5个,分别为时间、地点、交通事故、追尾和发生争执这5个特征词,而假设案件库中的案件有50件,且目标案件与参考案件中相同特征词的个数有5个,则m=5;假设筛选出案件库中包含以上3个特征词的案件个数为15件,则=15;筛选出案件库中包含以上2个特征词的案件个数为25件,则/>=25。
通过以上步骤,的值越大,计算出来的/>的值越大,说明包含相同特征词的参考案件个数越多,说明该特征词越通用,特殊性越低,依据该特征词做推荐的效果也越好。
在一个实施例中,关于步骤S104,法院的参考程度系数的计算公式为:
其中,表示/>法院的参考程度系数,/>表示目标法院与法院/>之间的裁判结果欧式距离的归一化,/>表示对/>求和。
在一个实施例中,的计算公式为:
=/>
其中,W是第一类裁判结果,Y表示第二类裁判结果,表示目标法院的第一类裁判结果的参考案件与该法院的参考案件总数量的比值,/>表示目标法院的第二类裁判结果的参考案件与该法院的参考案件总数量的比值;/>表示为/>法院的第一类裁判结果的参考案件与该法院的参考案件总数量的比值,/>表示为/>法院的第二类裁判结果的参考案件与该法院的参考案件总数量的比值。
例如,对于侵权案件,第一类裁判结果是裁判权利人胜诉,第二类是除权利人胜诉之外的其他结果。
举例说明,假设目标法院为X1,参考案件涉及了目标法院X1和其他三个法院分别为Y1、Y2和Y3的法院。根据目标法院X1与法院Y1的裁判结果相似性计算Y1的参考程度系数为c1;根据目标法院X1与法院Y2的裁判结果相似性计算法院Y2的参考程度系数为c2;根据目标法院X1与法院Y3的裁判结果相似性计算法院Y3的参考程度系数为c3;而目标法院X1自身的参考程度系数为c4。
在一个实施例中,将所述参考案件的参考评价值与对应法院的参考程度系数相乘,得到对所述参考案件的评价修正值。举例说明,对于一个参考案件B1,该参考案件B1的参考评价值为b1,其管辖法院为Y1法院,则计算参考案件B1评价修正值为b1*c1;对于一个参考案件B2,该参考案件B2的参考评价值为b2,其管辖法院为Y2法院,则计算参考案件B2的评价修正值为b2*c2;对于一个参考案件B3,该参考案件B3的参考评价值为b3,其管辖法院为Y3法院,则计算参考案件B2的评价修正值为b3*c3。
在一个实施例中,将所述参考案件的参考评价值与对应法院的参考程度系数相乘,得到对所述参考案件的评价修正值。
在一个实施例中,对于参考案件中只有一条法条的情况下,可以根据所有参考案件修正后的评价修正值,从高到低进行排列对客户进行推荐。
在另一个实施例中,对于参考案件中有多条法条的情况下,可以计算出法条推荐程度,法条推荐程度的计算公式为:
其中,u为某案件中法条推荐程度,为法条的权重,/>为某一参考案件的评价修正值,其中/>为某一参考案件中某一法条出现的次数与出现的总法条数量的比值。
举例说明:参考案件的数量为三个,分别为:A参考案件、V参考案件和Z参考案件,其中,A参考案件中具有3个法条(J法条、K法条、L法条),V参考案件中也具有3个法条(J法条、K法条、T法条),Z参考案件中具有2个法条(K法条、F法条),然后计算出每个法条的推荐程度,例如J法条推荐程度的计算公式为:
=/>
式中,表示J法条的推荐程度,/>表示A参考案件的评价修正值,/>为V参考案件的评价修正值。
例如K法条推荐程度的计算公式为:
=/>
式中,表示K法条的推荐程度,/>表示A参考案件的评价修正值,/>为V参考案件的评价修正值,/>为Z参考案件的评价修正值。
例如T法条推荐程度的计算公式为:
=/>
式中,表示T法条的推荐程度,/>为V参考案件的评价修正值。在检索结果页面上,依据计算出来每个参考案件中的法条的推荐程度,对参考案件进行排列。
通过以上步骤,本发明可以根据使用者需要检索的目标案件,对目标案件进行特征词的提取,且考虑到了管辖地法院与非管辖地法院之间对同一领域案件的使用条款参考,获得一个法条推荐列表,提高了对法条推荐的精确性。
本发明还提供了一种基于人工智能的法律条文快速检索系统。如图2所示,所述系统包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据本发明第一方面所述的一种基于人工智能的法律条文快速检索方法。
在一个实施例中,本发明提供了一种计算机设备,其内部结构可以如图2所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力,可以选择CPU、单片机、DSP或者FPGA等各种品种。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。当计算机程序被执行时,可以完成上述方法实施例中所描述的步骤,例如S101-步骤S106。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于人工智能的法律条文快速检索方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
所述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
在本发明中,前述的存储器可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(Resistive RandomAccess Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等,或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
在本说明书的描述中,“多个”、“若干个”的含义是至少两个,例如两个,三个或更多个等,除非另有明确具体的限定。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于人工智能的法律条文快速检索方法,其特征在于,包括:
采集案例建立案件库,并提取所述案件库中所有案件的特征词,构建特征词库;
提取出目标案件的特征词;
根据提取出的所述目标案件的特征词,并且根据计算的参考评价值,在所述案件库中筛选出参考案件,其中,所述参考案件的参考评价值高于预设阈值;
计算出法院的参考程度系数,其中所述参考程度系数与法院之间的裁判结果的相似性有关,计算公式为:
其中,表示/>法院的参考程度系数,/>表示目标法院与法院/>之间的裁判结果欧式距离的归一化,/>表示对/>求和;
式中,的计算公式为:
=/>
