[發明專利]一種基于強化學習的法律認知方法、裝置和介質

有效

• 申請號: 201710476566.5
• 申請日: 2017-06-21
• 公開（公告）號: CN108073988B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 李東海;黃曉宏
• 申請（專利權）人: 北京華宇元典信息服務有限公司
• 主分類號: G06N5/02
• 分類號: G06N5/02;G06Q50/18
• 代理公司: 北京彩和律師事務所 11688
• 代理人: 閆桑田

本發明涉及一種利用人工智能領域的機器學習技術，通過機器強化學習和反饋法律知識提高人工智能的水平，尤其是法律領域人工智能的水平。本發明所涉及的方法、裝置和計算機可讀介質，調用法律知識圖譜，獲得法律概念，對所述法律概念進行置信度評價，獲得法律認知結果，構建所述法律認知結果的評估網絡，通過所述評估網絡，反饋并強化所述法律知識圖譜。對法律知識的識別和處理引入評價機制，提高了人工智能法律知識的處理能力。

技術領域

本發明涉及一種利用人工智能領域的學習和認知，特別是法律信息的人工智能學習領域。

背景技術

自然語言處理(natural language processing，簡稱NLP)是計算機科學，人工智能，語言學關注計算機和人類(自然)語言之間的相互作用的領域。對于自然語言理解，特別是語義理解方面，從現有的理論和技術現狀看，部分的自然語言處理系統，特別是針對特定業務需求的自然語言處理和理解系統，雖然具備了一定的實用性，但是在法律文本的自然語言處理領域，尚無成熟的、專業的技術成果和商業應用。

就法律自然語言理解而言，其主要問題包括幾方面：

一是缺少針對法律領域的大規模真實語料庫的研制，以及專業性強的豐富的法律詞典的編制。如對于法律專業的“無因管理”、“不當得利”以及特定的案由、罪名等，通用的分詞等技術是無法滿足實際應用需求的。

二是對法律文本的基本屬性、特征、規則研究不足，導致對包括裁判文書、檢察文書、訴狀與答辯意見、證據材料等在內的各類文本進行信息抽取和分析效果不佳。

三是目前的語義理解能力，主要集中在對相似的法律詞語的理解上。在短語、語句層面的理解效果上還有不足，導致無法實現從字面涵義到法律涵義的轉換，更無法對紛繁復雜的案件自然事實、情節、證據進行統一認知和擴展。

舉例來說，裁判文書會區分為刑事、民事、行政、執行等各類案件類型，同時也會區分一審、二審、再審等各類審判程序，并且根據判決、裁定、調解文書來看，其文書結構和段落等也會有較多的差別。只有精準的識別了相應的屬性，我們才有可能更好地做相應的信息抽取和語義理解。如到公安機關投案這個事實，在法律認知上屬于自首的一個具體情形。再如對于入戶盜竊中關于“戶”的理解，也需要結合具體語境或者實際情況來實現統一的認知，從而擴展我們的知識。

強化學習(reinforcement learning)，是一種重要的機器學習方法，在智能控制機器人及分析預測等領域有許多應用。強化學習主要實現智能系統從環境到行為映射的學習，以使獎勵信號(強化信號)函數值最大，不斷找到實現優化。

就強化學習而言，其主要問題在于：傳統的強化學習，一般是通過完全的人機交互來實現的。而針對法律領域，由于其專業性、邏輯性的要求，單純的依靠人工干預，即使是專業的法律用戶來干預，一方面在效率、成本上有諸多制約，另一方面，也會受到人為判定標準差異性等因素的影響。單純的自然語言處理技術和強化學習技術不能很好地解決法律文本處理和認知方面的問題，因此我們提出了基于強化學習的法律認知引擎和其應用方法。

發明內容

為了解決上述存在的技術問題，本發明提出了一種基于強化學習的法律認知方法、裝置和介質。本發明提出的技術方案與法律知識圖譜調用和法律規則構建技術相結合，通過對法律概念的置信度評價，對強化反饋的效率和準確性進行改進，促進機器的自主強化學習，從而提高法律知識的準確性。

本發明提出的一種基于強化學習的法律認知方法，包括，

步驟1：調用法律知識圖譜，獲得法律概念；

步驟2：對所述法律概念進行置信度評價，獲得法律認知結果；

步驟3：構建所述法律認知結果的評估網絡；

步驟4：通過所述評估網絡，反饋并強化所述法律知識圖譜。