一种法律文书自动识别、生成系统及其方法技术方案

本发明专利技术公开了一种法律文书自动识别、生成系统，包括识别模块、处理模块和生成模块，其中：识别模块，用于将法律文书转化电子源文件并导入处理模块；处理模块，进行预处理，定位关键词并提取文本信息；生成模块，抽取与关键词分别一一对应的数据源，生成预填录界面，校验后，自动填录入业务系统。还公开了一种方法，将法律文书转换成电子源文件；对电子源文件进行预处理，定位关键词并提取文本信息；将文本信息与数据源建立映射关系，生成预填录界面辅助人工校对，校验通过后，填录入与系统对接的业务系统。本发明专利技术自动识别、提取案件关键信息，并模拟人的方式将数据自动填录到对接的业务系统中，极大地提高了案件受理的工作效率降低出错概率。

【技术实现步骤摘要】
一种法律文书自动识别、生成系统及其方法
本专利技术涉及数据处理
，具体的说，是一种法律文书自动识别、生成系统及其方法。
技术介绍
法律文书一般是司法行政机关等在解决诉讼、非诉案件时使用的文书。现有技术中，一般采用的纸质的法律文书，递交到司法行政机关后，受理案件人员需要对案件进行受理登记，即人工对法律文书进行阅读分析，提取关键信息录入其业务系统。例如，检察院受理一个单人的审查逮捕案件，需要填录的案卡项大约90项；受理多人的审查逮捕案件，每增加一个犯罪嫌疑人，需要填录的案卡项会增加50项。并且由于当前司法行政机关案多人少的现象突出，人工受理案件势必会耗费大量的人力、时间，不仅工作繁琐，而且容易出错。
技术实现思路
本专利技术的目的在于提供一种法律文书自动识别、生成系统及其方法，用于解决现有技术中人工受理案件耗费大量的人力、时间，不仅工作繁琐，而且容易出错的问题。本专利技术通过下述技术方案解决上述问题：一种法律文书自动识别、生成系统，包括识别模块、处理模块和生成模块，其中：识别模块，用于将纸质法律文书转化电子源文件，并将电子源文件导入处理模块；或者直接将电子版本的法律文书导入处理模块；处理模块，对导入的电子源文件进行预处理，定位关键词并提取文本信息；生成模块，从对接的业务系统中抽取数据源，所述数据源与所述关键词分别一一对应，并建立所述文本信息与数据源的映射关系，生成预填录界面，通过人工校验和确认后，自动填录入业务系统。进一步地，所述处理模块包括：预处理单元，其配置成用于进行文本清洗以及文本格式化；提取关键词单元，根据对接的业务系统中的提取项模板配置提取关键词，定位关键词的位置，并根据设定的匹配规则提取文本信息。一种法律文书自动识别、生成方法，包括：步骤S100：将法律文书转换成能够被选择、复制和检索文字的电子源文件；步骤S200：对电子源文件进行预处理，定位关键词并提取文本信息；步骤S300：将所述文本信息与对接的业务系统中的数据源建立映射关系，生成预填录界面辅助人工校验，校验通过后，填录入与系统对接的业务系统。进一步地，所述步骤S100包括将纸质法律文书经过高拍仪扫描、识别并转换成双层PDF文件，另外Word/WPS/双层PDF文书等电子版法律文书可直接导入处理模块。所述双层PDF文件可选择文字、复制文字以及检索文字。进一步地，所述预处理包括文本清洗和文本格式化，其中：文本清洗包括编码转换、去空格、去非法字符、缺失关键词补充修正；文本格式化包括分块、分段和分句，其中分块是根据文本分块标志进行分块，所述分段是按照段落符号进行划分，所述分句以标点符号作为分隔符号，将句子分成一个个的短句。进一步地，所述定位关键词并提取文本信息具体包括：根据对接的业务系统中数据源的需求，建立关键词词典，定位关键词所在的分块、段落和短句；从所述短句中确定句子主语，根据预设的抽取项模板，进行关键词抽取；将抽取的文本信息进行数据转换后输出文本信息，建立文本信息与数据源的对应关系。数据转换包括数据格式转换、文本标准格式转换等等。如对户籍的信息提取，截取至省份和市级。进一步地，所述步骤S300具体包括：步骤S310：从对接的业务系统中抽取数据源，生成预填录界面，所述预填录界面展示数据源及数据源对应的文本信息，预填录界面还加载展示文书原始信息；步骤S320：对预填录界面进行校验，包括：自动校正：根据对接的业务系统的填录标准进行校验，将文本信息进行自动校正，并进行已校正提示；设置默认值：提供默认值选项，用于在对应的文本信息未提取到时，将默认值填入；手动填录：提示用户填录该项，用户手动填录或者将预填录界面的文书原始信息直接拖拽到该选项；自动复制：提示可复制项，用于将用户填入的内容自动复制到其他名称相同的选项中；步骤S330：将经过人工校验后文本信息自动填录入对接的业务系统。本专利技术与现有技术相比，具有以下优点及有益效果：(1)本专利技术自动识别、智能解析文书内容，精确提取案件关键信息，按照其对接的业务系统的案卡填录的标准，对数据规范化处理，并模拟人的方式将数据自动填录到对接的业务系统中，受理案件人员只需要对填录信息进行校对即可，极大地提高了案件受理的工作效率。(2)本专利技术中的分句采用标点符号为分隔符号，而不是以句号为分句依据，因此将句子分成一个个短句，分别提取短句中涉及的关键词，避免了提取文本信息的遗漏和不准确。附图说明图1为本专利技术的系统原理框图；图2为本专利技术中提取关键词的流程图。具体实施方式下面结合实施例对本专利技术作进一步地详细说明，但本专利技术的实施方式不限于此。实施例1：结合附图1所示，一种法律文书自动识别、生成系统，包括识别模块、处理模块和生成模块，其中：识别模块，用于将纸质法律文书经过高拍仪扫描、识别并转换成双层PDF文件，并自动导入处理模块；如果法律文书为Word/WPS/双层PDF等格式的电子版文书，可直接导入处理模块；双层PDF文件可选择文字、复制文字以及检索文字；处理模块，对导入的电子源文件进行预处理，定位关键词并提取文本信息；生成模块，从对接的业务系统中抽取数据源，所述数据源与所述关键词分别一一对应，并建立所述文本信息与数据源的映射关系，生成预填录界面，通过人工校验和确认后，自动填录入业务系统。进一步地，所述处理模块包括：预处理单元，其配置成用于进行文本清洗以及文本格式化，其中：文本清洗是指编码转换、去空格、去非法字符、缺失关键字补充修正等处理，例如：罪名表述(表述不完整的补充)、特殊日期表述(如同年、同日、翌日、年底、年初、月底、月初等修正)、人物特性词标注(没有写明的默认按嫌疑人标注)、中文数字转换、半角全角符号处理等。文本格式化包含分块、分段、分句，其中分块是根据文本行文格式和内容框架进行分块，通过文本分块标志模板配置，每个文本分块的配置规则包含的元素有：<起始标签>、<起始标签类型>、<是否包含起始位置内容>、<结束标签类型>、<是否包含结束位置内容>等。例如《起诉意见书》，内容框架可分为【文书类别】、【移送单位】、【文书文号】、【犯罪嫌疑人基本信息】、【侦查机关认定犯罪事实】、【综合陈述罪名信息】、【附加信息】等几大块。以【犯罪嫌疑人基本信息】的分块配置为例说明如下：<犯罪嫌疑人基本信息><起始标签>起诉意见书#起诉意见书#意见书#意见书#起诉书#起诉书#起诉#起诉#意见#意见</起始标签><起始标签类型>wz</起始标签类型><是否包含起始位置内容>false</是否包含起始位置内容><结束标签>yfcmkey#cq</结束标签><结束标签类型>bqm</结束标签类型><是否包含结束位置内容>false</是否包含结束位置内容></犯罪嫌疑人基本信息>这段配置规定了“犯罪嫌疑人基本信息”从文书中哪部分内容提取：1.<起始标签>规定了该分块的开始标志，用“#”分隔；2.<起始标签类型>规定了起始标签的类型，“wz”代表“文字”，即“犯罪嫌疑人基本信息”这一块的内容是从文书中出本文档来自技高网...

