基于神经网络的案件推荐方法、系统、设备及存储介质技术方案

本发明专利技术属于人工智能技术领域，提出一种基于神经网络的案件推荐方法、系统、设备及存储介质，该方法包括：分别对预处理后的目标委案文书进行特征提取，并将提取后的特征进行融合获取融合特征；将融合特征、法官库中每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分；根据每一地区的风险等级、每一法院的风险等级、每一备选审查法官的评分和每一备选委案律师的评分，通过综合评分模型，获取目标立案地区、目标立案法院、目标审查法官和目标委案律师。本发明专利技术综合考虑地区、法院、法官和律师等各项变化因素，有效提高案件诉讼胜利概率。利概率。利概率。

【技术实现步骤摘要】
基于神经网络的案件推荐方法、系统、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于神经网络的案件推荐方法、系统、设备及存储介质。

技术介绍

[0002]随着社会进步，信息时代的到来，人们的法律意识和法律需求也随着生活质量的提高而提高，而目前借贷环境也越来越严格，各个地区对于贷后诉讼案件认可程度依然存在较大的差异，依靠人工进行案件风险管理存在诸多盲点与漏洞，极易引发个案乃至区域性诉讼系统风险，诱发舆情风险，造成监管风险转变。
[0003]目前市场上的案件分配系统有单独针对律师、法官等进行案件推荐的功能，这些系统中通常只考虑了律师和法官业务熟练情况，而借贷环境以及政策时刻在发生变化，现有案件分配系统无法充分结合借贷政策的变化而进行律师、法官的推荐选取，因此，现有案件分配系统的推荐结果往往并不是最准确的，需要对其推荐准确度进行提升和改进。

