法律文书的判决结果预测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及数据处理技术领域，是关于一种法律文书的判决结果预测方法、装置及存储介质，方法包括：获取海量法律判决实例的法律判决文书；对每个法律判决文书进行法律要素提取和法律要素之间的关系确定，以得到从原告诉求类型、判决理由到判决结果的判决事件链和要素关系；根据每个法律判决文书对应的判决事件链和要素关系，以法律判决实例为中心构建法律判决文书的知识图谱；接收输入的法律事实，其中，所述法律事实包括法律诉求；利用所述知识图谱和法律检索模型，预测并输出所述法律事实对应的法律判决结果。通过该技术方案，省略复杂冗余的要素对齐映射到推理函数的复杂冗余工作，并且在文书检索上基于优异的特征表答取得不错的效果。错的效果。错的效果。

【技术实现步骤摘要】
法律文书的判决结果预测方法、装置及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种法律文书的判决结果预测方法、装置及存储介质。

技术介绍

[0002]近年来，大数据与人工智能算法日益得到各个行业和领域的高度重视和推进。包括我国在内的许多国家均将人工智能上升到国家战略高度。在司法领域方面，受益于大数据技术的推动，我国各级司法机构进入了以提供智慧司法服务为核心的“智慧法院”建设时期。
[0003]然而，目前智慧司法研究领域中针对具体任务提出的方法仍对其实际应用有根本性阻碍。其一是现阶段主流方法大多基于机器学习、神经网络等模型，模型具有的黑盒缺陷导致研究过程和结果普遍缺乏可解释性，大大降低了模型的可信度和可用性。其二是依赖于大规模数据训练的模型普遍缺乏推理机制，机器智能泛指该智能体能够像人类一样学习、感知、理解和工作，其中理解人类认知这一特征是实现智能的必要条件之一，知识推理是人类认知的重要手段，当今大多数基于统计模型的方法无法利用知识推理得出结果，即模型不具备推理机制。
[0004]司法判决推理是法院审理案件获得判决的方法，也是证明司法判决正当性的重要手段，因而，它既是一种法律思维方法，又是法官解决问题的一种实践理性或实践推理过程。理论上讲，司法判决应该是司法推理的逻辑结果。在法治社会中任何一个案件的判决，法官都应该提供一定的理由或根据，而司法推理能够为司法判决提供正当性证明，因为法律推理的首要作用在于为结论提供正当性理由，同时，一个逻辑严密的司法推理本身就形成了强有力的理由或根据。r/>[0005]现有的推理逻辑主要存在以下缺陷：
[0006]1)有的应用逻辑一般有大量的法律要素需要对齐到标准类别，例如离婚判决中的孩子抚养权判决
‘
孩子小于2岁
’
需要对齐到“孩子|年龄|小于2岁”等大量的原因需要对齐，如果条件缺失则不能推理，这对知识体系构建和批量推理并不是一个容易的事情。
[0007]2)通常现有的推理模式为构建判决函数，基本上基于规则的推理，并不具备大数据的多样性、容错率和预警功能。
[0008]3)现有的要素抽取解析模型对大批量的数据依赖性过大，没有可靠的鲁棒性和小样本学习能力。

