[发明专利]一种基于深度神经网络的建设工程合同纠纷法条识别方法

说明书

本发明公开了一种基于深度神经网络的建设工程合同纠纷法条识别方法，涉及法条识别技术领域，包括S1、建立法条库，逐个读取裁判文书库中的裁判文书，采用正则表达式提取裁判依据中出现的法律条文和司法解释条文，每个裁判文书涉及到法条至少有一条，将每个裁判文书涉及到的法条放入法条库。本发明的优势在于：采用正则表达式从裁判文书中抽取法条，并表示为多热向量的形式，将长短记忆神经网络（LSTM）应用于文本的多标签多分类，从而实现了对待决案的法条识别，实现了对裁判文书中法条的自动提取，并借助长短记忆神经网络（LSTM）来识别待决案涉及到法条，从而于自动识别待决案的类案检索信息，实现高效精准的类案检索。

技术领域

本发明涉及法条识别技术领域，具体为一种基于深度神经网络的建设工程合同纠纷法条识别方法。

背景技术

目前，国内外企业或司法部门已经推出了若干法律信息智能检索工具。基于IBM的Watson系统的智能检索工具ROSS利用自然语言处理和机器学习技术可以向律师呈现最相关、最有价值的法律回答及判例；LUIMA法律检索系统包括了搜索引擎和案例数据库，以词语匹配进行案例搜索，并根据案例的相似度进行案例重排，以实现相关案例的推送；LexisNexis则采用了四层元数据进行法律案例文本的语义注解，以实现更加智能的判例检索。在国内，也出现了“法小陶”、“法狗狗”、“阿尔法法官”、“睿法官”、“类型化案件智能审判平台”等法律智能系统。

人工智能与法律的融合成为新的技术演化趋势。但是，法律服务的专业化成为社会发展的必然要求，提供高质量的法律服务不仅需要掌握法律知识和技能，还需要专业知识的支持。目前，尚缺乏针对专业领域的类案信息检索工具，面向特定领域的类案检索工具将为法律工作的智能化、专业化提供有力的技术支撑。

针对上述问题，特提出一种基于深度神经网络的建设工程合同纠纷法条识别方法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于深度神经网络的建设工程合同纠纷法条识别方法，具备高效精准的类案检索等优点，解决了不能向特定看领域进行类案检索的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于深度神经网络的建设工程合同纠纷法条识别方法，包括以下步骤：

S1、建立法条库，逐个读取裁判文书库中的裁判文书，采用正则表达式提取裁判依据中出现的法律条文和司法解释条文，每个裁判文书涉及到法条至少有一条，将每个裁判文书涉及到的法条放入法条库，去重后，对法条进行编号，法条库可以是字典的数据格式，每个法条及其编号表现为一个键值对，假设共有n个法条，则法条库可以表示为：{1:1号法条名称，2:2号法条名称，…，n:n号法条名称}；

S2、建立判例数据库，将法条名称与法条库中的键值对匹配后，得到法条编号，对法条进行多热法编码；

S3、对裁判文书中的案情进行分词，采用word2vec预训练词向量模型实现词嵌入，整个文档可以转换为一个二维张量，每个裁判文书文档的二维张量及对应的表示法条的多热编码向量构成了一条训练数据；

S4、全部裁判文书生成多个训练数据，这些训练数据构成了判例数据库，将判例数据库中的数据划分为训练集合和测试集合；

S5、训练并并测试文本分类模型，将判例数据库中训练数据集合用于训练文本分类模型，并使用测试数据集合测试文本分类模型的性能；

采用Hamming Loss指标判断文本分类模型在多标签多分类任务中的性能：

式中，y是实际张量；表示模型输出张量；m表示样本个数；n_labels表示标签数；为I(x) 指示函数，当完全等同于时，值为1，否则，值为0；