技术实现思路

[0004]本专利技术提供一种基于神经网络的案件推荐方法、系统、设备及存储介质，其主要目的在于结合最新政策变化，综合考虑地区、法院、法官和律师等各项因素，有效提高案件诉讼胜利概率。
[0005]第一方面，本专利技术实施例提供一种基于神经网络的案件推荐方法，包括：
[0006]分别对预处理后的目标委案文书词频特征、词位置特征和上下文语义特征进行提取，并将提取后的特征进行融合，获取融合特征；
[0007]将所述融合特征、法官库中表征每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分，其中，所述案件投放模型通过样本文书和样本标签进行训练得到；
[0008]根据每一地区的风险等级、每一法院的风险等级、每一备选审查法官的评分和每一备选委案律师的评分，通过综合评分模型，获取目标立案地区、目标立案法院、目标审查法官和目标委案律师，其中，所述综合评分模型通过多层注意力机制结合地区、法官和法院之间的属地特性、地区最新规则、法院预设时间段内与所述目标委案文书相似案件的判决情况来实现。
[0009]优选地，所述案件投放模型包括法官预测单元和律师预测单元，所述将所述融合特征、法官库中表征每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分，包括：
[0010]将所述融合特征和法官库中每一法官历史案件的第一表示特征输入到所述法官预测单元中，计算所述融合特征与每一法官历史案件的第一表示特征之间的相似度，获取
相似度最高的若干候选法官，并结合每一候选法官的结案时间，获取每一备选审查法官的评分；
[0011]将所述融合特征和律师库中每一律师历史案件的第二表示特征输入到所述律师预测单元中，计算所述融合特征与每一律师历史案件的第二表示特征之间的相似度，获取相似度最高的若干候选律师，并结合每一候选律师的胜诉率，获取每一备选委案律师的评分。
[0012]优选地，所述法官库中每一法官历史案件的第一表示特征，通过如下方式获得：
[0013]对于所述法官库中的任一法官，根据一审改判发回重审率、案均审理时间、法定正常审限内结案率，获取所述任一法官对每一类案件审判质量的权重；
[0014]根据每一类案件审判质量的权重，获取权重较高的若干个法官代表案件；
[0015]将所述法官代表案件的语义特征作为所述任一法官历史案件的第一表示特征。
[0016]优选地，所述一审改判发回重审率、案均审理时间、法定正常审限内结案率通过如下方式获得：
[0017]根据所述任一法官对应的第一编号，在所述法官库中进行查找，获取所述任一法官对应的一审改判发回重审率、案均审理时间、法定正常审限内结案率，其中，所述法官库中预先存储法官对应的第一编号和法官属性信息，所述法官属性信息包括一审改判发回重审率、案均审理时间、法定正常审限内结案率，所述法官属性信息从网页上爬取得到。
[0018]优选地，所述根据一审改判发回重审率、案均审理时间、法定正常审限内结案率，获取所述任一法官对每一类案件审判质量的权重，计算公式如下：
[0019][0020]其中，w
ij
表示第i个法官对第j个案由的案件审判质量的权重，θ表示所述法定正常审限内结案率，α表示所述一审改判发回重审率，β表示所述案均审理时间。
[0021]优选地，所述律师库中每一律师历史案件的第二表示特征，通过如下方式获得：
[0022]对于所述律师库中的任一律师，根据所述任一律师对应的第二编号在所述律师库进行查找得到，获取所述任一律师对应的律师费用、胜诉率和赔偿金额，其中，所述律师库中预先存储律师对应的第二编号和律师基本信息，所述律师基本信息包括律师费用、胜诉率和赔偿金额，所述律师基本信息从网页上爬取得到；
[0023]根据所述律师费用、所述胜诉率和所述赔偿金额，获取所述任一律师对每一类案件诉讼质量的权重；
[0024]根据每一类案件诉讼质量的权重，获取权重较高的若干个律师代表案件；
[0025]将所述律师代表案件的语义特征作为所述任一律师历史案件的第二表示特征。
[0026]优选地，所述根据每一地区的风险等级、每一法院的风险等级、每一备选审查法官的评分和每一备选委案律师的评分，通过综合评分模型，获取目标立案地区、目标立案法院、目标审查法官和目标委案律师，包括：
[0027]根据每一备选审查法官所在法院和地区，分别确定备选立案法院和备选立案地区；
[0028]根据所述备选立案地区对应的风险等级、所述备选立案法院对应的风险等级，确定所述备选立案地区对应的评分和所述备选立案法院对应的评分；
[0029]将所述备选立案地区对应的评分、所述备选立案法院对应的评分、每一备选审查法官的评分和每一备选委案律师的评分，输入所述综合评分模型，获取所述目标立案地区、所述目标立案法院、所述目标审查法官和所述目标委案律师。
[0030]优选地，所述分别对预处理后的目标委案文书进行词频特征、文本中词位置特征和上下文语义特征提取，包括：
[0031]对预处理后的目标委案文书进行词频
‑
逆文档特征提取，获取所述词频特征；
[0032]对预处理后的目标委案文书进行word2vec特征提取，获取所述文本中词位置特征和所述上下文语义特征。
[0033]第二方面，本专利技术实施例提供一种基于神经网络的案件投放系统，包括：
[0034]融合模块，用于分别对预处理后的目标委案文书词频特征、词位置特征和上下文语义特征进行提取，并将提取后的特征进行融合，获取融合特征；
[0035]预测模块，用于将所述融合特征、法官库中表征每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分，其中，所述案件投放模型通过样本文本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的案件推荐方法，其特征在于，包括：分别对预处理后的目标委案文书词频特征、词位置特征和上下文语义特征进行提取，并将提取后的特征进行融合，获取融合特征；将所述融合特征、法官库中表征每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分，其中，所述案件投放模型通过样本文书和样本标签进行训练得到；根据每一地区的风险等级、每一法院的风险等级、每一备选审查法官的评分和每一备选委案律师的评分，通过综合评分模型，获取目标立案地区、目标立案法院、目标审查法官和目标委案律师，其中，所述综合评分模型通过多层注意力机制结合地区、法官和法院之间的属地特性、地区最新规则、法院预设时间段内与所述目标委案文书相似案件的判决情况来实现。2.根据权利要求1所述的基于神经网络的案件推荐方法，其特征在于，所述案件投放模型包括法官预测单元和律师预测单元，所述将所述融合特征、法官库中表征每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分，包括：将所述融合特征和法官库中每一法官历史案件的第一表示特征输入到所述法官预测单元中，计算所述融合特征与每一法官历史案件的第一表示特征之间的相似度，获取相似度最高的若干候选法官，并结合每一候选法官的结案时间，获取每一备选审查法官的评分；将所述融合特征和律师库中每一律师历史案件的第二表示特征输入到所述律师预测单元中，计算所述融合特征与每一律师历史案件的第二表示特征之间的相似度，获取相似度最高的若干候选律师，并结合每一候选律师的胜诉率，获取每一备选委案律师的评分。3.根据权利要求1所述的基于神经网络的案件推荐方法，其特征在于，所述法官库中每一法官历史案件的第一表示特征，通过如下方式获得：对于所述法官库中的任一法官，根据一审改判发回重审率、案均审理时间、法定正常审限内结案率，获取所述任一法官对每一类案件审判质量的权重；根据每一类案件审判质量的权重，获取权重较高的若干个法官代表案件；将所述法官代表案件的语义特征作为所述任一法官历史案件的第一表示特征。4.根据权利要求3所述的基于神经网络的案件推荐方法，其特征在于，所述一审改判发回重审率、案均审理时间、法定正常审限内结案率通过如下方式获得：根据所述任一法官对应的第一编号，在所述法官库中进行查找，获取所述任一法官对应的一审改判发回重审率、案均审理时间、法定正常审限内结案率，其中，所述法官库中预先存储法官对应的第一编号和法官属性信息，所述法官属性信息包括一审改判发回重审率、案均审理时间、法定正常审限内结案率，所述法官属性信息从网页上爬取得到。5.根据权利要求1所述的基于神经网络的案件推荐方法，其特征在于，所述律师库中每一律师历史案件的第二表示特征，通过如下方式获得：对于所述律师库中的任一律师，根据所述任一律师对应的第二编号在所述律师库进行查找得到，获取所述任一律师对应的律师费用、胜诉...

【专利技术属性】
技术研发人员：牛继苓，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：