[发明专利]一种法律文书的确定方法和系统

权利要求书

1.一种法律文书的确定方法，其特征在于，包括：

对获取到的第一法律文书的文本信息进行分词处理，得到文本分词数据；

将所述文本分词数据输入预先训练得到的网络模型进行处理，得到所述第一法律文书的第一表征向量；

获取法律文书集合中的所有第二法律文书的文本信息，对每一所述第二法律文书的文本信息进行分词处理，得到第二文本分词数据；

将所述第二文本分词数据输入预先训练得到的网络模型进行处理，得到每个第二法律文书对应的第二表征向量；所述网络模型通过将TextCNN卷积网络和胶囊网络模型与神经网络模型融合得到；所述网络模型用于根据文本分词数据中的案件要素，得到表示相应法律文书所对应案情的表征向量；

基于所述第一表征向量和所述每个第二法律文书的第二表征向量，确定所述第一法律文书对应的第二法律文书；

其中，所述将所述文本分词数据输入预先训练得到的网络模型进行处理，得到所述第一法律文书的第一表征向量，所述网络模型通过将TextCNN卷积网络和胶囊网络模型与神经网络模型融合得到，包括：

将所述文本分词数据映射至词向量模型中进行词向量处理，得到的词向量，所述词向量模型为所述网络模型的输入层；

将所述词向量分别输入卷积网络和胶囊网络模型进行两路处理，并将两路所输出的维度向量进行拼接，及经过全连接层处理得到所述第一法律文书的第一表征向量；其中，所述全连接层的每个结点均与所述卷积网络和所述胶囊网络模型的各个结点相连，用于把所述卷积网络和所述胶囊网络模型两路处理得到的维度向量集合起来；获得所述第二表征向量与获得所述第一表征向量的执行原理相同。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一表征向量和所述每个第二法律文书的第二表征向量，确定所述第一法律文书对应的第二法律文书，包括：

计算所述第一表征向量和所述每个第二法律文书的第二表征向量之间的距离值，得到所述第一表征向量与每一所述第二表征向量的距离值；

依据距离与相似度的对应关系，确定所述第一法律文书对应的第二法律文书，所述距离与相似度的对应关系为距离值越小相似度越高。

3.一种法律文书的确定系统，其特征在于，包括：

第一处理单元，用于对获取到的第一法律文书的文本信息进行分词处理，得到文本分词数据；将所述文本分词数据输入预先训练得到的网络模型进行处理，得到所述第一法律文书的第一表征向量；

第二处理单元，用于获取法律文书集合中的所有第二法律文书的文本信息，对每一所述第二法律文书的文本信息进行分词处理，得到第二文本分词数据；将所述第二文本分词数据输入预先训练得到的网络模型进行处理，得到每个第二法律文书对应的第二表征向量；所述网络模型通过将TextCNN卷积网络和胶囊网络模型与神经网络模型融合得到；所述网络模型用于根据文本分词数据中的案件要素，得到表示相应法律文书所对应案情的表征向量；

确定单元，用于基于所述第一表征向量和所述每个第二法律文书的第二表征向量，确定所述第一法律文书对应的第二法律文书；

所述第一处理单元，具体用于将所述文本分词数据映射至词向量模型中进行词向量处理，得到的词向量，所述词向量模型为所述网络模型的输入层；将所述词向量分别输入卷积网络和胶囊网络模型进行两路处理，并将两路所输出的维度向量进行拼接，及经过全连接层处理得到所述第一法律文书的第一表征向量；其中，所述全连接层的每个结点均与所述卷积网络和所述胶囊网络模型的各个结点相连，用于把所述卷积网络和所述胶囊网络模型两路处理得到的维度向量集合起来；

所述第二处理单元包括：

分词单元，用于获取法律文书集合中的所有第二法律文书的文本信息，对每一所述第二法律文书的文本信息进行分词处理，得到第二文本分词数据；

表征向量处理单元，用于将所述第二文本分词数据输入预先训练得到的网络模型进行处理，得到每个第二法律文书对应的第二表征向量，所述网络模型通过将TextCNN卷积网络和胶囊网络模型与神经网络模型融合得到；获得所述第二表征向量与获得所述第一表征向量的执行原理相同。