一种律师信息处理方法和系统技术方案

本发明专利技术涉及一种律师信息处理方法和系统，特别是一种律师匹配方法和系统，包括：根据案情信息获取案件分类和关键词；获取裁判文书并针对不同类型的裁判文书得到律师实务评价信息；根据其它预设的相关律师信息得到律师相关评价信息；根据得到的律师实务评价信息和律师相关评价信息得到律师综合评价信息；根据律师综合评价信息以及案件分类及关键词匹配相应的律师。

【技术实现步骤摘要】
一种律师信息处理方法和系统
本专利技术涉及一种律师信息处理方法及系统，特别是针对用户案情的律师推荐方法和系统。
技术介绍
随着法制化国家建设的不断推进，越来越多的法律案件文书都公布在中国裁判文书网上，使得个人和各类团体组织越来越重视使用法律武器来保障自身的权益。然而由于法律法规的规范性和严密性，非法律专业人士很难真正应用法律法规来维护自己的权利，因而希望能够通过法律从业人员，特别是最佳律师团队或个人提供专业的法律服务，从而真正实现使用法律维护和保障自身的合法权利。为了更好地为需要寻求法律服务的用户提供具有针对性的服务，应当依据实际案情和用户需求选择适任的律师，即根据用户的案情描述查找匹配的律师并向用户推荐。现有的一般律师匹配推荐系统的设计大体流程为：针对用户提出的案情进行分析与处理，得到这一案情的所属类别以及其关键词，结合律师事务所的每位律师的相关信息，向用户推荐适合的律师。然而，现有的律师推荐系统所依据的律师信息较为单一，无法全面反映出律师所擅长的法律领域、实务综合能力以及服务评价等用户关心且对代理案件起到重要影响的信息，导致无法有效地为用户推荐最为适合的律师，从而影响案件的结果，降低用户的满意度甚至造成不必要的损失。因此，有必要对现有的律师推荐系统进行改进，更加综合地评价每一位候选律师，并通过有效的匹配推荐策略，为用户推荐最为适合的律师。
技术实现思路
针对现有的律师推荐系统的不足，本专利技术提出一种律师信息处理方法和系统，并进一步提供一种律师推荐方法和系统。具体的，所述方法涉及一种根据案情匹配律师的方法，包括根据所述案情获取案件分类和关键词；获取裁判文书并分类，根据每一分类的裁判文书提取预设所需获取的信息并进而获取对应的第一律师信息；获取第二律师信息，所述第二律师信息可以是律师注册信息、律师问答信息和/或律师评价信息；根据第一律师信息和第二律师信息获取第三律师信息，所述第三律师信息可以是律师综合评价信息；根据所述第三律师信息、所述案件分类和/或所述关键词匹配相应的律师。进一步的，所述根据所述案情获取案件分类和关键词包括对文本进行预处理，获取特征单词和/或词组；根据所述特征单词和/或词组，对所述文本中的非问句和/或问句进行分类；获取所述文本信息的类别，其中，所述文本为案情描述和/或与案情相关的问题，所述文本信息的类别为案情类别。进一步的，获取裁判文书信息还包括建立所述裁判文书的全文索引；对所述裁判文书分类；根据所述裁判文书的类型，预设所需获取的信息；通过基于规则的方法提取所述预设的所需获取的信息。进一步的，所述方法还涉及一种律师推荐方法，包括获取候选律师集合；获取用户-律师信息，所述用户律师信息包括：用户偏好信息、律师偏好信息、用户评分、用户间相似度信息和/或律师间相似度信息；选择律师推荐算法；根据所述用户-律师信息以及所述律师推荐算法，获得推荐的律师或者推荐的律师列表；其中，所述获取候选律师集合包括根据案件类别和律师信息，获取候选律师集合，所述律师信息包括与律师相关联的裁判文书中所包含的信息、律师注册信息和/或律师问答信息。进一步的，上述方法还包括与之相对应的系统。综上所述，本专利技术的方法和系统首先针对用户提出的案情进行分析与处理，得到这一案情的所属类别以及其关键词，然后对于需要匹配的律师板块，先从中国裁判文书网上获取以往案件的详细信息并进行文书分类，进而针对每个类别的文书集进行信息抽取，最后结合每位律师的综合信息设计相应的推荐算法，针对用户给出的案情推荐适合的律师，有效地保障了用户的合法权益，提高了用户的满意度。附图说明图1本专利技术一实施例所述的律师匹配方法；图2本专利技术另一实施例所述的获取案件分类和关键词的方法；图3本专利技术另一实施例所述的问题预处理的方法；图4本专利技术另一实施例所述的获取裁判文书及相关律师评价的方法；图5本专利技术另一实施例所述的爬取网络裁判文书的方法；图6本专利技术另一实施例所述的基于模板的网页信息抽取的方法；图7本专利技术另一实施例所述的基于规则的判决书的信息抽取方法；图8本专利技术另一实施例所述的判决书信息抽取算法流程；图9本专利技术另一实施例所述的律师推荐评价逻辑的基本概念拓扑图；图10本专利技术另一实施例所述的基于律师匹配方法的律师匹配系统；图11本专利技术另一实施例所述的问题预处理模块框图；图12本专利技术另一实施例所述的网络爬虫模块框图；图13本专利技术另一实施例所述的裁判文书信息抽取模块框图。具体实施方式为使所属领域的技术人员能够更好地理解本专利技术的技术方案，以下结合随说明书所附的说明书附图，对本专利技术的技术方案进行完整的描述。显然，以下具体实施方式仅仅只是本专利技术的部分实施方式，所属领域的技术人员在理解以下实施方式的基础上不付出创造性劳动所获得的其它实施方式或其组合，均属于本专利技术的技术构思和保护范围。如图1所示，本专利技术的一实施例提供一种律师匹配方法，用于根据案情匹配律师，包括以下步骤：S1.根据所述案情获取案件分类和关键词。根据所述案情获取案件分类和关键词的步骤主要涉及对案情的分析与处理，其中，案情分析是指对用户输入的案情描述或者相应的问句文本进行问题理解。由于在实务中用户输入的案件信息多为较简短的文本，因而对用户输入的文本分析主要为短文本分析或者问句分析。同时，案情文本的分析是服务于为用户匹配所需的律师，可以在基于知识库的问答系统上采用较为简单的问答系统，对用户的输入进行理解，完成对问句的语义理解，将问句从模糊的自然语言转化成清晰的逻辑语言，使问句得到预期地处理，其中，问题分析主要包括为问题预处理、问题分类、问题扩展。其中，根据所述案情获取案件分类和关键词的步骤包括如图2所示的步骤：S101.问题预处理。问题预处理是指在对问题进行语义分析和分类之前进行的包括中文分词、命名实体识别、词性标注、停用词过滤等步骤，旨在对用户输入信息预处理，从而获取具有一定信息量的简洁且符合规范的候选特征词组，其中，所述特征词组是指能够反映文本自身特征的词组，特征词组通常用于表示文本的基本单位。更具体的，图3示出了问题预处理的具体方法步骤，所述的问题预处理的步骤包括：S1011.中文分词。中文分词主要为了将文本分离成词组，可以根据实际应用需要选择分词算法，也可以选择使用常用的中文分词工具，例如的中文分词和词性标注工具有Stanford汉语分词工具、中科院的ICTCLAS、哈工大的LIP和jieba分词。S1012.命名实体识别。命名实体识别主要目的是识别出待处理文本中的实体类、时间类和数字类等。S1013.词性的识别和标注。词性的识别对去除停用词和检索结果都至关重要，根据词性，可以去除文本中的语气词，助词等无意义词汇，同时对问句的焦点和核心成分进行标记和提取。词性标注中的词性主要是指：形容词、副词、连词、动词、量词和代词等。S1014.停用词过滤。停用词过滤主要指的是筛选掉对疑问信息的表达贡献不大或影响律师匹配的信息，如“的”、“么”、“了”、“请问”、“劳驾”以及“谢谢”等，其中，需要滤除的词句可以根据预设的停用词表进行筛选过滤。S1015.特征提取。提取特征词组。继续参考图2，根据所述案情获取案件分类和关键词的步骤还包括：S102.问题分类问题分类是指对自然语言描述的问题进行分类，充分搜集与问题相关联的信息，以提高后续环节本文档来自技高网...

