[发明专利]一种融合法条关键词的法条推荐方法

说明书

本发明提供了一种融合法条关键词的法条推荐方法，包括如下步骤：步骤1，构建一个法条关键词表；步骤2，对数据集中的案件事实描述进行处理，将处理后的案件事实描述与该案件的法条关键词进行向量表示后融合，通过神经网络模型进行二分类建模，训练生成分类模型；步骤3，对用户输入的案件事实描述进行处理；步骤4，将处理后的案件事实描述和抽取出的法条关键词进行联合编码后，输入到步骤2训练好的分类模型中，分类模型的输出即为该案件事实描述所涉及的相关法条。采用本发明方法能够提高法条推荐的效果。

技术领域

本发明涉及一种融合法条关键词的法条推荐方法。

背景技术

传统的司法审判工作，案例审判主要基于法官、律师、检察官等法律相关的人士的专业审查和辩论的结果。一方面，随着人们法律意识的提高，案件数量的井喷式增长，然而法官数量不增反减，导致法院工作量急剧增加；另一方面，有些案件错综复杂，对法官、律师的自身素养要求极高。在案件审判的过程中，法官需要仔细阅读大量的法律法规，然后结合对案件事实的考量，来确保判决的公平正义。这一过程通常需要耗费大量的时间和精力，其次，对于同一类型的案件，不同法官往往会有不一样的裁判尺度，可能导致出现误判、漏判情况的出现。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，本发明的目的是为了实现一种融合法条关键词的法条推荐方法，通过对案件事实的描述编码，自动检索以往案例，搜索相似案例，再进行接下来的处理，从而给出该案件事实涉及的相关法条，其达到的效果可以准确预测相关法条。

本发明是通过如下技术方案实现的：

步骤1：构建一个法条关键词表，所谓的法条关键词表是指对每个法条进行关键词抽取，形成法条到关键词的对应关系，类似于罪名关键词表，具体做法有基于统计特征的关键词提取(TF-IDF)；基于词图模型的关键词提取(PageRank，TextRank)；基于主题模型的关键词提取(LDA)等。

步骤2：将数据集中的150000多条数据构建成一个以往案例查找库，将词嵌入后的案件事实描述保存在一个字典中，用于相似案例查找，字典的key是一个300维的案件事实描述向量，value为相关法条；

步骤3：对用户输入的案件事实描述进行处理，根据处理后的案件事实描述从以往案例查找库中查找相似案例，将相似案例的法条根据规则进行排序，选取前k个相似案例的法条作为备选法条集，根据法条关键词表抽取出这k个法条的关键词。

步骤4：根据用户输入的案件事实描述，通过步骤3抽取出法条关键词，将处理后的案件事实描述和抽取出的法条关键词进行联合编码后，输入到一个全连接层做法条分类，全连接层的输出即为该案件事实描述所涉及的相关法条。

所述步骤1中，构建法条关键词表主要是采用TF-IDF(term frequency-inversedocument frequency，词频-逆词频)方法从刑法分则中抽取每条法律里面的法条关键词，该关键词即为法条所涵盖的内容，例如刑法第一百三十三条之一【危险驾驶罪】的关键词表为，追逐竞驶、醉驾、超速、运输危险品等词。步骤1包括：通过TF-IDF(词频-逆向文件频率)方法抽取出每个法条所包含的关键词。

步骤1中，采用如下公式抽取出每个法条所包含的关键词：

TF_i，j-IDF_i＝TF_i，j·IDF_i