一种量刑结果预测方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种量刑结果预测方法、装置、设备及存储介质，方法包括：获取指定罪名的指定案件的非判决书作为目标非判决书；从目标非判决书中获取指定量刑要素标签对应的量刑要素作为目标量刑要素；将目标量刑要素输入预先建立的量刑结果预测模型，获得量刑结果预测模型输出的指定案件的量刑结果；量刑结果预测模型以从指定罪名的训练判决书中抽取的、与指定量刑要素标签对应的量刑要素为训练样本，以从训练判决书中抽取的、与指定判决结果要素标签对应的判决结果要素为样本标签进行训练得到。本申请提供的量刑结果预测方法、装置、设备及存储介质可自动预测出比较准确的量刑结果，该量刑结果可供法官参考，以辅助法官进行判决。

【技术实现步骤摘要】
一种量刑结果预测方法、装置、设备及存储介质
本申请涉及人工智能
，尤其涉及一种量刑结果预测方法、装置、设备及存储介质。
技术介绍
近年来，随着大数据和人工智能技术的迅速发展，使用机器来辅助人工已经成为各行各业的热点方向。司法信息化建设是中国司法实现现代化的重要方向，司法相关的工作也由传统的一线法官针对不同案情，查阅资料和法律文献，逐步演变为一线法官在机器的辅助之下完成如庭审记录、案情分析等事务，由此出现了“智慧法院”的建设体系。智慧法院的整体架构包括将人工智能技术和大数据技术用于服务社会公众、服务案件审判、服务判决执行、服务司法管理四个方面。然而，对于服务案件审判这一应用场景，目前尚不存在能够自动量刑的方案。
技术实现思路
有鉴于此，本申请提供了一种量刑结果预测方法、装置、设备及存储介质，用以基于案件相关文书自动预测出量刑结果以供法官参考，其技术方案如下：一种量刑结果预测方法，包括：获取指定罪名的指定案件的非判决书，作为目标非判决书；从所述目标非判决书中获取与指定量刑要素标签对应的量刑要素，作为目标量刑要素；将所述目标量刑要素输入预先建立的量刑结果预测模型，获得所述量刑结果预测模型输出的所述指定案件的量刑结果；其中，所述量刑结果预测模型以从所述指定罪名的训练判决书中抽取的、与所述指定量刑要素标签对应的量刑要素为训练样本，以从所述训练判决书中抽取的、与指定判决结果要素标签对应的判决结果要素为样本标签进行训练得到。其中，所述从所述指定罪名的训练判决书中抽取与所述指定量刑要素标签对应的量刑要素以及与所述指定判决结果要素标签对应的判决结果要素的过程包括：利用预先建立的判决书要素抽取模型，从未标注判决书中抽取与所述指定量刑要素标签对应的量刑要素以及与所述指定判决结果要素标签对应的判决结果要素；其中，所述判决书要素抽取模型以标注有指定量刑要素标签和指定判决结果要素标签的训练判决书进行训练得到。其中，所述利用预先建立的判决书要素抽取模型，从所述未标注判决书中抽取与所述指定量刑要素标签对应的量刑要素以及与所述指定判决结果要素标签对应的判决结果要素，包括：通过所述判决书要素抽取模型中的语义向量确定模块，对所述未标注判决书进行分词处理，确定分词处理得到的每个词对应的语义向量；通过所述判决书要素抽取模型中的要素标签确定模块和所述每个词对应的语义向量，确定与每个语义向量对应的词的要素标签；将要素标签相同的连续多个词合并，合并后的内容作为该要素标签对应的要素。其中，所述从所述目标非判决书中获取与指定量刑要素标签对应的量刑要素，包括：利用预先建立的非判决书要素抽取模型，从所述目标非判决书中抽取与所述指定量刑要素标签对应的量刑要素；其中，所述非判决书要素抽取模型以训练非判决书为训练样本，以基于所述指定量刑要素标签对所述训练非判决书进行标注的标注结果为样本标签进行训练得到。其中，所述基于所述指定量刑要素标签对所述非判决书进行标注的标注结果包括：所述训练非判决书中与所述指定量型要素标签对应的量刑要素的起始位置和起始位置得分、结束位置和结束位置得分，以及，量刑要素为空的得分。