[发明专利]一种司法数据处理方法及系统

说明书

本发明公开了一种司法数据处理方法及系统。获取需要预测刑期的代办理案件的案件文本信息，基于对案件信息的文本信息进行分词处理，得到文本分词数据，然后将文本分词数据输入至预先训练得到的网络模型进行处理，得到法律文书对应的刑期预测结果。经由上述过程是实现对刑期的预测，通过网络模型处理由法律文书分词的到的文本分词数据，得到法律文书对应的预测的刑期，从而帮助法务人员快速确定待办理案件的预测刑期。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种司法数据处理方法及系统。

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。

现有技术中，对于触犯法律的人，都是通过法官以及陪审团阅读法律文本和案件的司法文书，然后提出自己关于判决的意见，最后由法官综合陪审团的意见进行判决，并决定刑期的长短。

但是，当某个嫌疑人同时触犯多条法律时，会增加工作量，法官以及陪审团可能会出现疏漏，并且效率低下，进而导致判决不准确。

发明内容

有鉴于此，本发明实施例提供一种司法数据处理方法及系统，以解决现有进行刑期判决存在耗时长、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：

本发明第一方面公开了一种司法数据处理方法，包括：

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

对所述文本信息进行分词处理，得到文本分词数据；

将所述文本分词数据输入预先训练得到的网络模型进行处理，获取对应所述待办理案件的刑期预测结果，所述网络模型通过将循环注意力网络RAM Net和胶囊网络模型与神经网络模型融合得到。

优选的，所述网络模型通过以下方式融合得到，包括：

获取已公开的司法文书作为训练文本，对所述训练文本进行词向量训练，得到词向量模型，所述训练文本包括案件信息以及已经做出判决的刑期；

将所述词向量模型作为所述神经网络模型的输入层，将所述胶囊网络作为所述神经网络模型的第二层，将所述RAM Net网络作为所述神经网络模型的第三层，构建所述神经网络模型；

基于所述训练文本对所述神经网络模型进行训练，将迭代次数达到预设迭代次数或者训练轮次达到指定次数的神经网络模型作为网络模型。

优选的，将所述文本分词数据输入预先训练得到的网络模型进行处理，获取对应所述待办理案件的刑期预测结果，包括：

将所述文本分词数据映射至词向量模型中进行词向量处理，得到词向量，所述词向量模型为所述网络模型的输入层，所述词向量包括用于表征刑期的刑期特征向量；

将所述词向量依次输入胶囊网络模型和RAM Net网络进行处理，得到刑期向量；

基于所述网络模型的全连接层将所述刑期向量连接至预先建立的刑期类标，获取所述刑期向量中对应刑期类标的刑期回归结果，将所述刑期回归结果作为预测的司法数据。

优选的，所述将所述词向量依次输入胶囊网络模型和RAM Net网络进行处理，得到刑期向量，包括：

将经过双向循环神经网络层进行训练的所述词向量，输入胶囊网络模型进行处理，得到第一维度数量的第一向量；