[發明專利]一種基于法條關系的法條推薦方法

在審

• 申請號: 202011036946.5
• 申請日: 2020-09-27
• 公開（公告）號: CN112148867A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 李傳藝;葛季棟;馮奕;黃云云;周筱羽;駱斌
• 申請（專利權）人: 南京大學
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06K9/62;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于法條關系的法條推薦方法，其特征在于包含以下步驟：

步驟(1)從中國裁判文書網收集裁判文書，構建訓練語料；

步驟(2)訓練語料預處理；

步驟(3)用戶輸入預處理；

步驟(4)訓練基于法條關系的，并以罪名預測任務為輔助任務進行聯合學習的序列生成模型；

步驟(5)提取推薦法條集；

步驟(6)輸出推薦法條列表。

2.根據權利要求1所述的一種基于法條關系的法條推薦方法，其特征在于步驟(1)中從中國裁判文書網收集裁判文書，構建訓練語料。

3.根據權利要求1所述的一種基于法條關系的法條推薦方法，其特征在于步驟(2)中對訓練語料進行預處理，具體子步驟包括：

步驟(2.1)從裁判文書中抽取出案件事實、引用法條列表和指控罪名；

步驟(2.2)對案件事實進行中文分詞，獲取詞匯集并記錄每個詞匯出現的頻次；

步驟(2.3)去除低頻詞語，構造該任務訓練語料的詞典；

步驟(2.4)合并所有案件的控告罪名，構造針對該任務訓練語料的控告罪名集合，形成罪名預測任務的輸出空間；

步驟(2.5)合并所有案件引用的法條，構造針對該任務訓練語料的引用法條集合，形成法條推薦任務的輸出空間。

4.根據權利要求1所述的一種基于法條關系的法條推薦方法，其特征在于步驟(3)中對用戶輸入的案件事實進行預處理，具體子步驟包括：

步驟(3.1)對用戶輸入的案件事實進行中文分詞；

步驟(3.2)將各詞匯根據詞典轉化為獨熱向量表示。

5.根據權利要求1所述的一種基于法條關系的法條推薦方法，其特征在于步驟(4)中訓練本發明設計的一個基于法條關系，并以罪名預測任務為輔助任務同時進行學習，從而更好地實現法條推薦任務的聯合生成模型。將預處理后的訓練語料劃分為訓練集、驗證集和測試集，使用訓練集進行聯合生成模型的學習；使用驗證集在訓練過程中對模型進行初步評估，便于觀察模型的訓練情況；使用測試集進行聯合生成模型最終泛化能力的評估。訓練目標是最大化罪名預測和法條推薦這兩個任務的預測效果。重復訓練過程，得到最優的法條推薦的生成模型。具體子步驟包括：

步驟(4.1)將數據集劃分為訓練集、驗證集和測試集；

步驟(4.2)訓練聯合生成模型。

6.根據權利要求1所述的一種基于法條關系的法條推薦方法，其特征在于步驟(5)中根據上一步驟訓練好的聯合生成模型，基于用戶輸入的案件事實，完成對案件控告罪名的預測，并依次輸出模型預測的推薦法條集。具體子步驟包括：

步驟(5.1)以預處理好的案件事實為輸入，基于聯合生成模型中的編碼器部分，通過自注意力機制捕捉案件事實中隱含的語義信息，將其編碼為記憶單元，該記憶單元一方面用于控告預測，另一方面用于法條推薦；

步驟(5.2)根據上述得到的記憶單元，通過聯合生成模型中的解碼器部分，以上一個時間步輸出的法條為輸入，初始輸入為“START”標簽，依次輸出當前時間步預測得到的法條。當解碼器輸出“END”標簽時，表示預測結束。

7.根據權利要求1所述的一種基于法條關系的法條推薦方法，其特征在于步驟(6)輸出推薦法條集。法條推薦的效果采用準確率、召回率、F1值進行評估。