[發明專利]一種司法數據的處理方法及系統

在審

• 申請號: 201811156903.3
• 申請日: 2018-09-30
• 公開（公告）號: CN110969017A
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 陳華杰
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06N3/04;G06N3/08;G06Q50/18
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

本發明提供一種司法數據的處理方法及系統，所述方法包括：獲取需要預測司法數據的待辦理案件的案件信息，所述司法數據包括罪名，所述案件信息包括所述待辦理案件的文本信息。將文本信息作為預先建立的罪名預測模型的輸入進行預測得到法條預測結果，并基于法條預測結果得到待辦理案件的預測罪名，其中，所述罪名預測模型由基于樣本數據和類標訓練神經網絡模型獲得。本發明提供的司法數據處理方法，通過利用已經公開的司法文書數據預先訓練神經網絡模型得到罪名預測模型，將待辦理案件的文本信息輸入預測模型中進行預測得到對應的預測罪名，能縮短判決時間，提高判決準確性和效率。

技術領域

本發明涉及數據分析技術領域，具體涉及一種司法數據的處理方法及系統。

背景技術

隨著現代社會的發展，法律是文明社會發展過程中的產物之一。法律通常是指由社會認可國家確認立法機關制定規范的行為準則，并由國家強制力保證規定當事人權利和義務為內容的，對全體社會成員具有普遍約束力的一種特殊行為規范。當社會成員之間出現糾紛時，由司法機關按照法律進行立案裁定。

在進行法律判決時，通常由人工根據案情的描述并查閱相關法律，根據法律規定做出判決。目前常見的定罪方法為要素解析，即人為事先對多個罪名逐一梳理出一套定罪要素，再為每個定罪要素總結對應的識別方法，其中常見的識別方法為正則匹配法，即當行為事實描述符合某個罪名的定罪要素，則可以判斷該行為觸犯了對應的罪名。但一方面由于各國法律規定的罪名有數百個，通過人工逐一梳理每個罪名的定罪要素需要較高的時間和人力成本。另一方面由于語言的多樣性，對同一個定罪要素通常有多個不同的描述和表達方式，影響判決的準確性和效率。

綜上所知，利用現有技術進行罪名判決存在耗時長、準確性低和效率低等問題。

發明內容

有鑒于此，本發明實施例提供一種司法數據的處理方法及系統，以解決現有人工進行罪名判決存在耗時長、準確性低和效率低等問題。

為實現上述目的，本發明實施例提供如下技術方案：

本發明實施例第一方面公開了一種司法數據的處理方法，所述方法包括：

獲取需要預測司法數據的待辦理案件的案件信息，所述司法數據包括罪名，所述案件信息包括所述待辦理案件的文本信息；

將所述文本信息作為預先建立的罪名預測模型的輸入進行預測得到法條預測結果，并基于所述法條預測結果得到所述待辦理案件的預測罪名，其中，所述罪名預測模型由基于樣本數據和類標訓練神經網絡模型獲得。

可選的，所述由基于樣本數據和類標訓練神經網絡模型獲得罪名預測模型的過程包括：

將獲取到的樣本數據輸入所述神經網絡模型進行訓練，得到法條預測數據和罪名預測數據，所述樣本數據來自公開的司法文書；

計算所述法條預測數據與法條標準類標之間的法條預測誤差、所述罪名預測數據與罪名標準類標之間的罪名預測誤差；

基于當前學習率，所述法條預測誤差和所述罪名預測誤差訓練所述神經網絡模型，將訓練后的所述神經網絡模型作為罪名預測模型。

可選的，將所述文本信息作為預先建立的罪名預測模型的輸入進行預測得到法條預測結果，并基于所述法條預測結果得到所述待辦理案件的預測罪名，包括：

將所述文本信息輸入所述罪名預測模型的輸入層進行分詞處理，得到離散詞語，并將所述離散詞語傳輸至所述罪名預測模型的詞編碼層；

在所述詞編碼層，利用預先訓練的詞向量模型，將所述離散詞語轉化為預設維數的離散詞語向量，并將所述離散詞語向量傳輸至所述罪名預測模型的雙向循環神經網絡層；

在所述雙向循環神經網絡層對所述離散詞語向量進行訓練，得到第一信息；