诉讼结果预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种基于机器学习的诉讼结果预测方法、装置、计算机设备和存储介质。所述方法包括：接收终端发送的诉讼结果预测请求；所述诉讼结果预测请求携带了当前案件的案件信息及证据组合；确定所述证据组合中每个证据项对应的证据类型；基于所述证据类型生成所述当前案件的证据特征向量；根据所述案件信息确定所述当前案件的案件类型和法律关系；获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率。采用本方法能够提高诉讼结果预测效率和准确率。

【技术实现步骤摘要】
诉讼结果预测方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种诉讼结果预测方法、装置、计算机设备和存储介质。
技术介绍
随着法律信息的快速传播，人们的法律意识逐渐得到提高，法律需求也逐渐增多。然而，由于普通民众对专业性较强的法律知识通常了解甚微，使得通过自身进行法律相关信息的检索分析的难度增加。例如，为了避免在证据力度不足以支持诉求的情况下花费大量时间精力起诉，用户期望提前了解基于目前掌握的证据，当前案件的胜诉概率。但目前缺乏对案件胜诉概率进行自动化预测的技术,使得案件胜诉概率的预测不仅效率低，且预测结果客观准确性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高诉讼结果预测效率和准确率的诉讼结果预测方法、装置、计算机设备和存储介质。一种诉讼结果预测方法，所述方法包括：接收终端发送的诉讼结果预测请求；所述诉讼结果预测请求携带了当前案件的案件信息及证据组合；确定所述证据组合中每个证据项对应的证据类型；基于所述证据类型生成所述当前案件的证据特征向量；根据所述案件信息确定所述当前案件的案件类型和法律关系；获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率。在一个实施例中，所述方法还包括：接收终端发送的证据链指引请求；所述证据链指引请求携带了案件标识；根据案件标识获取所述当前案件的案件信息；在所述案件信息中提取所述当前案件的争议焦点；模糊匹配确定所述争议焦点的焦点类型；根据当前案件的案件类型、法律关系和焦点类型，获取相关联的一个或多个证据项以及每个证据项对应的决策权重；根据所述决策权重生成相应证据项对应的证据标签；基于多个具有证据标签的证据项生成证据链，将所述证据链返回至终端。在一个实施例中，所述获取与所述案件类型和目标法律关系对应的目标预测模型之前，还包括：获取多个历史案件以及每个所述历史案件对应的案件因子；所述案件因子包括案件类型和法律关系；根据所述案件类型和法律关系对多个历史案件进行分组；对所述案件因子进行编码处理，得到相应历史案件的特征向量；基于每组历史案件的特征向量，构建相应案件类型及法律关系对应的训练集；基于不同训练集对基础预测模型进行训练，得到不同案件类型和法律关系对应的目标预测模型。在一个实施例中，所述案件因子包括证据组合；所述获取多个历史案件以及每个所述历史案件对应的案件因子，包括：获取多个历史案件的案件文件；通过正则匹配在所述案件文件中提取一个或多个证据描述语句；将所述证据描述语句输入预设的语义理解模型，得到每个所述证据描述语句对应的一个或多个证据项；识别每个证据项对应的证据类型，基于所述证据类型生成相应历史案件的证据组合。在一个实施例中，所述将所述证据特征向量输入所述目标预测模型，包括：在所述案件信息中提取所述当前案件的争议焦点；模糊匹配确定所述争议焦点的焦点类型；基于所述焦点类型生成所述当前案件的焦点特征向量；将所述焦点特征向量与所述证据特征向量进行拼接，得到案件特征向量；将所述案件特征向量输入所述目标预测模型。在一个实施例中，所述目标预测模型包括第一预测模型和第二预测模型；所述获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率，包括：根据所述案件类型和法律关系获取对应的第一预测模型，将所述证据特征向量输入所述第一预测模型，得到第一预测值；在所述案件信息中提取所述当前案件的争议焦点，确定所述争议焦点的焦点类型，根据所述焦点类型获取对应的第二预测模型；基于所述焦点类型生成所述当前案件的焦点特征向量，将所述焦点特征向量输入所述第二预测模型，得到第二预测值；根据所述案件类型和法律关系确定第一预测模型及第二预测模型分别对应的预测权重；根据所述预测权重对第一预测值和第二预测值进行预设逻辑运算，得到当前案件的胜诉概率。一种诉讼结果预测装置，所述装置包括：案件预测请求模块，用于接收终端发送的诉讼结果预测请求；所述诉讼结果预测请求携带了当前案件的案件信息及证据组合；案件特征提取模块，用于确定所述证据组合中每个证据项对应的证据类型；基于所述证据类型生成所述当前案件的证据特征向量；诉讼结果预测模块，用于根据所述案件信息确定所述当前案件的案件类型和法律关系；获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率。在一个实施例中，所述装置还包括证据链指引模块，用于接收终端发送的证据链指引请求；所述证据链指引请求携带了案件标识；根据案件标识获取所述当前案件的案件信息；在所述案件信息中提取所述当前案件的争议焦点；模糊匹配确定所述争议焦点的焦点类型；根据当前案件的案件类型、法律关系和焦点类型，获取相关联的一个或多个证据项以及每个证据项对应的决策权重；根据所述决策权重生成相应证据项对应的证据标签；基于多个具有证据标签的证据项生成证据链，将所述证据链返回至终端。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请任意一个实施例中提供的诉讼结果预测方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任意一个实施例中提供的诉讼结果预测方法的步骤。上述诉讼结果预测方法、装置、计算机设备和存储介质，由于用户只需提供掌握的当前案件的证据组合，自动识别证据组合涉及的证据类型，并基于预置的诉讼结果预测模型自动进行胜算概率预测，可以提高预测效率；此外，针对不同案件类型和法律关系的案件分别预置不同的诉讼结果预测模型，可以提高模型针对性，进而提高预测结果准确率。附图说明图1为一个实施例中诉讼结果预测方法的应用场景图；图2为一个实施例中诉讼结果预测方法的流程示意图；图3为一个实施例中证据链指引的步骤的流程示意图；图4为一个实施例中诉讼结果预测装置的结构框图；图5为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的诉讼结果预测方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。当用户需要了解当前案件的胜败概率时，可以通过终端102向服务器104发送诉讼结果预测请求。诉讼结果预测请求携带了当前案件的案件信息及证据组合。案件信息可以是案件文件等。证据组合包括一个或多个证据项。服务器104识别每个证据项对应的证据类型。服务器104根据多个证据项的证据类型生成当前案件的证据特征向量。根据当前案件的案件信息，服务器104确定当前案件的案件类型和法律关系。服务器104针对不同案件类型和法律关系的案件，对应预置了不同的诉讼结果预测模型。服务器104将与当前案件的案件类型和法律关系相对应的诉讼结果预测模型标记为目标预测模型，并将证据特征向量输入目标预测模型，得到当前本文档来自技高网...

