[發明專利]司法數據的處理方法及系統

在審

• 申請號: 201811158102.0
• 申請日: 2018-09-30
• 公開（公告）號: CN110968688A
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 戴威
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;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

1.一種司法數據的處理方法，其特征在于，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、法條和刑期，所述案件信息包括所述待辦理案件的文本信息；

在預先建立的司法數據預測模型中基于所述文本信息預測，得到所述待辦理案件適用的罪名、法條和刑期，其中，所述司法數據預測模型由基于樣本數據的預測結果和真實判決結果之間的誤差，調整神經網絡模型的詞向量層、卷積網絡層和全連接層的參數獲得的。

2.根據權利要求1所述的方法，其特征在于，所述司法數據預測模型由基于樣本數據的預測結果和真實判決結果之間的誤差，調整神經網絡模型的詞向量層、卷積網絡層和全連接層的參數獲得的，過程包括：

基于由詞向量模型預先訓練好的詞向量權重，初始化所述神經網絡模型的詞向量層、卷積網絡層和全連接層的參數；

將樣本數據輸入所述神經網絡模型訓練，得到預測結果；

計算所述預測結果和所述樣本數據對應的真實判決結果的誤差，得到預測誤差；

判斷所述預測誤差是否小于誤差閾值；

若是，基于當前詞向量層、卷積網絡層和全連接層的參數，確定司法數據預測模型；

若否，基于所述預測誤差調整詞向量層、卷積網絡層和全連接層的參數，訓練所述神經網絡模型直至所述預測誤差小于誤差閾值，確定訓練后的所述神經網絡模型為司法數據預測模型，其中，由n+1輪次訓練起始調整所述詞向量層的參數，n為正整數。

3.根據權利要求1所述的方法，其特征在于，在預先建立的司法數據預測模型中基于所述文本信息預測，得到所述待辦理案件適用的罪名、法條和刑期，包括：

將所述文本信息輸入所述司法數據預測模型的輸入層進行分詞處理，將得到的分詞信息傳輸至所述司法數據預測模型的詞向量層；

在所述司法數據預測模型的詞向量層中，使用預先訓練好的詞向量模型將所述分詞信息轉換為M*N的詞向量，將所述詞向量傳輸至所述司法數據預測模型的卷積網絡層中，M為所述文本信息的詞數量，N為所述詞向量的維數；

在所述司法數據預測模型的卷積網絡層中，對所述詞向量進行訓練得到第一信息，將所述第一信息傳輸到所述司法數據預測模型的輸出層；

在所述司法數據預測模型的輸出層中，將所述第一信息傳輸到所述司法數據預測模型的全局特征層中得到特征信息；

獲取所述特征信息中包含的罪名特征數據、法條特征數據和刑期特征數據。

4.根據權利要求2所述的方法，其特征在于，計算預測結果和所述樣本數據對應的真實判決結果的誤差，得到預測誤差，包括：

基于罪名預測結果和樣本數據對應的罪名真實判決結果，使用交叉熵函數計算罪名誤差；

基于法條預測結果和樣本數據對應的法條真實判決結果，使用交叉熵函數計算法條誤差；

基于輸出的刑期預測結果和樣本數據對應的真實判決結果，使用平方損失函數計算刑期誤差。

5.一種司法數據的處理系統，其特征在于，所述系統包括：

獲取單元，用于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、法條和刑期，所述案件信息包括所述待辦理案件的文本信息；

預測單元，用于在預先建立的司法數據預測模型中基于所述文本信息預測，得到所述待辦理案件適用的罪名、法條和刑期，其中，所述司法數據預測模型由基于樣本數據的預測結果和真實判決結果之間的誤差，調整神經網絡模型的詞向量層、卷積網絡層和全連接層的參數獲得的。