[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

本發明提供了一種基于犯罪要素的法律判決預測方法及系統，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。本發明可以有效區分易混淆的犯罪事實和法律條款，提升法律判決預測任務的準確度。

技術領域

本發明屬于法律判決預測技術領域，具體涉及一種基于犯罪要素的法律判決預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

法律判決預測旨在基于案件事實預測判決結果(如法律條款、適用罪名、刑期等)。關于法律判決預測的早期研究集中在利用統計學解決，最近關于法律判決預測的研究大多將該任務作為一個多分類問題來處理。各種文本分類方法已經被應用于解決法律判決預測任務。然而，該任務現在仍然存在兩個挑戰：(1)法律判決預測中很多事實描述是相似的，(2)大量的罪名及其適用的法律條款在語義上是相似的。由于上述兩個挑戰，現有的法律判決預測方法很容易誤判法律案件。

發明內容

本發明為了解決上述問題，提出一種基于犯罪要素的法律判決預測方法及系統，本發明利用犯罪者、犯罪目標、犯罪意向和犯罪行為等犯罪要素，在事實描述和法律條款之間的聯系，可以有效區分易混淆的犯罪事實和法律條款，提升法律判決預測任務的準確度。

根據一些實施例，本發明采用如下技術方案：

一種基于犯罪要素的法律判決預測方法，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。

作為可選擇的實施方式，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B i-LSTM輸出上下文句子表示。

作為進一步限定的實施方式，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。

作為可選擇的實施方式，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。

作為進一步限定的實施方式，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。

作為可選擇的實施方式，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。