一种类案推荐方法及系统技术方案

本发明专利技术实施例提供一种类案推荐方法及系统，该方法包括：获取目标案件的属性特征；将属性特征输入到神经网络模型中，获取目标案件对应的类案向量；根据目标案件对应的类案向量和案件库中每一候选案件对应的类案向量之间的距离，从案件库中获取目标案件对应的第一初始类案集、第二初始类案集、第三初始类案集、第四初始类案、第五初始类案集、第六初始类案集和第七初始类案集；并获取目标案件的若干目标类案，以使得根据每一目标类案的判决结果，对目标案件进行判决。本发明专利技术实施例提供的一种类案推荐方法及系统，能够提升类案推荐的精确率，做到按需求提供更加精准，数量可控的类案以供参考，提升了类案推荐的效率，使推荐案例更加合理化。

【技术实现步骤摘要】
一种类案推荐方法及系统
本专利技术涉及人工智能
，尤其涉及一种类案推荐方法及系统。
技术介绍
类案推荐是一种可以有效提升判决效率的方法，但类案推荐面临很多挑战，目前的类案推荐方法效率不高，无法做到精准的类案推荐，尤其当面对与目标案件的情节相似度高的案件数量很多的情况时，执法人员会面对海量选择，不仅对效率产生影响，而且有可能造成误导，与类案推荐的初衷背道而驰。因此，亟需一种类案推荐方法。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种类案推荐方法及系统。第一方面，本专利技术实施例提供一种类案推荐方法，包括：获取目标案件的属性特征，所述特征属性包括所述目标案件的当事人信息、行政机关信息、案件程序信息、案由信息、违法事实信息、证据信息和法律依据信息中的一种或多种；将所述属性特征输入到神经网络模型中，获取所述目标案件对应的类案向量，所述神经网络模型以若干样本案件为训练样本、以样本案件对应的类案向量为标签进行训练得到；根据所述目标案件对应的类案向量和案件库中每一候选案件对应的类案向量之间的距离，从所述案件库中获取所述目标案件对应的第一初始类案集、第二初始类案集、第三初始类案集、第四初始类案、第五初始类案集、第六初始类案集和第七初始类案集；根据所述第一初始类案集、所述第二初始类案集、所述第三初始类案集、所述第四初始类案、所述第五初始类案集、所述第六初始类案集和所述第七初始类案集，获取所述目标案件的若干目标类案，以使得根据每一目标类案的判决结果，对所述目标案件进行判决；其中，所述第一初始类案集中包括若干第一初始类案，对于任一第一初始类案，所述任一第一初始类案的当事人与所述目标案件的当事人之间的相似度大于第一预设阈值，所述第二初始类案集中包括若干第二初始类案，对于任一第二初始类案，所述第二初始类案的行政机关与所述目标案件的行政机关之间的相似度大于第二预设阈值，所述第三初始类案集中包括若干第三初始类案，对于任一第三初始类案，所述任一第三初始类案的案件程序与所述目标案件的案件程序之间的相似度大于第三预设阈值，所述第四初始类案集中包括若干第四初始类案，对于任一第四初始类案，所述任一第四初始类案的案由与所述目标案件的案由之间的相似度大于第四预设阈值，所述第五初始类案集中包括若干第五初始类案，对于任一第五初始类案，所述任一第五初始类案的违法事实与所述目标案件的违法事实之间的相似度大于第五预设阈值，所述第六初始类案集中包括若干第六初始类案，对于任一第六初始类案，所述任一第六初始类案的证据与所述目标案件的证据之间的相似度大于第六预设阈值，所述第七初始类案集中包括若干第七初始类案，对于任一第七初始类案，所述任一第七初始类案的法律依据与所述目标案件的法律依据之间的相似度大于第七预设阈值。优选地，所述根据所述第一初始类案集、所述第二初始类案集、所述第三初始类案集、所述第四初始类案集、所述第五初始类案集、所述第六初始类案集和所述第七初始类案集，获取所述目标案件的若干目标类案，具体包括：根据所述第一初始类案集的第一预设权重、所述第二初始类案集的第二预设权重、所述第三初始类案集的第三预设权重、所述第四初始类案的第四预设权重、所述第五初始类案集的第五预设权重、所述第六初始类案集的第六预设权重和所述第七初始类案集的第七预设权重，对每一初始类案进行加权平均，获取每一初始类案的相似度；将相似度大于预设阈值的初始类案，作为所述目标案件的目标类案。优选地，所述目标案件的属性特征通过如下方式获得：对所述目标案件的进行分词处理，并通过文本嵌入技术将分词后的目标案件转换为初始向量；对所述初始向量进行信息抽取，获取文本特征，所述文本属性特征包括当事人、行政机关、案件程序、案由、违法事实、证据和法律依据中的一种或多种；对所述文本特征进行语义嵌入，获取所述属性特征。优选地，所述并通过文本嵌入技术将分词后的目标案件转换为初始向量，具体如下：通过Skip-gram方法将分词后的目标案件转换为初始向量。优选地，所述对所述文本特征进行语义嵌入，获取所述属性特征，具体如下：通过PV-DM方法对对所述文本特征进行语义嵌入，获取所述属性特征。优选地，所述神经网络模型为Transformer模型。第二方面，本专利技术实施例提供一种类案推荐系统，包括：获取模块，用于获取目标案件的属性特征，所述特征属性包括所述目标案件的当事人信息、行政机关信息、案件程序信息、案由信息、违法事实信息、证据信息和法律依据信息中的一种或多种；类案模块，用于将所述属性特征输入到神经网络模型中，获取所述目标案件对应的类案向量，所述神经网络模型以若干样本案件为训练样本、以样本案件对应的类案向量为标签进行训练得到；计算模块，用于根据所述目标案件对应的类案向量和案件库中每一候选案件对应的类案向量之间的距离，从所述案件库中获取所述目标案件对应的第一初始类案集、第二初始类案集、第三初始类案集、第四初始类案、第五初始类案集、第六初始类案集和第七初始类案集，其中，所述第一初始类案集中包括若干第一初始类案，对于任一第一初始类案，所述任一第一初始类案的当事人与所述目标案件的当事人之间的相似度大于第一预设阈值，所述第二初始类案集中包括若干第二初始类案，对于任一第二初始类案，所述第二初始类案的行政机关与所述目标案件的行政机关之间的相似度大于第二预设阈值，所述第三初始类案集中包括若干第三初始类案，对于任一第三初始类案，所述任一第三初始类案的案件程序与所述目标案件的案件程序之间的相似度大于第三预设阈值，所述第四初始类案集中包括若干第四初始类案，对于任一第四初始类案，所述任一第四初始类案的案由与所述目标案件的案由之间的相似度大于第四预设阈值，所述第五初始类案集中包括若干第五初始类案，对于任一第五初始类案，所述任一第五初始类案的违法事实与所述目标案件的违法事实之间的相似度大于第五预设阈值，所述第六初始类案集中包括若干第六初始类案，对于任一第六初始类案，所述任一第六初始类案的证据与所述目标案件的证据之间的相似度大于第六预设阈值，所述第七初始类案集中包括若干第七初始类案，对于任一第七初始类案，所述任一第七初始类案的法律依据与所述目标案件的法律依据之间的相似度大于第七预设阈值；推荐模块，用于根据所述第一初始类案集、所述第二初始类案集、所述第三初始类案集、所述第四初始类案、所述第五初始类案集、所述第六初始类案集和所述第七初始类案集，获取所述目标案件的若干目标类案，以使得根据每一目标类案的判决结果，对所述目标案件进行判决。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本专利技术第一方面提供的类案推荐方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本专利技术第一方面提供的类案推荐方法的步骤。本专利技术实施例提供的一种类案推荐方法及本文档来自技高网...

