[发明专利]案件的预判方法、装置、电子装置和存储介质

说明书

本申请涉及一种案件的预判方法、装置、电子装置和存储介质，其中，该案件的预判方法包括：获取待预判案件的起诉文本；在起诉文本中抽取预设关键信息，并对关键信息进行数据处理，得到起诉文本对应的多条第一向量信息；利用已训练的案件预判模型处理多条第一向量信息，获得多条第一向量信息对应的第一分类标签，其中，已训练的案件预判模型被训练为用于根据起诉文本的向量信息得到与该起诉文本对应的分类标签，分类标签包括该起诉文本对应的法律事实类别及该法律事实所引用法条的引用准确率；根据第一分类标签确定案件的预判结果。通过本申请，解决了相关技术中案件预判准确率不高的问题，实现了案件的高效准确预判。

技术领域

本申请涉及辅助司法审判技术领域，特别是涉及案件的预判方法、装置、电子装置和存储介质。

背景技术

随着法律体系不断依托社会现实臻于完善，司法案件的数量也正逐步增加。而像民间借债、合同纠纷案件等案件较为简单，但数量庞大，占用了大量的司法资源，导致法院收案量高速增长，急需提高案件的处理效率。

从原告或者当事人的角度来看，其更想在案件处理前就知道知道自己的胜诉的概率有多大，而胜诉的概率的大小取绝于当事人所提交的起诉状中事实和引用法律的准确性和正确性，所以如果能够正确评估起诉状中的事实和引用法律条文，就能够对该案件的胜诉概率进行量化计算和预判，并且能够以此为基础进行修改起诉状及其中的事实和引用的法律，实现一定程度上基于法律的客观正确的胜诉概率的宏观调控。

在司法审判的过程中，判决书是由很多的事实作为依据，以引用的法律作为准绳，通过法官对当事人的主张进行判断，最后得出审判结果。但是现有的辅助司法审判系统多以文本关键词作为输入直接训练神经网络，缺乏对每一条法律事实和法律分离并判断准确性及正确性的机制，因而预判准确率不高。

目前针对相关技术中对案件预判准确率不高的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种案件的预判方法、装置、电子装置和存储介质，以至少解决相关技术中案件预判准确率不高的问题。

第一方面，本申请实施例提供了一种案件的预判方法，包括：获取待预判案件的起诉文本；在所述起诉文本中抽取预设关键信息，并对所述关键信息进行数据处理，得到所述起诉文本对应的多条第一向量信息，其中，所述预设关键信息包括对所述案件进行判决所依据的法律事实及援引法条对应的文本信息，所述数据处理包括关键信息向量化；利用已训练的案件预判模型处理多条所述第一向量信息，获得多条所述第一向量信息对应的第一分类标签，其中，所述已训练的案件预判模型被训练为用于根据起诉文本的向量信息得到与该起诉文本对应的分类标签，所述分类标签包括该起诉文本对应的法律事实类别及该法律事实所引用法条的引用准确率；根据所述第一分类标签确定所述案件的预判结果。

在其中一些实施例中，所述第一分类标签包括第一法律事实类别和第一引用准确率，根据所述第一分类标签确定所述案件的预判结果包括：在所述第一分类标签中检测每一条所述第一向量信息对应的所述第一法律事实类别和所述引用准确率；将每个所述第一法律事实类别和所对应的所述第一引用准确率进行加权累乘，得到所述案件所对应的胜诉概率，其中，所述胜诉概率用于表征所述案件基于所述第一法律事实类别所对应的法律事实及所引用的法条进行起诉获胜的预判；在多个所述胜诉概率中选取概率值最高的所述胜诉概率，并确定所述预判结果包括所述概率值最高的所述胜诉概率。

在其中一些实施例中，在所述起诉文本中抽取预设关键信息包括：通过预设分词器对所述起诉文本进行分词处理，得到多个候选文本关键段落，其中，所述预设分词器包括jieba分词器；根据预设关键词在多个所述候选文本关键段落中抽取目标文本关键段落；在所述目标文本关键段落中检测候选法律事实和候选法条对应的第一文本，并通过预设词聚类模型处理所述第一文本，得到所述预设关键信息，其中，所述预设词聚类模型包括Word2Vec模型。