[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)的法律文書(shū)的相似案件智能檢索系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010123876.0
• 申請(qǐng)日: 2020-02-27
• 公開(kāi)（公告）號(hào): CN113312474A
• 公開(kāi)（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 鄒偉;王燕妮;崔冬冬;潘相瑜;李俊玲
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京睿客邦科技有限公司
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06F16/33;G06F40/289;G06F40/30
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于深度學(xué)習(xí)的法律文書(shū)的相似案件智能檢索系統(tǒng)，其特征在于，包含以下模塊：

(1)文書(shū)數(shù)據(jù)采集及預(yù)處理模塊：負(fù)責(zé)法律文書(shū)數(shù)據(jù)的采集和采集后的文書(shū)的預(yù)處理。通過(guò)自行設(shè)計(jì)爬蟲(chóng)程序從《中國(guó)裁判文書(shū)網(wǎng)》上爬取，對(duì)于爬取的文書(shū)中包含html標(biāo)簽的內(nèi)容，使用相應(yīng)算法對(duì)其進(jìn)行清洗，數(shù)據(jù)清洗處理后按照案件類(lèi)型與案由分類(lèi)存儲(chǔ)成txt格式的文件。

(2)文書(shū)數(shù)據(jù)處理模塊：負(fù)責(zé)進(jìn)行分類(lèi)模型訓(xùn)練前的數(shù)據(jù)的處理。使用fasttext深度學(xué)習(xí)算法進(jìn)行分類(lèi)模型訓(xùn)練前，需要將數(shù)據(jù)處理成模型輸入所需格式，通過(guò)將帶入到模型訓(xùn)練的文書(shū)內(nèi)容進(jìn)行分詞然后進(jìn)行所屬案件類(lèi)型的標(biāo)識(shí)，而后才可進(jìn)行分類(lèi)模型的訓(xùn)練。

(3)長(zhǎng)文本匹配模塊：負(fù)責(zé)對(duì)輸入的文書(shū)或長(zhǎng)篇文本進(jìn)行相似案件推薦。該模塊有以下工作內(nèi)容：1.長(zhǎng)文本案件類(lèi)型，案由類(lèi)型的判斷：將長(zhǎng)文本內(nèi)容帶入到訓(xùn)練好的案件類(lèi)型、案由類(lèi)型的文本分類(lèi)模型中，得到輸入的長(zhǎng)文本相應(yīng)的案件類(lèi)型、案由類(lèi)型。2：相似案件的文本向量匹配：通過(guò)獲取的長(zhǎng)文本的案件類(lèi)型，帶入到通過(guò)文本向量模型訓(xùn)練后的全部；類(lèi)型的法律文書(shū)向量，得到同一案件類(lèi)型的法律文書(shū)向量，而后通過(guò)長(zhǎng)文本的案由類(lèi)型，進(jìn)一步縮小相似案件的范圍。3：相似爭(zhēng)議焦點(diǎn)、本院認(rèn)為的案件匹配：將長(zhǎng)文本以及與其相似的案件帶入到相似爭(zhēng)議焦點(diǎn)、本院認(rèn)為的模型中，得到與長(zhǎng)文本相似爭(zhēng)議焦點(diǎn)、本院認(rèn)為的案件。

(4)短文本匹配模塊：負(fù)責(zé)對(duì)輸入的相關(guān)的描述進(jìn)行相似案件的推薦。該模塊有以下工作內(nèi)容：1.關(guān)鍵詞匹配打分：在對(duì)短文本進(jìn)行關(guān)鍵詞匹配，將短文本切詞后進(jìn)行全部文書(shū)的遍歷，判斷短文本切詞后再文書(shū)中出現(xiàn)相同詞個(gè)數(shù)以及次數(shù)乘積大小。2.Doc2vec匹配：通過(guò)關(guān)鍵詞匹配打分，遍歷完畢后得到短文本與所有文書(shū)之間的相似度得分，對(duì)結(jié)果進(jìn)行排序，獲取top n。3.word2vec匹配：訓(xùn)練基于全部文書(shū)的詞向量模型，正則匹配相似度前幾的文書(shū)的爭(zhēng)議焦點(diǎn)或本院認(rèn)為部分，求取正則提取每個(gè)詞語(yǔ)的向量，再對(duì)單詞的向量進(jìn)行加權(quán)求平均，通過(guò)計(jì)算相互之間的距離進(jìn)一步縮小相似案件的范圍。

