[发明专利]基于深度学习的裁判结果获取方法和装置

说明书

本发明提供一种基于深度学习的裁判结果获取方法和装置，该方法可以包括：获取法条信息，并根据待处理案件的原始文本，获取所述待处理案件的案件信息；通过裁判模型对所述法条信息和所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以法条信息、以及至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得的。本方案提高了案件的处理效率。

技术领域

本发明涉及深度学习技术领域，尤其一种基于深度学习的裁判结果获取方法和装置。

背景技术

随着社会的发展和法律的完善，需要裁判的案件较多。

现有技术中，针对每一个需要裁判的案件，通常采用开庭审理的方式人工进行裁判。但是，人工裁判的方式将会造成案件的处理效率较低。可见，如何提高案件的处理效率是当下一个亟需解决的问题。

发明内容

本发明提供一种基于深度学习的裁判结果获取方法和装置，提高了案件的处理效率。

第一方面，本发明提供一种基于深度学习的裁判结果获取方法，包括：

获取法条信息，并根据待处理案件的原始文本，获取所述待处理案件的案件信息；

通过裁判模型对所述法条信息和所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，其中所述裁判模型是以法条信息、以及至少一个裁判文书的案件信息和裁判结果为样本，经过深度学习训练获得的。

进一步地，所述根据待处理案件的原始文本，获取所述待处理案件的案件信息之前，还包括：

识别所述原始文本中的金额信息，对所述金额信息进行整数格式的转化；

进一步地，所述根据待处理案件的原始文本，获取所述待处理案件的案件信息之前，还包括：

识别所述原始文本中的姓名信息，将所述姓名信息替换为同一姓名标识；

进一步地，所述根据待处理案件的原始文本，获取所述待处理案件的案件信息之前，还包括：

识别所述原始文本中的时间信息，将所述时间信息替换为同一时间标识。

进一步地，所述通过裁判模型对所述法条信息和所述待处理案件的案件信息进行处理，获得所述裁判模型输出的裁判结果，包括：

根据所述待处理案件的案件信息，获得相应的第一文本词向量矩阵后，对所述第一文本词向量矩阵分别进行正向解读和反向解读，获得第一正向解读结果和第一反向解读结果，将所述第一正向解读结果和所述第一反向解读结果进行拼接，对拼接获得的数据进行信息抽取，获得第一文本内容向量；

根据所述法条信息，获得相应的第一法条词向量矩阵后，对所述第一法条词向量矩阵进行信息抽取，获得第一法条内容向量；

对所述第一法条内容向量和所述第一文本内容向量进行融合，获得第一待输出向量；

从所述第一待输出向量中提取出第一裁定向量，对所述第一裁定向量进行解析，获得所述裁判结果。

进一步地，所述对所述第一法条词向量矩阵进行信息抽取，获得第一法条内容向量，包括：

通过所述裁判模型中的attention-rnn子模型对所述第一法条词向量矩阵进行处理，获得所述attention-rnn子模型输出的第二法条内容向量，所述第二法条内容向量的形状为{N，D}，其中，N为法条的数量，D为所述第一法条词向量矩阵的词向量维度；

根据所述第二法条内容向量作如下运算，以对所述第二法条内容向量进行信息抽取，获得所述第一法条内容向量：