【技术保护点】
1.一种诉讼结果预测方法，所述方法包括：接收终端发送的诉讼结果预测请求；所述诉讼结果预测请求携带了当前案件的案件信息及证据组合；确定所述证据组合中每个证据项对应的证据类型；基于所述证据类型生成所述当前案件的证据特征向量；根据所述案件信息确定所述当前案件的案件类型和法律关系；获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率。

【技术特征摘要】
1.一种诉讼结果预测方法，所述方法包括：接收终端发送的诉讼结果预测请求；所述诉讼结果预测请求携带了当前案件的案件信息及证据组合；确定所述证据组合中每个证据项对应的证据类型；基于所述证据类型生成所述当前案件的证据特征向量；根据所述案件信息确定所述当前案件的案件类型和法律关系；获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：接收终端发送的证据链指引请求；所述证据链指引请求携带了案件标识；根据案件标识获取所述当前案件的案件信息；在所述案件信息中提取所述当前案件的争议焦点；模糊匹配确定所述争议焦点的焦点类型；根据当前案件的案件类型、法律关系和焦点类型，获取相关联的一个或多个证据项以及每个证据项对应的决策权重；根据所述决策权重生成相应证据项对应的证据标签；基于多个具有证据标签的证据项生成证据链，将所述证据链返回至终端。3.根据权利要求1所述的方法，其特征在于，所述获取与所述案件类型和目标法律关系对应的目标预测模型之前，还包括：获取多个历史案件以及每个所述历史案件对应的案件因子；所述案件因子包括案件类型和法律关系；根据所述案件类型和法律关系对多个历史案件进行分组；对所述案件因子进行编码处理，得到相应历史案件的特征向量；基于每组历史案件的特征向量，构建相应案件类型及法律关系对应的训练集；基于不同训练集对基础预测模型进行训练，得到不同案件类型和法律关系对应的目标预测模型。4.根据权利要求3所述的方法，其特征在于，所述案件因子包括证据组合；所述获取多个历史案件以及每个所述历史案件对应的案件因子，包括：获取多个历史案件的案件文件；通过正则匹配在所述案件文件中提取一个或多个证据描述语句；将所述证据描述语句输入预设的语义理解模型，得到每个所述证据描述语句对应的一个或多个证据项；识别每个证据项对应的证据类型，基于所述证据类型生成相应历史案件的证据组合。5.根据权利要求1所述的方法，其特征在于，所述将所述证据特征向量输入所述目标预测模型，包括：在所述案件信息中提取所述当前案件的争议焦点；模糊匹配确定所述争议焦点的焦点类型；基于所述焦点类型生成所述当前案件的焦点特征向量；将所述焦点特征向量与所述证据特征向量进行拼接，得到案件特...

【专利技术属性】
技术研发人员：叶素兰，窦文伟，胡义品，朱昱锦，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44