【技术实现步骤摘要】
起诉意见书和审查笔录的关联展示方法、装置及存储介质
[0001]本专利技术涉及计算机中的自然语言处理
,具体涉及一种起诉意见书和审查笔录的关联展示方法。此外,本申请还涉及一种起诉意见书和审查笔录的关联展示装置,以及一种计算机可读存储00介质。
技术介绍
[0002]在检察机关侦办案件的过程中,起诉意见书是其中重要司法文书,用于为检查机关提供检察建议,而审查笔录作为最直接的证据材料能够对起诉意见书中的犯罪事实进行佐证。起诉意见书中包含许多段犯罪事实,每个犯罪事实又都包含了时间、地点和人物等属性,相应地,审查笔录中也包含着若干段犯罪事实的描述。为了佐证起诉意见书中的案情描述属实,办案人员需要根据起诉意见书中的犯罪事实去查阅审查笔录中的对应段落,为了能够辅助办案人员准确,快速,直观地获取到两种法律文书种的关联关系,提高办案效率,可以使用实体识别技术从这些文书中提取出信息,然后,再将提取出的信息按规则关联起来,并通过直观的表现样式将不同文书之间的犯罪事实之间的关联关系呈现给办案人员,帮助他们快速了解案件信息,核实司法文书的准确 ...
【技术保护点】
【技术特征摘要】
1.一种起诉意见书和审查笔录的关联展示方法,其特征在于,包括:利用实体识别规则识别并抽取出侦查机关提供的起诉意见书和多个审查笔录的若干个犯罪事实对应的实体集合,其实体识别规则为使用实体识别模块识别出起诉意见书和审查笔录中的时间、地点、人物实体;利用事实整合规则将识别到的时间、地点、人物实体排序并整合为不同的实体集合,并将得到的实体集合用于区分起诉意见书和审查笔录中描述的犯罪事实;使用事实关联规则,将起诉意见书犯罪事实和审查笔录犯罪事实进行关联匹配,得到两者犯罪事实之间的一对多、多对一、多对多的关联关系;根据犯罪事实关联树生成规则,基于起诉意见书和审查笔录犯罪事实的关联关系,生成犯罪事实关系关联树。2.根据权利要求1所述的实体识别规则,其特征在于:包括实体识别模块,利用实体识别模型,使用课题组自行研发的深度学习模型识别出起诉意见书和审查笔录中的时间、地点及人物实体。3.根据权利要求1所述的事实整合规则,其特征在于:包括事实整合模块,按自然段落将起诉意见书和审查笔录进行预拆分,通过判断预拆分后的描述是否包含时间实体确定该描述是否为犯罪事实,若包含时间实体,则将该描述包含的地点和人物实体也收录在内,构成一个犯罪事实实体集合。4.根据权利要求1所述的事实整合规则,其特征在于:还包括关联树生成模块,根据关联树生成规则,将起诉意见书的犯罪事实和审查笔录的犯罪事实的关联关系使用树形结构展示出来,其中起诉意见书的犯罪事实为父级节点,审查笔录的犯罪事实为子级节点。5.根据权利要求1所述的事实关联规则,其特征在于:包括第一类关联表达式和第二类关联表达式,所述第一类关联表达式用于实现从起诉意见书的犯罪事实到审查笔录的犯罪事实的关联展示,所述第二类关联表达式用于实现从审查笔录的犯罪事实到起诉意见书犯罪事实的关联展示,利用事实关联规则实现时间轴与司法文书之间的关联展示的步骤,包括:令第一类关联表达式为映射f1,第二类关联表达式为映射f2;将点击选取的起诉意见书中的第i犯罪事实与第一类关联表达式匹配,高亮起诉意见书中第i犯罪事实,同时关联高亮审查笔录中的第f1(i)犯罪事实;将点击选取的审查笔录的第j犯罪事实与第二类关联表达式匹配,高亮审查笔录中第j犯罪事实,同时关联高亮起诉意见书中第f2(j)犯罪事实。6.根据权利要求1所述的关联树生成规则,其特征在于:给定起诉意见书中的第i个犯罪事实,其中i=1,2
……
,n
‑
1,n;n表示起诉意见书中的犯罪事实...
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。