基于深度学习的裁判结果获取方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种基于深度学习的裁判结果获取方法、装置及存储介质，该方法包括：根据待处理案件的原始文本，获取所述待处理案件的案件信息；通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得的。本方案提高了案件的处理效率。

The method, device and storage medium of judging results based on deep learning

【技术实现步骤摘要】
基于深度学习的裁判结果获取方法、装置及存储介质
本专利技术涉及深度学习
，尤其涉及一种基于深度学习的裁判结果获取方法、装置及存储介质。
技术介绍
随着社会的发展和法律的完善，需要裁判的案件较多。现有技术中，针对每一个需要裁判的案件，通常采用开庭审理的方式人工进行裁判。但是，人工裁判的方式将会造成案件的处理效率较低。可见，如何提高案件的处理效率是当下一个亟需解决的问题。
技术实现思路
本专利技术提供一种基于深度学习的裁判结果获取方法、装置及存储介质，提高了案件的处理效率。第一方面，本专利技术提供一种基于深度学习的裁判结果获取方法，包括：根据待处理案件的原始文本，获取所述待处理案件的案件信息；通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得的。进一步地，所述根据待处理案件的原始文本，获取所述待处理案件的案件信息之前，还包括：识别所述原始文本中的金额信息，对所述金额信息进行整数格式的转化；进一步地，所述根据待处理案件的原始文本，获取所述待处理案件的案件信息之前，还包括：识别所述原始文本中的姓名信息，将所述姓名信息替换为同一姓名标识；进一步地，所述根据待处理案件的原始文本，获取所述待处理案件的案件信息之前，还包括：识别所述原始文本中的时间信息，将所述时间信息替换为同一时间标识。进一步地，所述通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，包括：根据所述待处理案件的案件信息，获得相应的第一文本词向量矩阵；对所述第一文本词向量矩阵分别进行正向解读和反向解读，获得第一正向解读结果和第一反向解读结果；将所述第一正向解读结果和所述第一反向解读结果进行拼接，对拼接获得的数据进行信息抽取，获得第一文本内容向量；从所述第一文本内容向量中提取出第一裁定向量，对所述第一裁定向量进行解析，获得所述裁判结果。进一步地，所述方法还包括：获取所述至少一个裁判文书的案件信息和裁判结果；根据所述至少一个裁判文书的案件信息，获得相应的第二文本词向量矩阵；对所述第二文本词向量矩阵分别进行正向解读和反向解读，获得第二正向解读结果和第二反向解读结果；将所述第二正向解读结果和所述第二反向解读结果进行拼接，对拼接获得的数据进行信息抽取，获得第二文本内容向量；从所述第二文本内容向量中提取出第二裁定向量；根据所述第二裁定向量和所述裁判文书的裁判结果对应的向量计算获得损失误差；利用所述损失误差，对所述裁判模型进行学习训练，直至所述裁判模型收敛。第二方面，本专利技术提供了一种基于深度学习的裁判结果获取装置，包括：第一获取单元，用于根据待处理案件的原始文本，获取所述待处理案件的案件信息；第二获取单元，用于通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得的。进一步地，所述装置还包括：第一处理单元，用于识别所述原始文本中的金额信息，对所述金额信息进行整数格式的转化。进一步地，所述装置还包括：第二处理单元，用于识别所述原始文本中的姓名信息，将所述姓名信息替换为同一姓名标识。进一步地，所述装置还包括：第三处理单元，用于识别所述原始文本中的时间信息，将所述时间信息替换为同一时间标识。进一步地，所述第二获取单元，包括：第一词向量转换模块，用于根据所述待处理案件的案件信息，获得相应的第一文本词向量矩阵；第一解读模块，用于对所述第一文本词向量矩阵分别进行正向解读和反向解读，获得第一正向解读结果和第一反向解读结果；第一拼接模块，将所述第一正向解读结果和所述第一反向解读结果进行拼接；第一信息抽取模块，对拼接获得的数据进行信息抽取，获得第一文本内容向量；第一提取模块，从所述第一文本内容向量中提取出第一裁定向量；第一解析模块，对所述第一裁定向量进行解析，获得所述裁判结果。进一步地，所述装置还包括：第三获取单元和模型训练单元；所述第三获取单元，用于获取所述至少一个裁判文书的案件信息和裁判结果；所述模型训练单元，包括：第二词向量转换模块，用于根据所述至少一个裁判文书的案件信息，获得相应的第二文本词向量矩阵；第二解读模块，用于对所述第二文本词向量矩阵分别进行正向解读和反向解读，获得第二正向解读结果和第二反向解读结果；第二拼接模块，用于将所述第二正向解读结果和所述第二反向解读结果进行拼接；第二信息抽取模块，用于对拼接获得的数据进行信息抽取，获得第二文本内容向量；第二提取模块，用于从所述第二文本内容向量中提取出第二裁定向量；优化模块，用于根据所述第二裁定向量和所述裁判文书的裁判结果对应的向量计算获得损失误差；利用所述损失误差，对所述裁判模型进行学习训练，直至所述裁判模型收敛。第三方面，本专利技术提供了一种基于深度学习的裁判结果获取装置，包括：处理器、存储器以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现第一方面的任一方法。第四方面，本专利技术提供了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以实现第一方面的任一方法。本专利技术提供了一种基于深度学习的裁判结果获取方法、装置及存储介质，根据待处理案件的原始文本获取案件信息，然后将该案件信息通过裁判模型进行处理，从而获得裁判结果。本方案基于输入的案件信息，通过深度学习训练获得的裁判模型实现智能裁判，从而有效提高案件处理效率。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1为本专利技术实施例一提供的一种基于深度学习的裁判结果获取方法的流程图；图2为本专利技术实施例二提供的一种基于深度学习的裁判结果获取方法的流程图；图3为本专利技术实施例二提供的一种裁判模型的结构示意图；图4为本专利技术实施例三提供的一种基于深度学习的裁判结果获取方法的流程图；图5为本专利技术实施例四提供的一种基于深度学习的裁判结果获取装置的结构示意图；图6为本专利技术实施例五提供的一种基于深度学习的裁判结果获取装置的结构示意图；图7为本专利技术实施例六提供的一种基于深度学习的裁判结果获取装置的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创本文档来自技高网...

