申请/专利权人：湖南大学

申请日：2023-09-14

公开（公告）日：2023-12-12

公开（公告）号：CN117216240A

主分类号：G06F16/338

分类号：G06F16/338;G06F16/33;G06F16/215;G06F16/23;G06N3/0455;G06N3/048;G06N3/0985;G06Q50/18

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明公开了一种基于检索增强的法律意见自动生成方法，包括法律意见数据集构建步骤、法律条款检索步骤、案情事实拆分步骤、案情事实编码步骤以及法律意见自动生成步骤。法律意见数据集构建是收集法律意见数据和法律条款数据并进行清洗，法律条款检索步骤是检索出与案情事实相关的法律条款，案情事实拆分步骤是将案情事实拆分成片段以便模型处理，案情事实编码步骤是将拆分的案情事实逐个进行编码并得到案情事实表示，法律意见自动生成步骤是根据案情事实表示生成法律意见。本发明可以在有限的硬件资源下，处理复杂的案情事实，通过与检索器的结合能够有效的提升生成的法律意见的流畅度和逻辑性并且能够灵活地应对法律条款的更新。

主权项：1.一种基于检索增强的法律意见自动生成方法，其特征在于，包括以下步骤：步骤一、构建法律条款检索器，所述法律条款检索器包括案情事实编码器Encoderfact和法律条款编码器Encoderlaw；步骤二、构建法律条款知识库和法律意见数据集所述法律意见数据集包括法律意见中的时间信息和法律条款信息；步骤三、通过法律条款知识库和法律意见数据集训练案情事实编码器Encoderfact和法律条款编码器Encoderlaw得到训练好的法律条款检索器；步骤四、训练法律意见生成模型：将需要生成法律意见的案情事实输入法律意见生成模型，法律意见生成模型首先按照中文句末标点符号来划分得到n个句子，然后将n个句子平均划分为s个片段；再在每个片段前拼接t个token，然后使用BERT预训练模型对片段进行编码，在处理第一个片段时，使用t个“[MASK]”来初始化拼接部分，之后的片段均采用前一个片段的拼接部分即t个token对应的表示来初始化，最终，取最后一个拼接片段中的拼接部分对应的表示作为案情事实的表示；再将获取到的案情事实表示投影到大型语言模型LLaMA的词嵌入空间中并将获取到的案情事实输入到LLaMA之中从而生成法律意见；根据LLaMA生成的法律意见计算法律意见生成器的训练损失并使得收敛之后即得到训练好的法律意见生成模型；步骤五、生成法律意见：将待处理的案情事实输入训练好的法律条款检索器来检索出与待处理的案情事实相关的法律条款，然后将检索出的法律条款和待处理的案情事实输入到训练好的法律意见生成模型之中得到最终的法律意见。

全文数据：

权利要求：

百度查询： 湖南大学 一种基于检索增强的法律意见自动生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD