[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

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，司法數據包括罪名、法條和刑期，案件信息包括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文本信息預測，得到待辦理案件適用的罪名、法條和刑期，其中，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。本發明提供的方案中，利用已經公開的司法文書預先訓練神經網絡模型得到司法數據預測模型，將待辦理案件的文本信息輸入司法數據預測模型中預測得到對應的預測罪名、預測法條和預測刑期，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和法條，再對該行為進行量刑。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、法條和刑期判決存在耗時長、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，以解決現有進行罪名、法條和刑期判決存在耗時長、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、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。

可選的，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。

可選的，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：