一种法律裁判文书的案由分类方法和终端技术

本申请属于人工智能技术领域，尤其涉及一种法律裁判文书的案由分类方法和终端，其中，所述案由分类方法包括：获取用户输入的法律裁判文书；利用预先构建的正则表达式对所述法律裁判文书进行文本分段，得到所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本；将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，并根据所述预设案由分类模型输出的所述法律裁判文书的案由类别得到所述法律裁判文书的目标案由类别；实现了对法律裁判文书的案由进行自动分类，提高了法律裁判文书案由分类的效率和准确性。

【技术实现步骤摘要】
一种法律裁判文书的案由分类方法和终端
本申请属于人工智能
，尤其涉及一种法律裁判文书的案由分类方法和终端。
技术介绍
对法律裁判文书进行案由分类是法院的常规任务，通常需要由法官和陪审团根据积累的经验和学习的专业知识进行案由分类，而没有法律基础的普通民众想要了解某个法律裁判文书的案由类别，通常是比较困难的，即便是专业的法律从业人员，也需要一定的时间才能确定案件的案由类别，案由类别的复杂性也导致熟悉所有类型的案由的专业人员比较少。因此，需要提供一种对法律裁判文书的案由分类方法，实现对法律裁判文书的案由进行自动分类。专利技术本申请实施例提供一种法律裁判文书的案由分类方法和终端，可以实现对法律裁判文书的案由进行自动分类，提高法律裁判文书的案由分类准确性。本申请实施例第一方面提供一种法律裁判文书的案由分类方法，包括：获取用户输入的法律裁判文书；利用预先构建的正则表达式对所述法律裁判文书进行文本分段，得到所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本；将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，并根据所述预设案由分类模型输出的所述法律裁判文书的案由类别得到所述法律裁判文书的目标案由类别；其中，所述预设案由分类模型为第一案由分类模型、第二案由分类模型、第三案由分类模型、第四案由分类模型中的一个案由分类模型；所述第一案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的诉请文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第二案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的辩称文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第三案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的事实文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第四案由分类模型为利用法律裁判文书样本数据的法院认为文本样本对文本分类模型进行有监督学习得到的案由分类模型。本申请实施例第二方面提供的一种法律裁判文书的案由分类装置，包括：获取单元，用于获取用户输入的法律裁判文书；分段单元，用于利用预先构建的正则表达式对所述法律裁判文书进行文本分段，得到所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本；分类单元，用于将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，并根据所述预设案由分类模型输出的所述法律裁判文书的案由类别得到所述法律裁判文书的目标案由类别；其中，所述预设案由分类模型为第一案由分类模型、第二案由分类模型、第三案由分类模型、第四案由分类模型中的一个案由分类模型；所述第一案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的诉请文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第二案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的辩称文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第三案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的事实文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第四案由分类模型为利用法律裁判文书样本数据的法院认为文本样本对文本分类模型进行有监督学习得到的案由分类模型。本申请实施例第三方面提供一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本申请实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现方法的步骤。本申请实施例中，通过对获取的法律裁判文书进行文本分段，剔除法律裁判文书中涉及的与案由分类无关的内容，得到所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本，再将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，得到所述法律裁判文书的目标案由类别，实现了对法律裁判文书的案由进行自动分类，提高了法律裁判文书案由分类的效率。另外，相比于直接将法律裁判文书输入案由分类模型得到法律裁判文书的目标案由类别来说，本申请还可以有效避免与案由分类无关的内容对案由分类造成的干扰，提高了法律裁判文书案由分类的准确性。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1是本申请实施例提供的一种法律裁判文书的案由分类方法的实现流程示意图；图2是本申请实施例提供的一种法律裁判文书的案由分类方法步骤102的具体实现流程示意图；图3是本申请实施例提供的一种法律裁判文书的案由分类方法步骤103的第一具体实现流程示意图；图4是本申请实施例提供的一种法律裁判文书的案由分类方法步骤103的第二具体实现流程示意图；图5是本申请实施例提供的文本分类模型Text-CNN的结构示意图；图6是本申请实施例提供的法律裁判文书的案由分类装置的结构示意图；图7是本申请实施例提供的终端的结构示意图。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，此处所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。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。法律裁判文书是记载人民法院审理诉讼活动过程和结果的凭证，记载了原被告、律师、庭审法院、原告诉讼请求、被告答辩、法院判决结果和案件受理费等信息。近几年，我国最高人民法院为贯彻落实审判公开原则，设立了中国裁判文书网，规定除涉及国家秘密、个人隐私的、未成年人违法犯罪的、以调解方式结案的和其他不宜在互联网公布的裁判文书外，其余一律在网络上公布。在将法律裁判文书进行公布前，一般需要根据该法律裁判文书的案由类别对其进行分类，以便法律裁判文书的查看。然而，目前的法律裁判文书的案由类别需要由法官和陪审团根据积累的经验和学习的专业知识进行人工标记，存在案由分类准确性低，且分类效率低的问题。基于此，本申请实施例提供一种法律裁判文书的案由分类方法和终端，可以实现对法律裁判文书的案由进行自动分类，提高法律裁判文书的案由分类准确性，以及案由分类的效本文档来自技高网...