技术实现思路

[0009]为克服相关技术中存在的问题，本专利技术提供一种法律文书的判决结果预测方法、装置及存储介质，从而降低获取数据的人工成本，提高领域适配性，更好地适配细粒度的应用场景。
[0010]根据本专利技术实施例的第一方面，提供一种法律文书的判决结果预测方法，所述方
法包括：
[0011]获取海量法律判决实例的法律判决文书；
[0012]对每个法律判决文书进行法律要素提取和法律要素之间的关系确定，以得到从原告诉求类型、判决理由到判决结果的判决事件链和要素关系，其中，所述法律要素包括原告诉求类型、判决理由和判决结果，所述要素关系包括因果关系和对应关系；
[0013]根据每个法律判决文书对应的判决事件链和要素关系，以法律判决实例为中心构建法律判决文书的知识图谱，其中，所述知识图谱自上而下依次包括：根节点、案由类别、诉求类别、法律判决实例、判决理由和判决结果，所述知识图谱中还包括要素关系的标注；
[0014]接收输入的法律事实，其中，所述法律事实包括法律诉求；
[0015]利用所述知识图谱和法律检索模型，预测并输出所述法律事实对应的法律判决结果。
[0016]在一个实施例中，优选地，对每个法律判决文书进行法律要素提取和法律要素之间的关系确定，包括：
[0017]使用要素类别分类模型对所述每个法律判决文书进行法律要素识别，以得到要素类别分类识别结果；
[0018]将所述要素类别分类识别结果和所述法律判决文书的特征进行拼接，并加入案由类别信息输入至阅读理解模型，以使阅读理解模型根据所述要素类别分类识别结果确定法律要素的内容和位置，输出从原告诉求类型、判决理由到判决结果的判决事件链和要素关系。
[0019]在一个实施例中，优选地，所述方法还包括：
[0020]以Milvus为特征存储器，根据所述知识图谱自上向下的层级构建索引集合，并利用transformer法律编码模型编码得到法律判决文书特征，文书向量特征，判决事件链，事件链向量，并与法律判决文书ID进行对应存储。
[0021]在一个实施例中，优选地，利用所述知识图谱和法律检索模型，预测并输出所述法律事实对应的法律判决结果，包括：
[0022]对所述法律事实进行意图解析，以确定所述法律事实对应的目标案由类别和目标诉求类别；
[0023]根据所述目标案由类别和目标诉求类别在所述知识图谱中进行检索，以确定对应的至少一个法律判决实例；
[0024]利用transformer法律编码模型对所述法律事实和对应的至少一个法律判决实例的判决理由进行特征编码，得到对应的法律事实特征向量和法律判决实例的判决理由特征向量；
[0025]计算法律事实特征向量和法律判决实例的判决理由特征向量的相似度，并根据相似度确定所述法律事实对应的法律判决结果。
[0026]在一个实施例中，优选地，所述方法还包括：
[0027]接收输入的对目标法律事实的检索命令；
[0028]根据所述检索命令，利用transformer法律编码模型对所述目标法律事实进行特征编码，得到编码后的特征；
[0029]将所述编码后的特征与存储的所述法律判决文书特征和判决事件链进行相似度
匹配，以检索到所述目标法律事实对应的判决文书。
[0030]在一个实施例中，优选地，所述方法还包括：
[0031]接收输入的相似文书检索命令；
[0032]根据所述相似文书检索命令，确定当前法律文书对应的判决事件链；
[0033]利用transformer法律编码模型对当前法律文书的判决事件链进行特征编码，得到编码后的事件链特征；
[0034]将所述编码后的事件链特征与存储的所述法律判决文书特征和判决事件链进行相似度匹配，以检索到与当前法律文书相似的法律判决文书。
[0035]在一个实施例中，优选地，所述方法还包括：
[0036]根据海量法律判决实例的法律判决文书对transformer模型进行学习训练，以得到所述transformer法律编码模型。
[0037]根据本专利技术实施例的第二方面，提供一种法律文书的判决结果预测装置，所述装置包括：
[0038]获取模块，用于获取海量法律判决实例的法律判决文书；
[0039]第一确定模块，用于对每个法律判决文书进行法律要素提取和法律要素之间的关系确定，以得到从原告诉求类型、判决理由到判决结果的判决事件链和要素关系，其中，所述法律要素包括原告诉求类型、判决理由和判决结果，所述要素关系包括因果关系和对应关系；
[0040]构建模块，用于根据每个法律判决文书对应的判决事件链和要素关系，以法律判决实例为中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种法律文书的判决结果预测方法，其特征在于，所述方法包括：获取海量法律判决实例的法律判决文书；对每个法律判决文书进行法律要素提取和法律要素之间的关系确定，以得到从原告诉求类型、判决理由到判决结果的判决事件链和要素关系，其中，所述法律要素包括原告诉求类型、判决理由和判决结果，所述要素关系包括因果关系和对应关系；根据每个法律判决文书对应的判决事件链和要素关系，以法律判决实例为中心构建法律判决文书的知识图谱，其中，所述知识图谱自上而下依次包括：根节点、案由类别、诉求类别、法律判决实例、判决理由和判决结果，所述知识图谱中还包括要素关系的标注；接收输入的法律事实，其中，所述法律事实包括法律诉求；利用所述知识图谱和法律检索模型，预测并输出所述法律事实对应的法律判决结果。2.根据权利要求1所述的方法，其特征在于，对每个法律判决文书进行法律要素提取和法律要素之间的关系确定，包括：使用要素类别分类模型对所述每个法律判决文书进行法律要素识别，以得到要素类别分类识别结果；将所述要素类别分类识别结果和所述法律判决文书的特征进行拼接，并加入案由类别信息输入至阅读理解模型，以使阅读理解模型根据所述要素类别分类识别结果确定法律要素的内容和位置，输出从原告诉求类型、判决理由到判决结果的判决事件链和要素关系。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：以Milvus为特征存储器，根据所述知识图谱自上向下的层级构建索引集合，并利用transformer法律编码模型编码得到法律判决文书特征，文书向量特征，判决事件链，事件链向量，并与法律判决文书ID进行对应存储。4.根据权利要求1所述的方法，其特征在于，利用所述知识图谱和法律检索模型，预测并输出所述法律事实对应的法律判决结果，包括：对所述法律事实进行意图解析，以确定所述法律事实对应的目标案由类别和目标诉求类别；根据所述目标案由类别和目标诉求类别在所述知识图谱中进行检索，以确定对应的至少一个法律判决实例；利用transformer法律编码模型对所述法律事实和对应的至少一个法律判决实例的判决理由进行特征编码，得到对应的法律事实特征向量和法律判决实例的判决理由特征向量；计算法律事实特征向量和法律判决实例的判决理由特征向量的相似度，并根据相似度确定所述法律事实对应的法律判决结果。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：接收输入的对目标法律事实的检索命令；根据所述检索命令，利用transformer法律编码模型对所述目标法律事实进行特征编码，得到编码后的特征；将所述编码后的特征与存储的所述法律判决文书特征和判决事件链进行相似度匹配，以检索到所述目标法律事...

【专利技术属性】
技术研发人员：范连瑞，杜向阳，
申请(专利权)人：深圳擎盾信息科技有限公司，
类型：发明
国别省市：