【技术保护点】
1.一种类案推荐方法，其特征在于，包括：/n获取目标案件的属性特征，所述特征属性包括所述目标案件的当事人信息、行政机关信息、案件程序信息、案由信息、违法事实信息、证据信息和法律依据信息中的一种或多种；/n将所述属性特征输入到神经网络模型中，获取所述目标案件对应的类案向量，所述神经网络模型以若干样本案件为训练样本、以样本案件对应的类案向量为标签进行训练得到；/n根据所述目标案件对应的类案向量和案件库中每一候选案件对应的类案向量之间的距离，从所述案件库中获取所述目标案件对应的第一初始类案集、第二初始类案集、第三初始类案集、第四初始类案、第五初始类案集、第六初始类案集和第七初始类案集；/n根据所述第一初始类案集、所述第二初始类案集、所述第三初始类案集、所述第四初始类案、所述第五初始类案集、所述第六初始类案集和所述第七初始类案集，获取所述目标案件的若干目标类案，以使得根据每一目标类案的判决结果，对所述目标案件进行判决；/n其中，所述第一初始类案集中包括若干第一初始类案，对于任一第一初始类案，所述任一第一初始类案的当事人与所述目标案件的当事人之间的相似度大于第一预设阈值，所述第二初始类案集中包括若干第二初始类案，对于任一第二初始类案，所述第二初始类案的行政机关与所述目标案件的行政机关之间的相似度大于第二预设阈值，所述第三初始类案集中包括若干第三初始类案，对于任一第三初始类案，所述任一第三初始类案的案件程序与所述目标案件的案件程序之间的相似度大于第三预设阈值，所述第四初始类案集中包括若干第四初始类案，对于任一第四初始类案，所述任一第四初始类案的案由与所述目标案件的案由之间的相似度大于第四预设阈值，所述第五初始类案集中包括若干第五初始类案，对于任一第五初始类案，所述任一第五初始类案的违法事实与所述目标案件的违法事实之间的相似度大于第五预设阈值，所述第六初始类案集中包括若干第六初始类案，对于任一第六初始类案，所述任一第六初始类案的证据与所述目标案件的证据之间的相似度大于第六预设阈值，所述第七初始类案集中包括若干第七初始类案，对于任一第七初始类案，所述任一第七初始类案的法律依据与所述目标案件的法律依据之间的相似度大于第七预设阈值。/n...

