[發(fā)明專利]一種基于案件相似度匹配的審判風(fēng)險(xiǎn)預(yù)警方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010473652.2
• 申請(qǐng)日: 2020-05-29
• 公開（公告）號(hào): CN111709236A
• 公開（公告）日: 2020-09-25
• 發(fā)明（設(shè)計(jì)）人: 周凡;林格;陳小燕;林謀廣
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06F40/289
• 分類號(hào): G06F40/289;G06F40/284;G06F40/216;G06K9/62;G06Q50/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于案件相似度匹配的審判風(fēng)險(xiǎn)預(yù)警方法。本發(fā)明對(duì)法律文本進(jìn)行word2vec詞向量嵌入，并將關(guān)鍵詞用詞向量進(jìn)行表示，使用余弦相似度來計(jì)算不同案件之間的相似度。當(dāng)獲得與案件相關(guān)聯(lián)的多種案件之后，基于關(guān)鍵詞抽取的技術(shù)找出其判決結(jié)果，智能化給出本案件合理的判決結(jié)果范圍，當(dāng)實(shí)際判決結(jié)果與推薦判決范圍差別過大時(shí)及時(shí)進(jìn)行智能預(yù)警。本發(fā)明使用了一種基于自然語(yǔ)言理解的類案提取和風(fēng)險(xiǎn)預(yù)警技術(shù)，拓展了類案提取的廣度；使用了人工智能中的自然語(yǔ)言理解方法，可提取出更具有深層語(yǔ)義的案件；在風(fēng)險(xiǎn)預(yù)警方面，大大減輕了人力負(fù)擔(dān)，充分挖掘了歷史電子案宗和判決結(jié)果之間的聯(lián)系信息，使得法官判決時(shí)具有更便捷的參考。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器學(xué)習(xí)及自然語(yǔ)言處理領(lǐng)域，具體涉及一種基于案件相似度匹配的審判風(fēng)險(xiǎn)預(yù)警方法。

背景技術(shù)

在大數(shù)據(jù)時(shí)代，人工智能在各個(gè)行業(yè)都有著廣泛的應(yīng)用。在智慧法院建設(shè)方面，全面推進(jìn)移動(dòng)電子訴訟，推廣量刑輔助、風(fēng)險(xiǎn)預(yù)警等智能輔助系統(tǒng)可以切實(shí)減輕審判法院事務(wù)性工作負(fù)擔(dān),幫助法官提升辦案效率和判決質(zhì)量，以信息化手段推進(jìn)審判、執(zhí)行、服務(wù)智能化。通過充分利用人工智能技術(shù)對(duì)法律文本、過往判例、電子案宗進(jìn)行分析、處理、歸類，當(dāng)法官判決結(jié)果與系統(tǒng)對(duì)過往相似案例的評(píng)估結(jié)果差異較大時(shí)自動(dòng)進(jìn)行風(fēng)險(xiǎn)預(yù)警。通過這些智能輔助類系統(tǒng)可以有效減少“同案不同判”的現(xiàn)象的發(fā)生。

現(xiàn)有的技術(shù)之一為目前的法院智能化系統(tǒng)，采用關(guān)鍵詞匹配技術(shù)的類案推送，人力進(jìn)行分析和比對(duì)，通過討論降低“同案不同判”的風(fēng)險(xiǎn)。其流程具體如下：

1、將紙質(zhì)卷宗整理后，在高清晰度的掃描后生成電子卷宗，并將其存入數(shù)據(jù)庫(kù)中。這一過程常需要法官人員對(duì)卷宗進(jìn)行關(guān)鍵詞、類別標(biāo)注。

2、對(duì)該電子卷宗進(jìn)行掃描，并生成電子卷宗，在現(xiàn)有的數(shù)據(jù)庫(kù)中找出具有相同關(guān)鍵詞的判決案件，將對(duì)應(yīng)的關(guān)鍵詞相連接的法律法規(guī)同時(shí)檢索出來，并將其向法官推送。

3、法官對(duì)相關(guān)的案件和法規(guī)進(jìn)行人工查閱，進(jìn)而得出具有一定參考性的判決，并由人工進(jìn)行評(píng)議討論，討論該判決是否合理。

該技術(shù)的缺點(diǎn)是：

1、只能進(jìn)行簡(jiǎn)單的文本匹配搜索，不能自動(dòng)對(duì)語(yǔ)義上近似的文本進(jìn)行檢索。

2、人工查閱、篩選參考資料的方式效率較低，需要花費(fèi)法官大量的時(shí)間進(jìn)行進(jìn)一步的討論。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有方法的不足，提出了一種基于案件相似度匹配的審判風(fēng)險(xiǎn)預(yù)警方法。本發(fā)明解決的主要問題有兩個(gè)：一是如何基于自然語(yǔ)言理解的技術(shù)找出與當(dāng)前審判案件相近的歷史案宗，使得系統(tǒng)可以按照案件相關(guān)性精準(zhǔn)檢索出海量的歷史案宗。其中主要的技術(shù)難點(diǎn)是如何充分理解案件信息背后的自然語(yǔ)義，克服關(guān)鍵詞匹配的局限性。二是如何針對(duì)不同的歷史案件的判決結(jié)果進(jìn)行篩選，并根據(jù)歷史案件計(jì)算出當(dāng)前案件判決結(jié)果的合理范圍。

為了解決上述問題，本發(fā)明提出了一種基于案件相似度匹配的審判風(fēng)險(xiǎn)預(yù)警方法，所述方法包括：

步驟一：從法律判決書信息管理系統(tǒng)中獲取近3年來的法院判決書，使用關(guān)鍵詞匹配的方法，提取出對(duì)應(yīng)的案件描述、裁決結(jié)果。

步驟二：對(duì)提取的案件數(shù)據(jù)進(jìn)行文本的預(yù)處理，得到案件文本的訓(xùn)練語(yǔ)料。預(yù)處理的操作包括，對(duì)其進(jìn)行分詞，過濾停留詞、人名、地名、時(shí)間等特殊詞語(yǔ)，并只保留過濾現(xiàn)頻率過低的詞語(yǔ)等。

步驟三：運(yùn)用word2vec方法對(duì)預(yù)處理生成的案件文本語(yǔ)料進(jìn)行詞向量的訓(xùn)練，對(duì)每一個(gè)出現(xiàn)在語(yǔ)料中的單詞都得到一個(gè)詞向量，每個(gè)詞向量具有d的維度。

步驟四：在使用關(guān)鍵詞匹配抽取得到的案件描述、判決結(jié)果中分別抽取k₁和k₂個(gè)高頻詞語(yǔ)作為本篇判決書的關(guān)鍵詞，分別計(jì)算其TF-IDF詞頻，并取出其訓(xùn)練得到后的向量組，計(jì)算得到加權(quán)平均向量。此時(shí)第i篇判決書由兩個(gè)維度為d的向量表示，分別是案件描述向量和判決結(jié)果向量。