[发明专利]一种司法数据的处理方法及系统

说明书

本发明提供一种司法数据的处理方法及系统，所述方法包括：获取需要预测司法数据的待办理案件的案件信息，所述司法数据包括罪名，所述案件信息包括所述待办理案件的文本信息。将文本信息作为预先建立的罪名预测模型的输入进行预测得到法条预测结果，并基于法条预测结果得到待办理案件的预测罪名，其中，所述罪名预测模型由基于样本数据和类标训练神经网络模型获得。本发明提供的司法数据处理方法，通过利用已经公开的司法文书数据预先训练神经网络模型得到罪名预测模型，将待办理案件的文本信息输入预测模型中进行预测得到对应的预测罪名，能缩短判决时间，提高判决准确性和效率。

技术领域

本发明涉及数据分析技术领域，具体涉及一种司法数据的处理方法及系统。

背景技术

随着现代社会的发展，法律是文明社会发展过程中的产物之一。法律通常是指由社会认可国家确认立法机关制定规范的行为准则，并由国家强制力保证规定当事人权利和义务为内容的，对全体社会成员具有普遍约束力的一种特殊行为规范。当社会成员之间出现纠纷时，由司法机关按照法律进行立案裁定。

在进行法律判决时，通常由人工根据案情的描述并查阅相关法律，根据法律规定做出判决。目前常见的定罪方法为要素解析，即人为事先对多个罪名逐一梳理出一套定罪要素，再为每个定罪要素总结对应的识别方法，其中常见的识别方法为正则匹配法，即当行为事实描述符合某个罪名的定罪要素，则可以判断该行为触犯了对应的罪名。但一方面由于各国法律规定的罪名有数百个，通过人工逐一梳理每个罪名的定罪要素需要较高的时间和人力成本。另一方面由于语言的多样性，对同一个定罪要素通常有多个不同的描述和表达方式，影响判决的准确性和效率。

综上所知，利用现有技术进行罪名判决存在耗时长、准确性低和效率低等问题。

发明内容

有鉴于此，本发明实施例提供一种司法数据的处理方法及系统，以解决现有人工进行罪名判决存在耗时长、准确性低和效率低等问题。

为实现上述目的，本发明实施例提供如下技术方案：

本发明实施例第一方面公开了一种司法数据的处理方法，所述方法包括：

获取需要预测司法数据的待办理案件的案件信息，所述司法数据包括罪名，所述案件信息包括所述待办理案件的文本信息；

将所述文本信息作为预先建立的罪名预测模型的输入进行预测得到法条预测结果，并基于所述法条预测结果得到所述待办理案件的预测罪名，其中，所述罪名预测模型由基于样本数据和类标训练神经网络模型获得。

可选的，所述由基于样本数据和类标训练神经网络模型获得罪名预测模型的过程包括：

将获取到的样本数据输入所述神经网络模型进行训练，得到法条预测数据和罪名预测数据，所述样本数据来自公开的司法文书；

计算所述法条预测数据与法条标准类标之间的法条预测误差、所述罪名预测数据与罪名标准类标之间的罪名预测误差；

基于当前学习率，所述法条预测误差和所述罪名预测误差训练所述神经网络模型，将训练后的所述神经网络模型作为罪名预测模型。

可选的，将所述文本信息作为预先建立的罪名预测模型的输入进行预测得到法条预测结果，并基于所述法条预测结果得到所述待办理案件的预测罪名，包括：

将所述文本信息输入所述罪名预测模型的输入层进行分词处理，得到离散词语，并将所述离散词语传输至所述罪名预测模型的词编码层；

在所述词编码层，利用预先训练的词向量模型，将所述离散词语转化为预设维数的离散词语向量，并将所述离散词语向量传输至所述罪名预测模型的双向循环神经网络层；

在所述双向循环神经网络层对所述离散词语向量进行训练，得到第一信息；