[发明专利]法律案件深度推理方法

说明书

本发明涉及一种法律案件深度推理方法，包括以下步骤：一种法律案件深度推理方法，包括以下步骤：S1.接收用户选择的纠纷类型、诉讼请求和口语化案情描述；S2.根据所述纠纷类型和诉讼请求构建知识图谱；S3.基于所述知识图谱对所述口语化案情描述进行处理以获取解析结果；S4.根据所述解析结果基于所述知识图谱进行诉讼请求的支持率推理并输出推理结果。本发明通过深度推理的方式进行诉讼请求的支持率预测，以及给出相应的支持理由，能够以可视化推理过程的方式展示给用户，相较于目前的结果报告，更智能更直观。

技术领域

本发明属于法律服务技术领域，尤其涉及一种法律案件深度推理方法。

背景技术

现如今，随着深度学习的火热以及算法算力的提升，人工智能正在逐步渗透到各行各业，甚至在部分领域已经超过了人类水平，法律行业也不例外。2013年中国裁判文书网上大量法律数据的公开，使得法律智能化成为可能。

就目前来看，AI在法律领域主要有两方面应用：一是律师工具，通过对裁判文书的信息抽取以及各类模板的应用，将办案流程部分自动化，提升律师办案效率，如类案搜索、自动化合同分析，诉讼文书生成等；另一方面主要针对消费者，通过知识库以及律师画像的建立，自动回复消费者的简单提问，并帮助消费者更快找到合适的律师。但在更复杂的场景如案件结果分析上，目前只有简单的案件咨询系统，基于多轮问答的形式收集信息并匹配模板生成报告。

目前针对民事案件的咨询系统一般包括以下几步：

1)用户基于自身情况选择纠纷类型和诉讼请求，纠纷类型和诉讼请求一般从裁判文书中归纳总结出来。

2)针对选择的纠纷类型和诉讼请求，系统从问答库中提取出相应的问题进行提问，一般每个纠纷类型和诉讼请求有一批对应的问题，由人工梳理总结。

3)用户回答所有问题后，根据模板给出咨询报告。咨询报告一般采用填空的方式给出，将用户的回答填入到对应的位置即可。咨询报告通常还会包括类似案例和相关法条，可基于关键词搜索和人工整理给出。

上述系统，存在以下缺点：

1.用户只能通过回答问题提供信息，不支持口语化的问题描述，自由度不高。用户需要自己将自身情况与问题答案进行匹配，有些问题因为涉及到专业的法律知识，用户并不能很好的理解并选择。

2.问题和答案是预先设置好的，不能根据用户的回答进行调整，并且问题数量很多，导致用户完成咨询的比例很低。

3.问题库由人工进行整理，需要大量法律专业人员参与，并没有利用到机器学习的学习能力，也没有人工智能的体现。

4.最终报告根据回答结果基于模板整合生成，报告结果相对固定，缺少智能推理的成分。

发明内容

本发明的目的是针对上述问题，提供一种能够基于用户口语化描述给出诉讼请求支持率推理结果的法律案件深度推理方法；

为达到上述目的，本发明采用了下列技术方案：

本发明的法律案件深度推理方法，包括以下步骤：

一种法律案件深度推理方法，包括以下步骤：

S1.接收用户选择的纠纷类型、诉讼请求和口语化案情描述；

S2.根据所述纠纷类型和诉讼请求构建知识图谱；

S3.基于所述知识图谱对所述口语化案情描述进行处理以获取解析结果；

S4.根据所述解析结果基于所述知识图谱进行诉讼请求的支持率推理并输出推理结果。

在上述的法律案件深度推理方法中，每种纠纷类型的知识图谱结构均包括事件节点、情形节点、法条节点、诉讼请求节点和纠纷类型节点。