[发明专利]基于神经网络的案件推荐方法、系统、设备及存储介质

说明书

本发明属于人工智能技术领域，提出一种基于神经网络的案件推荐方法、系统、设备及存储介质，该方法包括：分别对预处理后的目标委案文书进行特征提取，并将提取后的特征进行融合获取融合特征；将融合特征、法官库中每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分；根据每一地区的风险等级、每一法院的风险等级、每一备选审查法官的评分和每一备选委案律师的评分，通过综合评分模型，获取目标立案地区、目标立案法院、目标审查法官和目标委案律师。本发明综合考虑地区、法院、法官和律师等各项变化因素，有效提高案件诉讼胜利概率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于神经网络的案件推荐方法、系统、设备及存储介质。

背景技术

随着社会进步，信息时代的到来，人们的法律意识和法律需求也随着生活质量的提高而提高，而目前借贷环境也越来越严格，各个地区对于贷后诉讼案件认可程度依然存在较大的差异，依靠人工进行案件风险管理存在诸多盲点与漏洞，极易引发个案乃至区域性诉讼系统风险，诱发舆情风险，造成监管风险转变。

目前市场上的案件分配系统有单独针对律师、法官等进行案件推荐的功能，这些系统中通常只考虑了律师和法官业务熟练情况，而借贷环境以及政策时刻在发生变化，现有案件分配系统无法充分结合借贷政策的变化而进行律师、法官的推荐选取，因此，现有案件分配系统的推荐结果往往并不是最准确的，需要对其推荐准确度进行提升和改进。

发明内容

本发明提供一种基于神经网络的案件推荐方法、系统、设备及存储介质，其主要目的在于结合最新政策变化，综合考虑地区、法院、法官和律师等各项因素，有效提高案件诉讼胜利概率。

第一方面，本发明实施例提供一种基于神经网络的案件推荐方法，包括：

分别对预处理后的目标委案文书词频特征、词位置特征和上下文语义特征进行提取，并将提取后的特征进行融合，获取融合特征；

将所述融合特征、法官库中表征每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分，其中，所述案件投放模型通过样本文书和样本标签进行训练得到；

根据每一地区的风险等级、每一法院的风险等级、每一备选审查法官的评分和每一备选委案律师的评分，通过综合评分模型，获取目标立案地区、目标立案法院、目标审查法官和目标委案律师，其中，所述综合评分模型通过多层注意力机制结合地区、法官和法院之间的属地特性、地区最新规则、法院预设时间段内与所述目标委案文书相似案件的判决情况来实现。

优选地，所述案件投放模型包括法官预测单元和律师预测单元，所述将所述融合特征、法官库中表征每一法官历史案件的第一表示特征和律师库中每一律师历史案件的第二表示特征输入到案件投放模型中，获取每一备选审查法官的评分和每一备选委案律师的评分，包括：

将所述融合特征和法官库中每一法官历史案件的第一表示特征输入到所述法官预测单元中，计算所述融合特征与每一法官历史案件的第一表示特征之间的相似度，获取相似度最高的若干候选法官，并结合每一候选法官的结案时间，获取每一备选审查法官的评分；

将所述融合特征和律师库中每一律师历史案件的第二表示特征输入到所述律师预测单元中，计算所述融合特征与每一律师历史案件的第二表示特征之间的相似度，获取相似度最高的若干候选律师，并结合每一候选律师的胜诉率，获取每一备选委案律师的评分。

优选地，所述法官库中每一法官历史案件的第一表示特征，通过如下方式获得：

对于所述法官库中的任一法官，根据一审改判发回重审率、案均审理时间、法定正常审限内结案率，获取所述任一法官对每一类案件审判质量的权重；

根据每一类案件审判质量的权重，获取权重较高的若干个法官代表案件；