[發(fā)明專利]一種法律文書的確定方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811156952.7
• 申請日: 2018-09-30
• 公開（公告）號: CN110990522B
• 公開（公告）日: 2023-07-04
• 發(fā)明（設(shè)計(jì)）人: 戴威
• 申請（專利權(quán)）人: 北京國雙科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/289
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王寶筠

本發(fā)明公開了一種法律文書的確定方法和系統(tǒng)，通過對獲取到的第一法律文書的文本信息進(jìn)行分詞處理，得到文書分詞數(shù)據(jù)，然后根據(jù)得到的分詞數(shù)據(jù)得到第一法律文書的第一表征向量，以及獲取法律文書集合中每個(gè)第二法律文書的第二表征向量，基于第一表征向量和所述第二法律文書的第二表征向量，確定第一法律文書對應(yīng)的第二法律文書。通過上述公開的法律文書確定方法。通過上述過程，基于第一表征向量和每個(gè)第二法律文書的第二表征向量，從而確定第一法律文書對應(yīng)的第二法律文書。從而實(shí)現(xiàn)快速幫助法務(wù)人員在法律庫中尋找到與本案相似案件法律文書。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體為一種法律文書的確定方法及系統(tǒng)。

背景技術(shù)

隨著現(xiàn)代社會的發(fā)展，法律是文明社會發(fā)展過程中的產(chǎn)物之一。法律通常是指由社會認(rèn)可國家確認(rèn)立法機(jī)關(guān)制定規(guī)范的行為準(zhǔn)則，并由國家強(qiáng)制力保證規(guī)定當(dāng)事人權(quán)利和義務(wù)為內(nèi)容的，對全體社會成員具有普遍約束力的一種特殊行為規(guī)范。當(dāng)社會成員之間出現(xiàn)糾紛時(shí)，由司法機(jī)關(guān)按照法律進(jìn)行立案裁定。

在立案進(jìn)行裁定的過程中，由法務(wù)人員基于具體事件所對應(yīng)的法條做出最終的裁定。在現(xiàn)有技術(shù)中，都是通過人力閱讀理解案件，并通過對案件的分析，再去查閱與本案相類似的案件，也就是對應(yīng)本案的歷史案件，然后借鑒相類似案件的判罰完成本案的判定，以示法律的公平。

但是，由于案件庫存中案件量大，一方面，法務(wù)人員在案件庫中尋找到與本案相對應(yīng)的案件時(shí)，會花去大量時(shí)間。另一方面，法務(wù)人員尋找到的案件未必是相對應(yīng)的案件，需要重新查詢，從而降低了查詢效率。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供了一種法律文書的確定方法及系統(tǒng)，以實(shí)現(xiàn)快速查詢并獲取與本案相對應(yīng)的案件的目的。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

本發(fā)明第一方面公開了一種法律文書的確定方法，包括：

對獲取到的第一法律文書的文本信息進(jìn)行分詞處理，得到文本分詞數(shù)據(jù)；

利用預(yù)先訓(xùn)練得到的網(wǎng)絡(luò)模型，基于所述文本分詞數(shù)據(jù)得到所述第一法律文書的第一表征向量；

獲取法律文書集合中每個(gè)第二法律文書的第二表征向量；

基于所述第一表征向量和所述每個(gè)第二法律文書的第二表征向量，確定所述第一法律文書對應(yīng)的第二法律文書；

其中，所述網(wǎng)絡(luò)模型用于根據(jù)文本分詞數(shù)據(jù)中的案件要素，得到表示相應(yīng)法律文書所對應(yīng)案情的表征向量。

優(yōu)選的，所述利用預(yù)先訓(xùn)練得到的網(wǎng)絡(luò)模型，基于所述文本分詞數(shù)據(jù)得到所述第一法律文書的第一表征向量，包括：

將所述文本分詞數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的網(wǎng)絡(luò)模型進(jìn)行處理，得到所述第一法律文書的第一表征向量，所述網(wǎng)絡(luò)模型通過將TextCNN卷積網(wǎng)絡(luò)和膠囊網(wǎng)絡(luò)模型與神經(jīng)網(wǎng)絡(luò)模型融合得到。

優(yōu)選的，所述將所述文本分詞數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的網(wǎng)絡(luò)模型進(jìn)行處理，得到所述第一法律文書的第一表征向量，所述網(wǎng)絡(luò)模型通過將TextCNN?卷積網(wǎng)絡(luò)和膠囊網(wǎng)絡(luò)模型與神經(jīng)網(wǎng)絡(luò)模型融合得到，包括：

將所述文本分詞數(shù)據(jù)映射至詞向量模型中進(jìn)行詞向量處理，得到的詞向量，所述詞向量模型為所述網(wǎng)絡(luò)模型的輸入層；

將所述詞向量分別輸入卷積網(wǎng)絡(luò)和膠囊網(wǎng)絡(luò)模型進(jìn)行處理，集合所述?TextCNN卷積網(wǎng)絡(luò)和膠囊網(wǎng)絡(luò)模型的輸出向量，得到所述第一法律文書的第一表征向量。

優(yōu)選的，所述獲取法律文書集合中每個(gè)第二法律文書的第二表征向量，包括：

獲取法律文書集合中的所有第二法律文書的文本信息，對每一所述第二法律文書的文本信息進(jìn)行分詞處理，得到第二文本分詞數(shù)據(jù)；