[發明專利]基于犯罪要素的法律判決預測方法及系統

在審

• 申請號: 202110632603.3
• 申請日: 2021-06-07
• 公開（公告）號: CN113487453A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 任昭春;呂由鋼;任鵬杰;陳竹敏;王梓涵;李玉軍
• 申請（專利權）人: 山東大學
• 主分類號: G06Q50/18
• 分類號: G06Q50/18;G06Q10/04;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

1.一種基于犯罪要素的法律判決預測方法，其特征是：包括以下步驟：

利用層次化的Bi-LSTM進行事實描述編碼，生成上下文的句子表示；

利用基于強化學習進行要素抽取，挑選出包含犯罪要素的句子；

通過融合所選句子的上下文表示，生成相應判別犯罪要素表示；

將判別犯罪者、犯罪目標、犯罪意向和犯罪行為的犯罪要素表示進行拼接，對形成的拼接向量進行多任務判決預測，得到預測判決結果。

2.如權利要求1所述的一種基于犯罪要素的法律判決預測方法，其特征是：利用層次化的Bi-LSTM進行事實描述編碼的具體過程包括：利用四個層次化的Bi-LSTM，每個層次化的Bi-LSTM都有兩個層級的Bi-LSTM，單詞級Bi-LSTM輸出上下文單詞表示，通過注意機制計算基本的句子表示，利用句子級Bi-LSTM輸出上下文句子表示。

3.如權利要求2所述的一種基于犯罪要素的法律判決預測方法，其特征是：每個事實描述有多個句子，每個句子包含多個詞，對于事實描述中的每個輸入句子，利用單詞級Bi-LSTM輸出一個上下文單詞表示序列，基于上下文詞表示序列和詞級上下文向量，計算出一個詞級注意向量，得到一個句子的基本表示，基于詞級注意機制，計算得到基本句子表示序列，將句子級Bi-LSTM用來計算上下文句子表示序列。

4.如權利要求1所述的一種基于犯罪要素的法律判決預測方法，其特征是：利用基于強化學習進行要素抽取的具體過程包括：采用四個智能體，分別選擇含有犯罪者、犯罪目標、犯罪意向和犯罪行為的不同類型犯罪要素的句子，每個智能體采用隨機策略對每個狀態下的行動進行采樣。

5.如權利要求4所述的一種基于犯罪要素的法律判決預測方法，其特征是：利用不同延遲獎勵來衡量犯罪要素抽取的正確性，通過判決智能體提取的第k種犯罪要素與真實的第k種犯罪要素的區別，為第k個智能體提供第一種延遲獎勵，通過計算相對真實標注法律條款的預測誤差，為所有智能體提供第二種延遲獎勵，利用兩個延遲獎勵的總和計算每個智能體的最終獎勵。

6.如權利要求1所述的一種基于犯罪要素的法律判決預測方法，其特征是：通過融合所選句子的上下文表示的具體過程包括：融合包含犯罪要素的句子的上下文表示來生成第k個判別犯罪要素表示，基于動作序列、上下文句子表示和句子級語境向量，計算出一個句子層面的注意力權重向量，基于注意力權重向量，計算犯罪要素的表示。

7.如權利要求1所述的一種基于犯罪要素的法律判決預測方法，其特征是：對形成的拼接向量進行多任務判決預測的具體過程包括：將四個犯罪要素的表示連接起來作為事實描述的表示，基于事實描述的表示為相應法律判決預測子任務生成一個事實表示。

8.一種基于犯罪要素的法律判決預測系統，其特征是：包括：

事實描述編碼器，被配置為利用層次化的Bi-LSTM進行事實描述編碼，生成上下文的句子表示；

要素抽取器，被配置為利用基于強化學習進行要素抽取，挑選出包含犯罪要素的句子；

犯罪要素判別器，被配置為通過融合所選句子的上下文表示，生成相應判別犯罪要素表示；

多任務判決預測器，被配置為將判別犯罪者、犯罪目標、犯罪意向和犯罪行為的犯罪要素表示進行拼接，對形成的拼接向量進行多任務判決預測，得到預測判決結果。

9.一種計算機可讀存儲介質，其特征是：其中存儲有多條指令，所述指令適于由終端設備的處理器加載并執行權利要求1-7中任一項所述的一種基于犯罪要素的法律判決預測方法的步驟。

10.一種終端設備，其特征是：包括處理器和計算機可讀存儲介質，處理器用于實現各指令；計算機可讀存儲介質用于存儲多條指令，所述指令適于由處理器加載并執行權利要求1-7中任一項所述的一種基于犯罪要素的法律判決預測方法的步驟。