2.根據(jù)權(quán)利要求1，類(lèi)案智能檢索系統(tǒng)，其特征在于，所述模塊(3)長(zhǎng)文本匹配模塊的結(jié)構(gòu)具體包括：

(1)文本分類(lèi)模型：在分類(lèi)模型訓(xùn)練時(shí)，共進(jìn)行兩種分類(lèi)模型的訓(xùn)練，使用到fasttext深度學(xué)習(xí)算法，一個(gè)分類(lèi)模型是用于判斷法律文書(shū)所屬的案件類(lèi)型，另一個(gè)模型是進(jìn)行文書(shū)所屬案由類(lèi)型的判斷，通過(guò)帶入預(yù)處理后的法律文書(shū)數(shù)據(jù)對(duì)案件類(lèi)型分類(lèi)模型進(jìn)行訓(xùn)練，接著對(duì)不同案件類(lèi)型下的案由類(lèi)型分類(lèi)模型進(jìn)行訓(xùn)練得到，完成了5種案件類(lèi)型的分類(lèi)模型的訓(xùn)練，將長(zhǎng)文本輸入，得到文書(shū)所屬案件類(lèi)型、案由類(lèi)型。

(2)文本向量模型：在文本向量模型在長(zhǎng)文本匹配模塊中此時(shí)的作用是用來(lái)尋找相似文本，在此使用Doc2vec算法進(jìn)行兩種文章向量模型，一種是基于法律文書(shū)進(jìn)行訓(xùn)練的，第二種是將所有法律文書(shū)中‘爭(zhēng)議焦點(diǎn)或本院認(rèn)為’進(jìn)行正則匹配提出后，基于此進(jìn)行訓(xùn)練，每個(gè)模型的訓(xùn)練都是基于案件類(lèi)型分別訓(xùn)練了5個(gè)模型，在進(jìn)行模型訓(xùn)練同時(shí)需要對(duì)文書(shū)進(jìn)行分詞處理。

(3)Doc2vec模型：在實(shí)現(xiàn)長(zhǎng)文本匹配時(shí)使用到Doc2vec模型，此時(shí)模型的作用是進(jìn)一步縮小與長(zhǎng)文本相似文書(shū)的范圍，以及在進(jìn)行爭(zhēng)議焦點(diǎn)，本院認(rèn)為相似判斷時(shí)其作用也是進(jìn)一步縮小相似文書(shū)的范圍。

(4)爭(zhēng)議焦點(diǎn)，本院認(rèn)為向量模型：將預(yù)處理后的全部法律文書(shū)使用fasttext分類(lèi)后，使用doc2vec算法，進(jìn)行提取文書(shū)本院認(rèn)為、爭(zhēng)議焦點(diǎn)的模型訓(xùn)練，從而進(jìn)行輸入文書(shū)與所在案件類(lèi)型下所有文書(shū)相似度，從相似列表中尋找案由相同的所有文書(shū)，進(jìn)一步縮小相似案件的范圍。

3.根據(jù)權(quán)利要求1，類(lèi)案智能檢索系統(tǒng)，其特征在于，所述模塊(4)短文本匹配模塊的結(jié)構(gòu)具體包括：

(1)關(guān)鍵詞匹配打分：對(duì)短文本進(jìn)行切詞后，統(tǒng)計(jì)短文本中詞語(yǔ)在文書(shū)出現(xiàn)個(gè)數(shù)，以及詞語(yǔ)出現(xiàn)總數(shù)，兩者乘積作為相似得分。

(2)Doc2vec匹配：通過(guò)上述的關(guān)鍵詞匹配，接著訓(xùn)練全部文書(shū)的文本向量模型。

(3)Word2vec匹配：對(duì)正則匹配內(nèi)容使用word2vec模型得到每個(gè)詞語(yǔ)的向量，加權(quán)求平均后匹配爭(zhēng)議焦點(diǎn)或本院認(rèn)為，進(jìn)一步縮小相似結(jié)果的范圍。