【技术特征摘要】
1.一种类案推荐方法，其特征在于，包括：
获取目标案件的属性特征，所述特征属性包括所述目标案件的当事人信息、行政机关信息、案件程序信息、案由信息、违法事实信息、证据信息和法律依据信息中的一种或多种；
将所述属性特征输入到神经网络模型中，获取所述目标案件对应的类案向量，所述神经网络模型以若干样本案件为训练样本、以样本案件对应的类案向量为标签进行训练得到；
根据所述目标案件对应的类案向量和案件库中每一候选案件对应的类案向量之间的距离，从所述案件库中获取所述目标案件对应的第一初始类案集、第二初始类案集、第三初始类案集、第四初始类案、第五初始类案集、第六初始类案集和第七初始类案集；
根据所述第一初始类案集、所述第二初始类案集、所述第三初始类案集、所述第四初始类案、所述第五初始类案集、所述第六初始类案集和所述第七初始类案集，获取所述目标案件的若干目标类案，以使得根据每一目标类案的判决结果，对所述目标案件进行判决；
其中，所述第一初始类案集中包括若干第一初始类案，对于任一第一初始类案，所述任一第一初始类案的当事人与所述目标案件的当事人之间的相似度大于第一预设阈值，所述第二初始类案集中包括若干第二初始类案，对于任一第二初始类案，所述第二初始类案的行政机关与所述目标案件的行政机关之间的相似度大于第二预设阈值，所述第三初始类案集中包括若干第三初始类案，对于任一第三初始类案，所述任一第三初始类案的案件程序与所述目标案件的案件程序之间的相似度大于第三预设阈值，所述第四初始类案集中包括若干第四初始类案，对于任一第四初始类案，所述任一第四初始类案的案由与所述目标案件的案由之间的相似度大于第四预设阈值，所述第五初始类案集中包括若干第五初始类案，对于任一第五初始类案，所述任一第五初始类案的违法事实与所述目标案件的违法事实之间的相似度大于第五预设阈值，所述第六初始类案集中包括若干第六初始类案，对于任一第六初始类案，所述任一第六初始类案的证据与所述目标案件的证据之间的相似度大于第六预设阈值，所述第七初始类案集中包括若干第七初始类案，对于任一第七初始类案，所述任一第七初始类案的法律依据与所述目标案件的法律依据之间的相似度大于第七预设阈值。


2.根据权利要求1所述的类案推荐方法，其特征在于，所述根据所述第一初始类案集、所述第二初始类案集、所述第三初始类案集、所述第四初始类案集、所述第五初始类案集、所述第六初始类案集和所述第七初始类案集，获取所述目标案件的若干目标类案，具体包括：
根据所述第一初始类案集的第一预设权重、所述第二初始类案集的第二预设权重、所述第三初始类案集的第三预设权重、所述第四初始类案的第四预设权重、所述第五初始类案集的第五预设权重、所述第六初始类案集的第六预设权重和所述第七初始类案集的第七预设权重，对每一初始类案进行加权平均，获取每一初始类案的相似度；
将相似度大于预设阈值的初始类案，作为所述目标案件的目标类案。


3.根据权利要求1所述的类案推荐方法，其特征在于，所述目标案件的属性特征通过如下方式获得：
对所述目标案件的进行分词处理，并通过文本嵌入技术将分词后的目标案件转换为初始向量；
对所述初始向量进行信息抽取，获取文本特征，所述文本属性特征包括当事人、行政机关、案件程序、案由、违法事实、证据和法律依据中的一种或多种；
对所述文本特征...

【专利技术属性】
技术研发人员：李伟平，乔子乐，王靖坤，张世琨，赵文，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11