[发明专利]一种司法数据处理方法及系统

说明书

本发明公开了一种司法数据处理方法及系统，该司法数据处理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，然后对文本信息进行分词处理，得到文书分词数据，再将文书分词数据经过预先训练好的网络模型进行处理，获取对应待办理案件的罪名和法条预测结果。基于预先训练好的网络模型对文书分词数据处理，输出待办理案件对应的罪名和法条，从而帮助法务人员进行案件罪名和法条的预测。

技术领域

本发明涉及数据处理技术领域，具体为一种辅助定罪和法条推荐方法及系统。

背景技术

随着现代社会的发展，法律是文明社会发展过程中的产物之一。法律通常是指由社会认可国家确认立法机关制定规范的行为准则，并由国家强制力保证规定当事人权利和义务为内容的，对全体社会成员具有普遍约束力的一种特殊行为规范。当社会成员之间出现纠纷时，由司法机关按照法律进行立案裁定。

在立案进行裁定的过程中，由法务人员基于具体事件所对应的法条做出最终的裁定。在现有技术中，都是通过法官和律师阅读理解法律文本与案件分析，完成对被判人员进行定罪以及寻找本案涉及的相关法条以及被告人的刑期长短等。

但是，当一个案件涉及到的多条法律时，法务人员在处理本案件时，工作量大，效率低下。

发明内容

有鉴于此，本发明实施例提供了一种辅助定罪和法条推荐的方法及系统，以融合卷积网络和胶囊网络方式建立模型，通过模型的预测，以达到辅助定罪和法条推荐的目的。

为实现上述目的，本发明提供如下技术方案：

本发明第一方面公开了一种司法数据处理方法，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和法条，所述案件信息包括所述待办理案件的文本信息；

对所述文本信息进行分词处理，得到文书分词数据；

将所述文本分词数据经过预先训练好的网络模型进行处理，获取对应所述待办理案件的罪名和法条预测结果，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。

优选的，所述网络模型通过以下方式融合得到，包括：

获取已公开的司法文书作为训练文本，对所述训练文本进行词向量训练，得到词向量模型，所述训练文本包括案件信息以及已经作出判定的罪名和法条；

将所述词向量模型作为神经网络模型的输入层，将所述TextCNN卷积网络和所述胶囊网络并列作为所述神经网络模型的第二层，构建所述神经网络模型；

基于所述训练文本对所述神经网络模型进行训练，将迭代次数达到预设迭代次数或者训练轮次达到指定次数的神经网络模型作为网络模型。

优选的，将所述文本分词数据经过预先训练好的网络模型进行处理，获取对应所述待办理案件的罪名和法条预测结果，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，得到词向量，所述词向量模型为所述网络模型的输入层，所述词向量包括用于表征罪名的罪名特征向量和用于表征法条的法条特征向量；

将所述词向量分别输入TextCNN卷积网络和胶囊网络模型进行处理，集合所述TextCNN卷积网络和胶囊网络模型的输出向量，得到集合向量；

基于所述网络模型的全连接层将所述集合向量连接至预先建立的罪名类标和法条类标，获取所述集合向量中对应罪名类标的罪名回归结果和对应法条类标的法条回归结果，将所述罪名和所述法条回归结果作为预测的司法数据。

优选的，所述将所述词向量分别输入TextCNN卷积网络和胶囊网络模型进行处理，集合所述TextCNN卷积网络和胶囊网络模型的输出向量，得到集合向量，包括：