【技术保护点】
1.一种法律文书自动识别、生成系统，其特征在于，包括识别模块、处理模块和生成模块，其中：识别模块，用于将法律文书转化电子源文件，并将电子源文件导入处理模块；处理模块，对导入的电子源文件进行预处理，定位关键词并提取文本信息；生成模块，从对接的业务系统中抽取数据源，所述数据源与所述关键词分别一一对应，并建立所述文本信息与数据源的映射关系，生成预填录界面，通过人工校验和确认后，自动填录入业务系统。

【技术特征摘要】
1.一种法律文书自动识别、生成系统，其特征在于，包括识别模块、处理模块和生成模块，其中：识别模块，用于将法律文书转化电子源文件，并将电子源文件导入处理模块；处理模块，对导入的电子源文件进行预处理，定位关键词并提取文本信息；生成模块，从对接的业务系统中抽取数据源，所述数据源与所述关键词分别一一对应，并建立所述文本信息与数据源的映射关系，生成预填录界面，通过人工校验和确认后，自动填录入业务系统。2.根据权利要求1所述的一种法律文书自动识别、生成系统，其特征在于，所述处理模块包括：预处理单元，其配置成用于进行文本清洗以及文本格式化；提取关键词单元，根据对接的业务系统中的提取项模板配置提取关键词，定位关键词的位置，并根据设定的匹配规则提取文本信息。3.一种法律文书自动识别、生成方法，其特征在于，包括：步骤S100：将法律文书转换成能够被选择、复制和检索文字的电子源文件；步骤S200：对电子源文件进行预处理，定位关键词并提取文本信息；步骤S300：将所述文本信息与对接的业务系统中的数据源建立映射关系，生成预填录界面辅助人工校验，校验通过后，填录入与系统对接的业务系统。4.根据权利要求3所述的一种法律文书自动识别、生成方法，其特征在于，所述步骤S100包括：如果法律文书为纸质法律文书，需要对纸质法律文书采用高拍仪扫描、识别并转换为双层PDF文档后，进入下一步；如果法律文书是电子版法律文书，所述电子版法律文书为Word文档、Wps文档或双层PDF文档，直接进入下一步。5.根据权利要求3所述的一种...

【专利技术属性】
技术研发人员：许敏，朱雅都，徐春林，黄尚强，陈泉吉，黄俊凯，李娟，
申请(专利权)人：同方赛威讯信息技术有限公司，
类型：发明
国别省市：四川,51