[发明专利]一种司法数据的处理方法及系统

权利要求书

1.一种司法数据的处理方法，其特征在于，所述方法包括：

获取需要预测司法数据的待办理案件的案件信息，所述司法数据包括罪名，所述案件信息包括所述待办理案件的文本信息；

将所述文本信息作为预先建立的罪名预测模型的输入进行预测得到法条预测结果，并基于所述法条预测结果得到所述待办理案件的预测罪名，其中，所述罪名预测模型由基于样本数据和类标训练神经网络模型获得。

2.根据权利要求1所述的方法，其特征在于，所述由基于样本数据和类标训练神经网络模型获得罪名预测模型的过程包括：

将获取到的样本数据输入所述神经网络模型进行训练，得到法条预测数据和罪名预测数据，所述样本数据来自公开的司法文书；

计算所述法条预测数据与法条标准类标之间的法条预测误差、所述罪名预测数据与罪名标准类标之间的罪名预测误差；

基于当前学习率，所述法条预测误差和所述罪名预测误差训练所述神经网络模型，将训练后的所述神经网络模型作为罪名预测模型。

3.根据权利要求1或2所述的方法，其特征在于，将所述文本信息作为预先建立的罪名预测模型的输入进行预测得到法条预测结果，并基于所述法条预测结果得到所述待办理案件的预测罪名，包括：

将所述文本信息输入所述罪名预测模型的输入层进行分词处理，得到离散词语，并将所述离散词语传输至所述罪名预测模型的词编码层；

在所述词编码层，利用预先训练的词向量模型，将所述离散词语转化为预设维数的离散词语向量，并将所述离散词语向量传输至所述罪名预测模型的双向循环神经网络层；

在所述双向循环神经网络层对所述离散词语向量进行训练，得到第一信息；

合并所述第一信息和所述离散词语向量，得到第二信息，将所述第二信息传输至所述罪名预测模型的卷积神经网络层；

在所述卷积神经网络层，提取所述第二信息的局部特征，得到二维向量的第一特征信息，将所述第一特征信息传输至所述罪名预测模型的全局特征层；

在所述全局特征层对所述第一特征信息进行处理，得到一维向量的第二特征信息；

获取所述第二特征信息中包含的法条特征数据和罪名特征数据，基于所述法条特征数据和罪名特征数据，确定所述待办理案件的预测罪名。

4.根据权利要求3所述的方法，其特征在于，基于所述法条特征数据和罪名特征数据，确定所述待办理案件的预测罪名，包括：

抽取所述法条特征数据的部分特征数据；

合并所述部分特征数据与所述罪名特征数据，得到所述待办理案件的预测罪名。

5.一种司法数据的处理系统，其特征在于，所述系统包括：

获取单元，用于获取需要预测司法数据的待办理案件的案件信息，所述司法数据包括罪名，所述案件信息包括所述待办理案件的文本信息；

预测单元，用于将所述文本信息作为预先建立的罪名预测模型的输入进行预测得到法条预测结果，并基于所述法条预测结果得到所述待办理案件的预测罪名，其中，所述罪名预测模型由基于样本数据和类标训练神经网络模型获得。

6.根据权利要求5所述的系统，其特征在于，所述预测单元包括：

训练模块，用于将获取到的样本数据输入所述神经网络模型进行训练，得到法条预测数据和罪名预测数据，所述样本数据来自公开的司法文书；

计算模块，用于计算所述法条预测数据与法条标准类标之间的法条预测误差、所述罪名预测数据与罪名标准类标之间的罪名预测误差；

建立模块，用于基于当前学习率，所述法条预测误差和所述罪名预测误差训练所述神经网络模型，将训练后的所述神经网络模型作为罪名预测模型。