【技术保护点】
1.一种基于深度学习的裁判结果获取方法，其特征在于，包括：/n根据待处理案件的原始文本，获取所述待处理案件的案件信息；/n通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得的。/n

【技术特征摘要】
1.一种基于深度学习的裁判结果获取方法，其特征在于，包括：
根据待处理案件的原始文本，获取所述待处理案件的案件信息；
通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得的。


2.根据权利要求1所述的方法，其特征在于，所述根据待处理案件的原始文本，获取所述待处理案件的案件信息之前，还包括：
识别所述原始文本中的金额信息，对所述金额信息进行整数格式的转化；和/或，
识别所述原始文本中的姓名信息，将所述姓名信息替换为同一姓名标识；和/或，
识别所述原始文本中的时间信息，将所述时间信息替换为同一时间标识。


3.根据权利要求1所述的方法，其特征在于，所述通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，包括：
根据所述待处理案件的案件信息，获得相应的第一文本词向量矩阵；
对所述第一文本词向量矩阵分别进行正向解读和反向解读，获得第一正向解读结果和第一反向解读结果；
将所述第一正向解读结果和所述第一反向解读结果进行拼接，对拼接获得的数据进行信息抽取，获得第一文本内容向量；
从所述第一文本内容向量中提取出第一裁定向量，对所述第一裁定向量进行解析，获得所述裁判结果。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
获取所述至少一个裁判文书的案件信息和裁判结果；
根据所述至少一个裁判文书的案件信息，获得相应的第二文本词向量矩阵；
对所述第二文本词向量矩阵分别进行正向解读和反向解读，获得第二正向解读结果和第二反向解读结果；
将所述第二正向解读结果和所述第二反向解读结果进行拼接，对拼接获得的数据进行信息抽取，获得第二文本内容向量；
从所述第二文本内容向量中提取出第二裁定向量；
根据所述第二裁定向量和所述裁判文书的裁判结果对应的向量计算获得损失误差；利用所述损失误差，对所述裁判模型进行学习训练，直至所述裁判模型收敛。


5.一种基于深度学习的裁判结果获取装置，其特征在于，包括：
第一获取单元，用于根据待处理案件的原始文本，获取所述待处理案件的案件信息；
第二获取单元，用于通过裁判模型对所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得...

【专利技术属性】
技术研发人员：佟津乐，朱元婧，谢海华，
申请(专利权)人：北大方正集团有限公司，北大方正信息产业集团有限公司，
类型：发明
国别省市：北京;11