【技术实现步骤摘要】
案件推荐方法、装置、设备以及存储介质
本申请实施例涉及计算机技术中的知识图谱技术,尤其涉及一种案件推荐方法、装置、设备以及存储介质。
技术介绍
在案件处理过程中,相似案件对案件的快速正确处理具有重要的意义。目前,用户在需要获取当前案件的相似案件时,可通过终端设备向服务器发送推荐请求。服务器在接收到推荐请求后,根据推荐请求获取当前案件的相似案件,并向终端设备发送当前案件的相似案件以完成相似案件的推荐。其中,服务器可通过匹配案件属性的方式获取当前案件的相似案件,案件属性比如可为案件发生的地点、时间、案由,由于案件属性比较宽泛,通过匹配案件属性的方式获取到的案件中可能包括大量与当前案件不相关的案件。服务器还可通过匹配案件的文本内容的方式获取案件的推荐案件,由于相同的词语可能会出现在完全不相关的案件中,因此该方法也存在获取到的案件中可能包括大量与当前案件不相关的案件的问题。也就是说,目前推荐相似案件的准确度不高。
技术实现思路
本申请实施例提供了一种案件推荐方法、装置、设备以及存储介质,提高了案件推荐的准确度。根据第一方面,提供了一种案件推荐方法,包括:接收来自终端设备的案件推荐请求,所述案件推荐请求用于请求获取第一案件的推荐案件;获取第一案件的多个语义要素,所述语义要素为描述案件构成的要素;根据所述第一案件与历史案件针对各所述语义要素的相似度,以及各所述语义要素的权重,从所述历史案件中获取所述第一案件的推荐案件,所述语义要素的权重与所述第一案件的类型相关;向所述终端设备发送所述推荐案件。 ...
【技术保护点】
1.一种案件推荐方法,其特征在于,包括:/n接收来自终端设备的案件推荐请求,所述案件推荐请求用于请求获取第一案件的推荐案件;/n获取第一案件的多个语义要素,所述语义要素为描述案件构成的要素;/n根据所述第一案件与历史案件针对各所述语义要素的相似度,以及各所述语义要素的权重,从所述历史案件中获取所述第一案件的推荐案件,所述语义要素的权重与所述第一案件的类型相关;/n向所述终端设备发送所述推荐案件。/n
【技术特征摘要】
1.一种案件推荐方法,其特征在于,包括:
接收来自终端设备的案件推荐请求,所述案件推荐请求用于请求获取第一案件的推荐案件;
获取第一案件的多个语义要素,所述语义要素为描述案件构成的要素;
根据所述第一案件与历史案件针对各所述语义要素的相似度,以及各所述语义要素的权重,从所述历史案件中获取所述第一案件的推荐案件,所述语义要素的权重与所述第一案件的类型相关;
向所述终端设备发送所述推荐案件。
2.根据权利要求1所述的方法,其特征在于,各所述语义要素的权重是基于多个第一训练样本得到的,所述多个第一训练样本对应的多个第一训练案件的类型均与所述第一案件的类型相同;
每个第一训练样本包括一个第一训练案件的所述多类语义要素和该第一训练案件所涉及的法条。
3.根据权利要求2所述的方法,其特征在于,在从所述历史案件中获取所述第一案件的推荐案件之前,还包括:
获取所述类型的所述多个第一训练案件的所述多类语义要素,得到所述多个第一训练样本;
获取各所述语义要素的预选权重;
采用机器学习算法,基于所述多个第一训练样本,调整所述预选权重,得到各所述语义要素的权重。
4.根据权利要求1~3任一项所述的方法,其特征在于,所述第一案件的所述语义要素包括至少一个第一语义标签,所述历史案件的所述语义要素包括至少一个第二语义标签,在从所述历史案件中获取所述第一案件的推荐案件之前,还包括:
根据所述至少一个第一语义标签和所述至少一个第二语义标签,获取所述第一案件与所述历史案件针对所述语义要素的相似度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述至少一个第一语义标签和所述至少一个第二语义标签,获取所述第一案件与所述历史案件针对所述语义要素的相似度,包括:
确定所述第一语义标签的数量为第一数量;
确定所述第二语义标签的数量为第二数量;
确定所述第一数量的第一语义标签和所述第二数量的第二语义标签中存在第三数量的相同语义标签;
根据所述第一数量、所述第二数量和所述第三数量,获取所述第一案件与所述历史案件针对所述语义要素的相似度。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一数量、所述第二数量和所述第三数量,获取所述第一案件与所述历史案件针对所述语义要素的相似度,包括:
获取所述第三数量和所述第一数量的第一比值;
获取所述第三数量和所述第二数量的第二比值;
确定所述第一比值和所述第二比值的乘积为所述第一案件与所述历史案件针对所述语义要素的相似度。
7.根据权利要求5所述的方法,其特征在于,所述语义要素所包括的语义标签为第一预设语义标签集合中的语义标签。
8.根据权利要求4所述的方法,其特征在于,在从所述历史案件中获取所述第一案件的推荐案件之前,还包括:
根据所述至少一个第一语义标签和所述至少一个第二语义标签之间的语义相似度,得到所述第一相似度。
9.根据权利要求1~3任一项所述的方法,其特征在于,所述案件推荐请求包括所述第一案件的描述信息,所述获取第一案件的多个语义要素,包括:
根据所述第一案件的描述信息和第一机器学习模型,获取所述第一案件的多个语义要素;
其中,所述第一机器学习模型是基于多个第二训练样本得到的,每个第二训练样本包括第二训练案件的描述信息以及所述第二训练案件包括的所述多个语义要素。
10.根据权利要求1~3任一项所述的方法,其特征在于,所述根据所述第一案件与历史案件针对各所述语义要素的相似度,以及各所述语义要素的权重,从所述历史案件中获取所述第一案件的推荐案件,包括:
根据所述第一案件与历史案件针对各所述语义要素的相似度,以及各所述语义要素的权重,计算相似度总分;
基于相似度总分,从所述历史案件中获取所述第一案件的推荐案件。
11.根据权利要求1所述的方法,其特征在于,所述多个语义要素可包括如下中的至少两个语义要素:原告诉求要素、案件详情要素、案件基本结论要素。
12.一种案件推荐装置,其特征在于,包括:
收发模块,用于接收来自终端设备的案件推荐请求,所述案件推荐请求用于请求获取第一案件的推荐案件;...
【专利技术属性】
技术研发人员:杨天行,彭彬,杨晨,张一麟,宋勋超,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。