[发明专利]一种律师信息处理方法和系统

权利要求书

1.一种裁判文书信息的获取方法，其特征在于，所述方法包括：

获取所述裁判文书；

建立所述裁判文书的全文索引，利用所述全文索引进行检索；

对所述裁判文书分类，所述分类包括民事判决书、刑事判决书以及行政判决书；

根据所述裁判文书的类型，预设各类裁判文书所需获取的特定信息及信息抽取规则；

根据所述信息抽取规则抽取所述预设的所需获取的信息；其中，

获取裁判文书包括抽取并存储每个裁判文书的信息，所述抽取并存储所述每个裁判文书的信息包括：根据网页结构查找关联特征；加载预先保存的模板，匹配出所述每个裁判文书的信息；对同一行的信息格式化处理，得到格式化信息；去除所述格式化信息中的HTML标签，其中，如果所述信息的编码格式包含Unicode格式，则读取Unicode编码，将所述Unicode编码转换为汉字信息并存储；否则，直接存储所述格式化信息；

所述建立所述裁判文书的全文索引包括：建立文本集合，对文本进行分词，处理单元词组，利用分词结果建立索引；所述利用所述全文索引进行检索包括：解析查询语句，基于查询语句的结果和排序得到文本；

所述抽取所述预设的所需获取的信息包括：读取获取的裁判文书的文本，其中，所述裁判文书的文本为判决书文本；根据所述判决书裁判文书的类型，选择提取规则；加载所述提取规则，对所述判决书裁判文书分块；根据分块结果，对不同的分块匹配需要提取的信息；依照所述信息抽取规则抽取所述匹配的需要提取的信息；对抽取的结果进行修正，去除错误的匹配信息。

2.根据权利要求1所述的裁判文书信息的获取方法，其特征在于，所述获取所述裁判文书包括：通过网络爬虫获取裁判文书。

3.根据权利要求1所述的裁判文书信息的获取方法，其特征在于，所述获取裁判文书包括：基于初始URL从网页解析出各分类的初始URL；逐级解析每个所述各分类的初始URL，直至最后一级URL；解析所述最后一级URL，获取所述裁判文书的列表的URL；根据所述列表解析每个裁判文书的URL并存储至爬虫队列；解析所述每个裁判文书的URL，抽取并存储所述每个裁判文书的信息。

4.根据权利要求3所述的裁判文书信息的获取方法，其特征在于，所述根据所述列表解析每个裁判文书的URL并存储至爬虫队列包括：对所述每个裁判文书的URL去重。

5.根据权利要求1所述的裁判文书信息的获取方法，其特征在于，所述对所述裁判文书分类的分类算法包括：KNN、SVM、朴素贝叶斯、决策树以及词图模型。

6.根据权利要求1所述的裁判文书信息的获取方法，其特征在于，所述根据所述信息抽取规则抽取所述预设的所需获取的信息包括：基于所述信息抽取规则的信息抽取算法，所述信息抽取算法包括篇章分析、句级抽取、词级抽取和/标注。

7.根据权利要求1-6中任一所述的裁判文书信息的获取方法，其特征在于，所述根据所述裁判文书的类型，预设所需获取的信息包括：所述民事判决书中所述所需获取的信息包括：律师姓名、所在事务所、诉讼地位、诉讼结果、代理人身份、代理人数量、赔偿金额与判决金额比以及诉讼阶段；所述刑事判决书中所述所需获取的信息包括：律师姓名、所在事务所、诉讼结果、代理人身份、代理人数量、犯罪类型、辩护人类型、刑期、是否无罪辩护、是否减刑以及涉案金额；所述行政判决书中所述所需获取的信息包括：律师姓名、所在事务所、诉讼地位、诉讼结果、代理人身份、代理人数量以及涉案金额。