其中，所述利用预先建立的非判决书要素抽取模型，从所述目标非判决书中抽取与所述指定量刑要素标签对应的量刑要素，包括：通过所述非判决书要素抽取模型确定所述目标非判决书中与所述指定量刑要素标签对应的量刑要素的信息作为目标量刑要素信息，所述目标量刑要素信息包括所述目标非判决书中与所述指定量刑要素标签对应的量刑要素的起始位置和起始位置得分、结束位置和结束位置得分，以及量刑要素为空的得分；通过所述目标量刑要素信息，确定所述目标非判决书中与所述指定量刑要素标签对应的量刑要素。其中，所述通过所述非判决书要素抽取模型确定所述目标非判决书中与所述指定量刑要素标签对应的量刑要素的信息作为目标量刑要素信息，包括：将所述目标非判决书和问题标签文本，输入所述非判决书要素抽取模型，获得所述非判决书要素抽取模型输出的目标答案信息，作为所述目标量刑要素信息；其中，问题标签文本为包含指定问题标签的文本，所述指定问题标签为将所述指定量刑要素标签转换为问题形式后的标签；所述目标答案信息包括与所述指定问题标签对应的答案的起始位置和起始位置得分、结束位置和结束位置得分，以及，答案为空的得分。其中，所述通过所述目标量刑要素信息，确定所述目标非判决书中与所述指定量刑要素标签对应的量刑要素，包括：若所述指定问题标签中存在具有多个答案的目标问题标签，则从所述目标问题标签对应的多个答案中去除不满足预设条件的答案，获得剩余答案；若所述剩余答案为多个，则将多个所述剩余答案进行去重合并处理，去重合并处理后得到的答案作为所述目标量刑要素。其中，所述从所述目标问题标签对应的多个答案中去除不满足预设条件的答案，获得剩余答案，包括：从所述目标问题标签对应的多个答案中确定预设个答案组成第一候选答案集合，其中，所述预设个答案的得分均高于其它答案的得分，每个答案的得分通过该答案的起始位置得分和结束位置得分确定；将所述第一候选答案集合中得分低于第一阈值的候选答案去除，获得第二候选答案集合，其中，所述第一阈值为所述目标问题标签对应的答案为空的得分；将所述第二候选答案集合中得分低于第二阈值的非最高得分的候选答案去除，获得所述剩余答案，其中，所述第二阈值基于所述最高得分的候选答案的得分设定。其中，所述从所述目标问题标签对应的多个答案中滤除不满足预设条件的答案，获得剩余答案，还包括：若所述第一候选答案集合中各个候选答案的得分均低于所述第一阈值，则确定所述目标问题标签对应的答案为空。一种量刑结果预测装置，包括：非判决书获取模块、量刑要素确定模块和量刑结果预测模块；所述非判决书获取模块，用于获取指定罪名的指定案件的非判决书，作为目标非判决书；所述量刑要素确定模块，用于从所述目标非判决书中获取与指定量刑要素标签对应的量刑要素，作为目标量刑要素；所述量刑结果预测模块，用于将所述目标量刑要素输入预先建立的量刑结果预测模型，获得所述量刑结果预测模型输出的所述指定案件的量刑结果；其中，所述量刑结果预测模型以从所述指定罪名的训练判决书中抽取的、与所述指定量刑要素标签对应的量刑要素为训练样本，以从所述训练判决书中抽取的、与指定判决结果要素标签对应的判决结果要素为样本标签进行训练得到。一种量刑结果预测设备，包括：存储器和处理器；所述存储器，用于存储程序；所述处理器，用于执行所述程序，所述程序具体用于：获取指定罪名的指定案件的非判决书，作为目标非判决书；从所述目标非判决书中获取与指定量刑要素标签对应的量刑要素，作为目标量刑要素；将所述目标量刑要素输入预先建立的量刑结果预测模型，获得所述量刑结果预测模型输出的所述指定案件的量刑结果；其中，所述量刑结果预测模型以从所述指定罪名的训练判决书中抽取的、与所述指定量刑要素标签对应的量刑要素为训练样本，以从所述训练判决书中抽取的、与指定判决结果要素标签对应的判决结果要素为样本标签进行训练得到。一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现上述的量刑结果预测方法的各个步骤。经由上述方案可知，本申请提供的量刑结果预测方法、装置、设备及存储介质，首先获取指定罪名的指定案件的目标非判决本文档来自技高网...