其中,W是第一类裁判结果,Y表示第二类裁判结果,表示目标法院的第一类裁判结果的参考案件与该法院的参考案件总数量的比值,/>表示目标法院的第二类裁判结果的参考案件与该法院的参考案件总数量的比值;/>表示为/>法院的第一类裁判结果的参考案件与该法院的参考案件总数量的比值,/>表示为/>法院的第二类裁判结果的参考案件与该法院的参考案件总数量的比值;
将所述参考案件的参考评价值与对应法院的参考程度系数相乘,得到对所述参考案件的评价修正值;
根据每个所述参考案件的评价修正值,对所述参考案件进行排序,对所述参考案件对应的法条进行推荐。
2.根据权利要求1所述的基于人工智能的法律条文快速检索方法,其特征在于:所述参考评价值的计算公式为:
其中,为待评价案件的参考评价值,/>为目标文件与参考案件中相同特征词的个数,/>为第/>个词,/>为在案件库中包含第/>个特征词的案件个数。
3.根据权利要求1所述的基于人工智能的法律条文快速检索方法,其特征在于:
响应于从所述案件库中筛选出的案件的参考评价值小于预设阈值,则不为参考案件。
4.根据权利要求1所述的基于人工智能的法律条文快速检索方法,其特征在于:对所述参考案件对应的法条进行推荐,包括:
响应于所述参考案件中具有多个法条,则按照法条推荐程度进行排序。
5.根据权利要求1所述的基于人工智能的法律条文快速检索方法,其特征在于:所述法条推荐程度的计算公式为:
其中,u为法条推荐程度,为法条的权重,/>为所述参考案件的评价修正值。
6.根据权利要求4所述的基于人工智能的法律条文快速检索方法,其特征在于:还包括:
响应于所述参考案件中只有一条法条,则对当前法条进行推荐。
7.一种基于人工智能的法律条文快速检索系统,包括存储器和处理器,其上存储有计算机程序,其特征在于,所述计算机程序被执行时实现如权利要求1至6中任一项所述的基于人工智能的法律条文快速检索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410078992.3A CN117609487B (zh) | 2024-01-19 | 2024-01-19 | 基于人工智能的法律条文快速检索方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410078992.3A CN117609487B (zh) | 2024-01-19 | 2024-01-19 | 基于人工智能的法律条文快速检索方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117609487A true CN117609487A (zh) | 2024-02-27 |
CN117609487B CN117609487B (zh) | 2024-04-09 |
Family
ID=89951964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410078992.3A Active CN117609487B (zh) | 2024-01-19 | 2024-01-19 | 基于人工智能的法律条文快速检索方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609487B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170043365A (ko) * | 2015-10-13 | 2017-04-21 | 이지민 | 빅데이터를 이용한 중요 판례 추출 및 정리 방법 |
CN107818138A (zh) * | 2017-09-28 | 2018-03-20 | 银江股份有限公司 | 一种案件法律条例推荐方法及系统 |
CN110032721A (zh) * | 2018-01-11 | 2019-07-19 | 北京国双科技有限公司 | 一种裁判文书推送方法及装置 |
CN110647631A (zh) * | 2018-06-25 | 2020-01-03 | 阿里巴巴集团控股有限公司 | 案例推荐的方法及装置、存储介质、处理器 |
CN111858842A (zh) * | 2019-04-26 | 2020-10-30 | 南京大学 | 一种基于lda主题模型的司法案例筛选方法 |
WO2021031383A1 (zh) * | 2019-08-16 | 2021-02-25 | 平安科技(深圳)有限公司 | 智能辅助审判方法、装置、计算机设备及存储介质 |
CN112579763A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 一种文书的推送方法及装置 |
CN113779969A (zh) * | 2021-09-16 | 2021-12-10 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的案件信息处理方法、装置、设备及介质 |
CN113918706A (zh) * | 2021-10-15 | 2022-01-11 | 山东大学 | 一种行政处罚决定书的信息抽取方法 |
US20220067076A1 (en) * | 2020-09-02 | 2022-03-03 | Tata Consultancy Services Limited | Method and system for retrieval of prior court cases using witness testimonies |
KR20230055150A (ko) * | 2021-10-18 | 2023-04-25 | 김현민 | 법률사건 정보 제공 시스템 및 방법 |
CN116304078A (zh) * | 2022-12-30 | 2023-06-23 | 北京华夏电通科技股份有限公司 | 法律案件的适用法条推荐方法及装置 |
-
2024
- 2024-01-19 CN CN202410078992.3A patent/CN117609487B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170043365A (ko) * | 2015-10-13 | 2017-04-21 | 이지민 | 빅데이터를 이용한 중요 판례 추출 및 정리 방법 |
CN107818138A (zh) * | 2017-09-28 | 2018-03-20 | 银江股份有限公司 | 一种案件法律条例推荐方法及系统 |
CN110032721A (zh) * | 2018-01-11 | 2019-07-19 | 北京国双科技有限公司 | 一种裁判文书推送方法及装置 |
