【技术实现步骤摘要】
本专利技术属于机器学习领域和法律领域，尤其涉及一种基于模板和判决信息的法院观点生成方法、系统及设备。
技术介绍
1、法律人工智能的发展已经进入了一个新的阶段，过去寄希望于单纯通过数据驱动构建模型的做法，已被结合领域知识+数据算法共同驱动的新阶段所替代。由此带来的是所侧重的法律领域任务也应当有所调整。自然语言处理中所偏向的司法裁判预测任务，主要是法条、罪名和量刑等。不过由于黑箱算法的不可解释性、法律的司法推理方式和机器推理方式间的差异等原因，这些任务的研发成果很难真正被司法领域的专家所接受。从可被法律领域接受的角度而言，更应当侧重考虑一些具有市场价值、易于落地的任务。
2、司法观点生成，即为一类符合新阶段的要求，且模型性能亟待提升的任务。这类模型的生成是过程性的，能够作为法律判决预测的理由，这类生成模型的内容构成对结果的一种解释。司法裁判十分强调过程性的说理，在法律文书中就表现为专门的段落，用于说明法院最终裁判所依据的理由。司法观点往往以“本院认为”，不同的司法程序环节各有所侧重。本文以刑事案件中检察机关的审查起诉为例，本院认...
【技术保护点】
1.一种基于模板和判决信息的法院观点生成方法，其特征在于，包括以下步骤：将待生成法院观点的法律事实描述和量刑说明拼接在一起，对拼接后的文本进行预处理，得到句子向量，将句子向量输入到训练好的法院观点生成模型中，输出法院观点；
2.根据权利要求1所述的一种基于模板和判决信息的法院观点生成方法，其特征在于，对拼接后的文本进行预处理时，利用训练好的Word2vec模型对拼接后的文本进行编码，将每个单词转换为对应的词嵌入，将所有词嵌入拼接在一起，得到句子向量。
3.根据权利要求1所述的一种基于模板和判决信息的法院观点生成方法，其特征在于，所述信息融合编码...
【技术特征摘要】
1.一种基于模板和判决信息的法院观点生成方法，其特征在于，包括以下步骤：将待生成法院观点的法律事实描述和量刑说明拼接在一起，对拼接后的文本进行预处理，得到句子向量，将句子向量输入到训练好的法院观点生成模型中，输出法院观点；
2.根据权利要求1所述的一种基于模板和判决信息的法院观点生成方法，其特征在于，对拼接后的文本进行预处理时，利用训练好的word2vec模型对拼接后的文本进行编码，将每个单词转换为对应的词嵌入，将所有词嵌入拼接在一起，得到句子向量。
3.根据权利要求1所述的一种基于模板和判决信息的法院观点生成方法，其特征在于，所述信息融合编码器中，具体处理流程为：将句子向量输入到分类信息编码器中，输出第一分类特征，将句子向量输入到生成信息编码器中，输出第一信息编码特征，将第一信息编码特征输入到最大池化层，得到最大信息编码特征，将最大信息编码特征和第一分类特征相加，获取融合信息特征，将融合信息特征和第一信息编码特征作为信息融合编码器的输出。
4.根据权利要求3所述的一种基于模板和判决信息的法院观点生成方法，其特征在于，在所述分类信息解码器中，具体处理流程为：将融合信息特征作为输入，先经过第一lstm记忆单元，得到第一隐藏状态并作为第一显性分类子任务对应的分类特征，将第一显性分类子任务对应的分类特征输入到第二lstm记忆单元，得到第二隐藏状态并作为第二显性分类子任务对应的分类特征，将第一显性分类子任务对应的分类特征和第二显性分类子任务对应的分类特征一起输入到第三lstm记忆单元，得到第三隐藏状态并作为隐性分类子任务对应的分类特征，将第一显性分类子任务对应的分类特征、第二显性分类子任务对应的分类特征和隐性分类子任务对应的分类特征以及量刑分析特征一起输入到第四l...
【专利技术属性】
技术研发人员：况琨，李昂，周翔，王永威，吴飞，
申请(专利权)人：上海浙江大学高等研究院，
类型：发明
国别省市：
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。