【技术保护点】
1.一种量刑结果预测方法，其特征在于，包括：获取指定罪名的指定案件的非判决书，作为目标非判决书；从所述目标非判决书中获取与指定量刑要素标签对应的量刑要素，作为目标量刑要素；将所述目标量刑要素输入预先建立的量刑结果预测模型，获得所述量刑结果预测模型输出的所述指定案件的量刑结果；其中，所述量刑结果预测模型以从所述指定罪名的训练判决书中抽取的、与所述指定量刑要素标签对应的量刑要素为训练样本，以从所述训练判决书中抽取的、与指定判决结果要素标签对应的判决结果要素为样本标签进行训练得到。

【技术特征摘要】
1.一种量刑结果预测方法，其特征在于，包括：获取指定罪名的指定案件的非判决书，作为目标非判决书；从所述目标非判决书中获取与指定量刑要素标签对应的量刑要素，作为目标量刑要素；将所述目标量刑要素输入预先建立的量刑结果预测模型，获得所述量刑结果预测模型输出的所述指定案件的量刑结果；其中，所述量刑结果预测模型以从所述指定罪名的训练判决书中抽取的、与所述指定量刑要素标签对应的量刑要素为训练样本，以从所述训练判决书中抽取的、与指定判决结果要素标签对应的判决结果要素为样本标签进行训练得到。2.根据权利要求1所述的量刑结果预测方法，其特征在于，所述从所述指定罪名的训练判决书中抽取与所述指定量刑要素标签对应的量刑要素以及与所述指定判决结果要素标签对应的判决结果要素的过程包括：利用预先建立的判决书要素抽取模型，从未标注判决书中抽取与所述指定量刑要素标签对应的量刑要素以及与所述指定判决结果要素标签对应的判决结果要素；其中，所述判决书要素抽取模型以标注有指定量刑要素标签和指定判决结果要素标签的训练判决书进行训练得到。3.根据权利要求2所述的量刑结果预测方法，其特征在于，所述利用预先建立的判决书要素抽取模型，从所述未标注判决书中抽取与所述指定量刑要素标签对应的量刑要素以及与所述指定判决结果要素标签对应的判决结果要素，包括：通过所述判决书要素抽取模型中的语义向量确定模块，对所述未标注判决书进行分词处理，确定分词处理得到的每个词对应的语义向量；通过所述判决书要素抽取模型中的要素标签确定模块和所述每个词对应的语义向量，确定与每个语义向量对应的词的要素标签；将要素标签相同的连续多个词合并，合并后的内容作为该要素标签对应的要素。4.根据权利要求1所述的量刑结果预测方法，其特征在于，所述从所述目标非判决书中获取与指定量刑要素标签对应的量刑要素，包括：利用预先建立的非判决书要素抽取模型，从所述目标非判决书中抽取与所述指定量刑要素标签对应的量刑要素；其中，所述非判决书要素抽取模型以训练非判决书为训练样本，以基于所述指定量刑要素标签对所述训练非判决书进行标注的标注结果为样本标签进行训练得到。5.根据权利要求4所述的量刑结果预测方法，其特征在于，所述基于所述指定量刑要素标签对所述非判决书进行标注的标注结果包括：所述训练非判决书中与所述指定量型要素标签对应的量刑要素的起始位置和起始位置得分、结束位置和结束位置得分，以及，量刑要素为空的得分。6.根据权利要求5所述的量刑结果预测方法，其特征在于，所述利用预先建立的非判决书要素抽取模型，从所述目标非判决书中抽取与所述指定量刑要素标签对应的量刑要素，包括：通过所述非判决书要素抽取模型确定所述目标非判决书中与所述指定量刑要素标签对应的量刑要素的信息作为目标量刑要素信息，所述目标量刑要素信息包括所述目标非判决书中与所述指定量刑要素标签对应的量刑要素的起始位置和起始位置得分、结束位置和结束位置得分，以及量刑要素为空的得分；通过所述目标量刑要素信息，确定所述目标非判决书中与所述指定量刑要素标签对应的量刑要素。7.根据权利要求6所述的量刑结果预测方法，其特征在于，所述通过所述非判决书要素抽取模型确定所述目标非判决书中与所述指定量刑要素标签对应的量刑要素的信息作为目标量刑要素信息，包括：将所述目标非判决书和问题标签文本，输入所述非判决书要素抽取模型，获得所述非判决书要素抽取模型输出的目...

【专利技术属性】
技术研发人员：代旭东，
申请(专利权)人：讯飞智元信息科技有限公司，
类型：发明
国别省市：安徽,34