CN110647631A (zh) * | 2018-06-25 | 2020-01-03 | 阿里巴巴集团控股有限公司 | 案例推荐的方法及装置、存储介质、处理器 |
CN111858842A (zh) * | 2019-04-26 | 2020-10-30 | 南京大学 | 一种基于lda主题模型的司法案例筛选方法 |
WO2021031383A1 (zh) * | 2019-08-16 | 2021-02-25 | 平安科技(深圳)有限公司 | 智能辅助审判方法、装置、计算机设备及存储介质 |
CN112579763A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 一种文书的推送方法及装置 |
US20220067076A1 (en) * | 2020-09-02 | 2022-03-03 | Tata Consultancy Services Limited | Method and system for retrieval of prior court cases using witness testimonies |
CN113779969A (zh) * | 2021-09-16 | 2021-12-10 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的案件信息处理方法、装置、设备及介质 |
CN113918706A (zh) * | 2021-10-15 | 2022-01-11 | 山东大学 | 一种行政处罚决定书的信息抽取方法 |
KR20230055150A (ko) * | 2021-10-18 | 2023-04-25 | 김현민 | 법률사건 정보 제공 시스템 및 방법 |
CN116304078A (zh) * | 2022-12-30 | 2023-06-23 | 北京华夏电通科技股份有限公司 | 法律案件的适用法条推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117609487B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ke et al. | A CA-based land system change model: LANDSCAPE | |
Dezhkam et al. | Performance evaluation of land change simulation models using landscape metrics | |
Natalini et al. | Global food security and food riots–an agent-based modelling approach | |
CN110737859B (zh) | 一种up主匹配方法及装置 | |
US9270712B2 (en) | Managing moderation of user-contributed edits | |
CN103064880B (zh) | 一种基于搜索信息向用户提供网站选择的方法、装置和系统 | |
CN105468598A (zh) | 好友推荐方法及装置 | |
Hajizadeh et al. | Scenario-based capability evaluation of ecotourism development–an integrated approach based on WLC, and FUZZY–OWA methods | |
JP2007249584A (ja) | クライアントデータベース構築方法、データ検索方法、データ検索システム、データ検索フィルタリングシステム、クライアントデータベース構築プログラム、データ検索プログラム、データ検索フィルタリングプログラム及びプログラムを格納したコンピュータで読み取り可能な記録媒体並びに記録した機器 | |
CN113626700B (zh) | 律师推荐方法和系统及设备 | |
CN103970747A (zh) | 网络侧计算机对搜索结果进行排序的数据处理方法 | |
CN103544307A (zh) | 一种不依赖文档库的多搜索引擎自动化对比评测方法 | |
Volker et al. | Streamlining the development approval process in a post–level of service Los Angeles | |
CN117609487B (zh) | 基于人工智能的法律条文快速检索方法及系统 | |
WO2011100675A2 (en) | Integration of voter and contributor data into political software and compliance systems for purposes of solicitation, compliance, vetting, and calls to action | |
Liu et al. | Ecological Security assessment based on remote sensing and landscape ecology model | |
CN108960624A (zh) | 基于用户到访信息的网格相似度判定方法、装置和系统 | |
CN108563794A (zh) | 基于高阶奇异值分解的上下文推荐方法及装置 | |
CN107948257A (zh) | App的推送方法及计算机可读存储介质 | |
CN106611339B (zh) | 种子用户筛选方法、产品的用户影响力评价方法及装置 | |
CN108920492B (zh) | 一种网页分类方法、系统、终端及存储介质 | |
CN110633890A (zh) | 一种土地利用效率判断方法和系统 | |
Keskustalo et al. | The effects of relevance feedback quality and quantity in interactive relevance feedback: A simulation based on user modeling | |
CN115878882A (zh) | 用户兴趣的分层表示学习 | |
KR102041915B1 (ko) | 인공지능을 활용한 데이터베이스 모듈 및 이를 이용하는 경제데이터 제공 시스템 및 방법 |
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 |