基于案情事实的法条智能推荐方法及系统及装置及介质制造方法及图纸

本发明专利技术公开了基于案情事实的法条智能推荐方法及系统及装置及介质，包括：构造训练数据集；利用训练数据集训练法条推荐模型A，获得训练后的法条推荐模型B；获得输入数据，输入数据的格式为：预设案情事实‑预设案情事实对应的法条具体司法解释；将输入数据输入法条推荐模型B，法条推荐模型B输出N条推荐法条，N条推荐法条为所有与预设案情事实对应的法条中按照预设匹配度降序排列的前N的法条，预设匹配度为与预设案情事实对应的法条与预设案情事实的匹配度。本发明专利技术能够使基于案情事实的法条推荐的结果更加精准，更加高效地辅助法官判案。

【技术实现步骤摘要】
基于案情事实的法条智能推荐方法及系统及装置及介质
本专利技术涉及自然语言处理领域，具体地，涉及基于案情事实的法条智能推荐方法及系统及装置及介质。
技术介绍
目前司法领域基于案情事实的法条推荐技术主要存在着两个问题：第一是案情事实和法条的交互不充分，目前已有的系统是单独编码案情事实和法条，在编码的基础上在利用注意力机制做交互；第二是系统面临着过拟合的问题，已有的方法在训练模型时使用softmax，导致案情事实和法条之间的相似度很容易掉入过拟合陷阱，从法律判案的角度讲，案情事实与法条的确是需要精确一对一的映射，但是从自然语言的角度讲，案情事实和法条的匹配度并不是说要么完全匹配要么完全不匹配，而是具有一定的匹配度，导致目前的案情事实的法条推荐不准确。
技术实现思路
本专利技术目的是使基于案情事实的法条推荐的结果更加精准，更加高效地辅助法官判案。为实现上述目的，本专利技术提供了基于案情事实的法条智能推荐方法，所述方法包括：构造训练数据集，训练数据集中包括若干个训练数据，每个训练数据的格式为：案情事实-匹配法条具体司法本文档来自技高网...

【技术保护点】
1.基于案情事实的法条智能推荐方法，其特征在于，所述方法包括：/n构造训练数据集，训练数据集中包括若干个训练数据，每个训练数据的格式为：案情事实-匹配法条具体司法解释，案情事实-相似法条1具体司法解释，....，案情事实-相似法条K具体司法解释，K为大于1的整数；/n利用训练数据集训练法条推荐模型A，获得训练后的法条推荐模型B；/n获得输入数据，输入数据的格式为：预设案情事实-预设案情事实对应的法条具体司法解释；/n将输入数据输入法条推荐模型B，法条推荐模型B输出N条推荐法条，N条推荐法条为所有与预设案情事实对应的法条中按照预设匹配度降序排列的前N的法条，预设匹配度为与预设案情事实对应的法条与...

【技术特征摘要】
1.基于案情事实的法条智能推荐方法，其特征在于，所述方法包括：
构造训练数据集，训练数据集中包括若干个训练数据，每个训练数据的格式为：案情事实-匹配法条具体司法解释，案情事实-相似法条1具体司法解释，....，案情事实-相似法条K具体司法解释，K为大于1的整数；
利用训练数据集训练法条推荐模型A，获得训练后的法条推荐模型B；
获得输入数据，输入数据的格式为：预设案情事实-预设案情事实对应的法条具体司法解释；
将输入数据输入法条推荐模型B，法条推荐模型B输出N条推荐法条，N条推荐法条为所有与预设案情事实对应的法条中按照预设匹配度降序排列的前N的法条，预设匹配度为与预设案情事实对应的法条与预设案情事实的匹配度，N为大于或等于1的整数。


2.根据权利要求1所述的基于案情事实的法条智能推荐方法，其特征在于，本方法中构造训练数据集具体包括：
从裁判文书中抽取案情事实a和与案情事实a对应的法条b；
从法规库中抽取法条b对应的司法解释d；
基于司法解释d，生成与法条b相似度降序排列的前topK个相似法条；
构造数据e，数据e格式为：案情事实a，匹配法条具体司法解释，相似法条1具体司法解释，相似法条2具体司法解释，…相似法条K具体司法解释；
将数据e转化为训练数据f，训练数据f格式为：案情事实-匹配法条具体司法解释，案情事实-相似法条1具体司法解释，…，案情事实-相似法条K具体司法解释；其中，案情事实-匹配法条具体司法解释为匹配数据，案情事实-相似法条1具体司法解释，…，案情事实-相似法条K具体司法解释为非匹配数据。


3.根据权利要求2所述的基于案情事实的法条智能推荐方法，其特征在于，法条推荐模型包括：
输入层、BERT层、FC层和输出层；其中，输入层包括第一输入子层和第二输入子层，BERT层包括第一BERT模块和第二BERT模块，FC层包括：第一FC子层和第二FC子层；
其中，法条推荐模型训练时，第一输入子层的输入数据为训练数据中的匹配数据，第二输入子层的输入数据为训练数据中的非匹配数据；
第一输入子层的输入数据输入至第一BERT模块，第一BERT模块输出至第一FC子层，第一FC子层输出至输出层，第一FC子层输出匹配法条与案情事实的匹配度；
第二输入子层的输入数据输入至第二BERT模块，第二BERT模块输出至第二FC子层，第二FC子层输出至输出层，第二FC子层输出非匹配法条与案情事实的匹配度。


4.根据权利要求3所述的基于案情事实的法条智能推荐方法，其特征在于，第一BERT模块和第二BERT模块共享权重参数，第一FC子层和第二FC子层共享权重参数。


5.根据权利要求3所述的基于案情事实的法条智能推荐方法，其特征在于，输出层中设有tripletloss函数，tripletloss＝max(0,margin+p_neg-p_pos)，margin作为超参数调优，p_neg为非匹配法条与案情事实的匹配度，p_pos为匹配法条与案情事实的匹配度。


6.基于案情事实的法条智能推荐系统，...

【专利技术属性】
技术研发人员：翁洋，李鑫，王竹，其他发明人请求不公开姓名，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川;51