【技术保护点】
1.一种律师匹配方法，用于根据案情匹配律师，其特征在于，所述方法包括：根据所述案情获取案件分类和关键词；获取裁判文书，对所述裁判文书分类，针对每一分类的裁判文书抽取预先确定的所需的信息，并根据所述信息得到第一律师评价；根据所述预先确定的所需的信息以外的其它律师关联信息得到第二律师评价；根据所述第一律师评价以及所述第二律师评价得到第三律师评价；根据所述第三律师评价、所述案件分类和/或所述关键词以匹配相应的律师。

【技术特征摘要】
1.一种律师匹配方法，用于根据案情匹配律师，其特征在于，所述方法包括：根据所述案情获取案件分类和关键词；获取裁判文书，对所述裁判文书分类，针对每一分类的裁判文书抽取预先确定的所需的信息，并根据所述信息得到第一律师评价；根据所述预先确定的所需的信息以外的其它律师关联信息得到第二律师评价；根据所述第一律师评价以及所述第二律师评价得到第三律师评价；根据所述第三律师评价、所述案件分类和/或所述关键词以匹配相应的律师。2.根据权利要求1所述的律师匹配方法，其特征在于，所述根据所述案情获取案件分类和关键词包括：所述案情为文本；对案情问题进行预处理；基于所述预处理的结果对问题分类。3.根据权利要求2所述的律师匹配方法，其特征在于，所述预处理包括：提取特征词组。4.根据权利要求2所述的律师匹配方法，其特征在于，所述基于所述预处理的结果对问题分类包括：分类算法模型包括支持向量机模型、贝叶斯分类模型、K-最邻近模型和/或最大熵模型。5.根据权利要求1所述的律师匹配方法，其特征在于，所述获取裁判文书，对所述裁判文书分类，针对每一分类的裁判文书抽取预先确定的所需的信息包括：通过网络爬虫获取所述裁判文书；建立所述裁判文书的全文索引并分类；读取判决书文本并分类；根据预设的规则分别抽取...

【专利技术属性】
技术研发人员：彭帅，
申请(专利权)人：成都律云科技有限公司，
类型：发明
国别省市：四川,51