【技术保护点】
1.一种法律裁判文书的案由分类方法，其特征在于，包括：/n获取用户输入的法律裁判文书；/n利用预先构建的正则表达式对所述法律裁判文书进行文本分段，得到所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本；/n将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，并根据所述预设案由分类模型输出的所述法律裁判文书的案由类别得到所述法律裁判文书的目标案由类别；其中，所述预设案由分类模型为第一案由分类模型、第二案由分类模型、第三案由分类模型、第四案由分类模型中的一个案由分类模型；所述第一案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的诉请文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第二案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的辩称文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第三案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的事实文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第四案由分类模型为利用法律裁判文书样本数据的法院认为文本样本对文本分类模型进行有监督学习得到的案由分类模型。/n...

【技术特征摘要】
1.一种法律裁判文书的案由分类方法，其特征在于，包括：
获取用户输入的法律裁判文书；
利用预先构建的正则表达式对所述法律裁判文书进行文本分段，得到所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本；
将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个或多个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，并根据所述预设案由分类模型输出的所述法律裁判文书的案由类别得到所述法律裁判文书的目标案由类别；其中，所述预设案由分类模型为第一案由分类模型、第二案由分类模型、第三案由分类模型、第四案由分类模型中的一个案由分类模型；所述第一案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的诉请文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第二案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的辩称文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第三案由分类模型为利用预先标记有案由类别的法律裁判文书样本数据的事实文本样本对文本分类模型进行有监督学习得到的案由分类模型；所述第四案由分类模型为利用法律裁判文书样本数据的法院认为文本样本对文本分类模型进行有监督学习得到的案由分类模型。


2.如权利要求1所述的案由分类方法，其特征在于，所述将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的一个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，并根据所述预设案由分类模型输出的所述法律裁判文书的案由类别得到所述法律裁判文书的目标案由类别，包括：
计算所述法律裁判文书的诉请文本、辩称文本、事实文本和法院认为文本中各个文本的文本内容数据量，得到文本内容数据量最大的第一目标文本；
将所述第一目标文本输入与所述第一目标文本对应的预设案由分类模型，得到所述第一目标文本对应的预设案由分类模型输出的所述法律裁判文书的案由类别，并将所述第一目标文本对应的预设案由分类模型输出的所述法律裁判文书的案由类别作为所述法律裁判文书的目标案由类别。


3.如权利要求1所述的案由分类方法，其特征在于，所述将所述法律裁判文书的诉请文本、辩称文本、事实文本、法院认为文本中的多个文本输入与所述一个或多个文本的各个文本分别对应的预设案由分类模型，并根据所述预设案由分类模型输出的所述法律裁判文书的案由类别得到所述法律裁判文书的目标案由类别，包括：
将所述法律裁判文书的诉请文本、辩称文本、事实文本和法院认为文本分别输入第一案由分类模型、第二案由分类模型、第三案由分类模型和第四案由分类模型，得到所述第一案由分类模型、第二案由分类模型、第三案由分类模型和第四案由分类模型输出的第一案由类别、第二案由类别、第三案由类别和第四案由类别；
计算所述第一案由类别、第二案由类别、第三案由类别和第四案由类别中相同案由类别的数量在所述第一案由类别、第二案由类别、第三案由类别和第四案由类别中的占比，并判断所述第一案由类别、第二案由类别、第三案由类别和第四案由类别中是否存在占比最大的案由类别；
若所述第一案由类别、第二案由类别、第三案由类别和第四案由类别中存在占比最大的案由类别，则将所述第一案由类别、第二案由类别、第三案由类别和第四案由类别中占比最大的案由类别作为所述法律裁判文书的目标案由类别。


4.如权利要求3所述的案由分类方法，其特征在于，在所述判断所述第一案由类别、第二案由类别、第三案由类别和第四案由类别中是否存在占比最大的案由类别之后，包括：
若所述第一案由类别、第二案由类别、第三案由类别和第四案由类别中不存在占比最大的案由类别，则接收用户对所述第一案由类别、第二案由类别、第三案由类别和第四案由类别的选择操作，将所述选择操作对应的案由类别作为所述法律裁判文书的目标案由类别。


5.如权利要求1所述的案由分类方法，其特征在于，所述利用预先构建的正则表达式对所述...

【专利技术属性】
技术研发人员：尹留松，
申请(专利权)人：平安直通咨询有限公司上海分公司，
类型：发明
国别省市：上海;31