申请/专利权人：成都数之联科技股份有限公司

申请日：2020-12-30

公开（公告）日：2024-03-08

公开（公告）号：CN112614024B

主分类号：G06Q50/18

分类号：G06Q50/18;G06F16/383;G06F40/194;G06F40/30;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2022.03.15#著录事项变更;2021.04.23#实质审查的生效;2021.04.06#公开

摘要：本发明公开了基于案情事实的法条智能推荐方法及系统及装置及介质，包括：构造训练数据集；利用训练数据集训练法条推荐模型A，获得训练后的法条推荐模型B；获得输入数据，输入数据的格式为：预设案情事实‑预设案情事实对应的法条具体司法解释；将输入数据输入法条推荐模型B，法条推荐模型B输出N条推荐法条，N条推荐法条为所有与预设案情事实对应的法条中按照预设匹配度降序排列的前N的法条，预设匹配度为与预设案情事实对应的法条与预设案情事实的匹配度。本发明能够使基于案情事实的法条推荐的结果更加精准，更加高效地辅助法官判案。

主权项：1.基于案情事实的法条智能推荐方法，其特征在于，所述方法包括：构造训练数据集，训练数据集中包括若干个训练数据，每个训练数据的格式为：案情事实-匹配法条具体司法解释，案情事实-相似法条1具体司法解释，....，案情事实-相似法条K具体司法解释，K为大于1的整数；利用训练数据集训练法条推荐模型A，获得训练后的法条推荐模型B；获得输入数据，输入数据的格式为：预设案情事实-预设案情事实对应的法条具体司法解释；将输入数据输入法条推荐模型B，法条推荐模型B输出N条推荐法条，N条推荐法条为所有与预设案情事实对应的法条中按照预设匹配度降序排列的前N的法条，预设匹配度为与预设案情事实对应的法条与预设案情事实的匹配度，N为大于或等于1的整数；所述构造训练数据集具体包括：从裁判文书中抽取案情事实a和与案情事实a对应的法条b；从法规库中抽取法条b对应的司法解释d；基于司法解释d，生成与法条b相似度降序排列的前topK个相似法条；构造数据e，数据e格式为：案情事实a，匹配法条具体司法解释，相似法条1具体司法解释，相似法条2具体司法解释，…相似法条K具体司法解释；将数据e转化为训练数据f，训练数据f格式为：案情事实-匹配法条具体司法解释，案情事实-相似法条1具体司法解释，…，案情事实-相似法条K具体司法解释；其中，案情事实-匹配法条具体司法解释为匹配数据，案情事实-相似法条1具体司法解释，…，案情事实-相似法条K具体司法解释为非匹配数据；法条推荐模型包括：输入层、BERT层、FC层和输出层；其中，输入层包括第一输入子层和第二输入子层，BERT层包括第一BERT模块和第二BERT模块，FC层包括：第一FC子层和第二FC子层；其中，法条推荐模型训练时，第一输入子层的输入数据为训练数据中的匹配数据，第二输入子层的输入数据为训练数据中的非匹配数据；第一输入子层的输入数据输入至第一BERT模块，第一BERT模块输出至第一FC子层，第一FC子层输出至输出层，第一FC子层输出匹配法条与案情事实的匹配度；第二输入子层的输入数据输入至第二BERT模块，第二BERT模块输出至第二FC子层，第二FC子层输出至输出层，第二FC子层输出非匹配法条与案情事实的匹配度。

全文数据：

权利要求：

百度查询： 成都数之联科技股份有限公司 基于案情事实的法条智能推荐方法及系统及装置及介质

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