[发明专利]案件分类方法、装置、计算机设备及存储介质

说明书

本发明涉及人工智能和司法领域，公开了一种案件分类方法、装置、计算机设备及存储介质，所述方法包括：获取待预测案件数据；将所述待预测案件数据输入ERNIE‑CNN分类模型，其中，所述ERNIE‑CNN分类模型是指基于ERNIE算法对案件进行分类的模型，所述ERNIE‑CNN分类模型包括CNN层；基于所述ERNIE‑CNN分类模型，对所述待预测案件数据进行文本向量化，得到词向量矩阵；基于所述CNN层，对所述词向量矩阵进行局部特征提取，得到局部特征矩阵；基于所述ERNIE‑CNN分类模型的全连接层，对所述局部特征矩阵进行全连接和分类处理，得到所述待预测案件数据对应的分类结果，采用本发明提高对案件分类的处理效率。

技术领域

本发明涉及人工智能和司法领域，尤其涉及一种案件分类方法、装置、计算机设备及存储介质。

背景技术

目前，在法院对案件审理和判决的过程中，既需要法律相关人员的专业法律知识与技能，也有许多繁重和重复性的工作，如对案件文书的理解、相关法条与类似案件的检索工作等，这些工作会消耗大量的时间和判案人员的精力，即便让专业人员来同样如此。

由于大部分案件具有涉及领域广，违法行为多样等特点，导致对案件进行分类时容易出现漏掉类别的情况，准确率低以及审案效率低。

现在针对上述问题，主要采用的是法院立案智能辅助系统。针对案件的识别，主要通过立案法庭审理人员人工筛选后，填入案件特征栏中，在进行案件审理，造成了案件立案审理时处理的效率低。

因此，针对涉及领域广的案件，存在处理效率低的问题。

发明内容

本发明实施例提供一种案件分类方法、装置、计算机设备和存储介质，以提高对案件分类的处理效率。

为了解决上述技术问题，本申请实施例提供一种案件分类方法，包括：

获取待预测案件数据；

将所述待预测案件数据输入ERNIE-CNN分类模型，其中，所述ERNIE-CNN分类模型是指基于ERNIE算法对案件进行分类的模型，所述ERNIE-CNN分类模型包括CNN层；

基于所述ERNIE-CNN分类模型，对所述待预测案件数据进行文本向量化，得到词向量矩阵；

基于所述CNN层，对所述词向量矩阵进行局部特征提取，得到局部特征矩阵；

基于所述ERNIE-CNN分类模型的全连接层，对所述局部特征矩阵进行全连接和分类处理，得到所述待预测案件数据对应的分类结果。

为了解决上述技术问题，本申请实施例还提供一种案件分类装置，包括：

数据获取模块，用于获取待预测案件数据；

输入模块，用于将所述待预测案件数据输入ERNIE-CNN分类模型，其中，所述ERNIE-CNN分类模型是指基于ERNIE算法对案件进行分类的模型，所述ERNIE-CNN分类模型包括CNN层；

文本向量化模块，用于基于所述ERNIE-CNN分类模型，对所述待预测案件数据进行文本向量化，得到词向量矩阵；

特征提取模块，用于基于所述CNN层，对所述词向量矩阵进行局部特征提取，得到局部特征矩阵；

分类结果获取模块，用于基于所述ERNIE-CNN分类模型的全连接层，对所述局部特征矩阵进行全连接和分类处理，得到所述待预测案件数据对应的分类结果。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述案件分类方法的步骤。