[发明专利]基于大数据挖掘相似裁判文书的方法和设备

权利要求书

1.一种用于第一设备端基于大数据挖掘相似裁判文书的方法，其中，所述方法包括：

获取海量已公开的裁判文书，并获取每一所述裁判文书的案由；

基于每一所述裁判文书的文本内容获取关于所述裁判文书案情的文本主题特征信息和关于所述裁判文书中当事人争议内容和当事人诉求内容的若干关键词相关信息，并基于所述文本主题特征信息和若干所述关键词相关信息建立所述裁判文书的文本特征向量；该过程具体包括：从裁判文书获取文本主题特征信息和词语主题特征；基于词语主题特征和文本主题特征信息，确定关键词相关信息；基于关键词相关信息，获取扩展词相关信息；基于关键词相关信息和扩展词相关信息，建立词袋特征信息；基于文本主题特征信息和词袋特征信息，确定所述裁判文书的文本特征向量；

基于若干所述关键词相关信息更新关于关键词的特征词库；以所述关键词为索引，对每一所述关键词的词语主题特征和扩展词建立所述关于关键词的特征词库。

2.根据权利要求1所述的方法，其中，所述方法还包括：

将所述裁判文书进行结构化处理，得到结构化后的文本结构化信息；

基于所述文本结构化信息获取所述裁判文书的裁判相关信息，所述裁判相关信息包括当事人信息、案件类型、案由和判决结果。

3.根据权利要求1所述的方法，其中，所述方法还包括：

将所有所述裁判文书的文本特征向量、所述特征词库及裁判相关信息发送至第二设备的检索数据库中。

4.根据权利要求1至3任一项所述的方法，其中，所述基于每一所述裁判文书的文本内容获取关于所述裁判文书案情的文本主题特征信息和关于所述裁判文书中当事争议内容和当事人诉求内容的若干关键词相关信息，并基于所述文本主题特征信息和若干所述关键词相关信息建立所述裁判文书的文本特征向量包括：

提取所述裁判文书的文本主题特征信息和所述裁判文书中各个词语的词语主题特征；

获取各个所述词语间的上下文关系，基于所述上下文关系修正各个词语的词语主题特征，并基于所修正后的各个所述词语的词语主题特征和所述文本主题特征信息的匹配程度，确定若干所述裁判文书的关键词相关信息，其中，所述关键词相关信息包括关键词、关键词重要度信息及关键词对应的词语主题特征；

基于所述关键词相关信息，更新所述裁判文书的文本主题特征信息；

基于所述关键词相关信息获取扩展词相关信息，所述扩展词相关信息包括所述关键词的扩展词和扩展词相关度，并基于所述关键词相关信息和所述扩展词相关信息建立词袋特征信息，并基于所更新的文本主题特征信息和所述词袋特征信息，确定所述裁判文书的文本特征向量。

5.根据权利要求4所述的方法，其中，所述获取各个所述词语间的上下文关系，基于所述上下文关系修正各个词语的词语主题特征，并基于所修正后的各个所述词语的词语主题特征和所述文本主题特征信息的匹配程度，确定若干所述裁判文书的关键词相关信息，其中，所述关键词相关信息包括关键词、关键词重要度信息及关键词对应的词语主题特征包括：

获取各个所述词语间的上下文词语共现关系；

获取任意两个所述词语间的上下文转移概率；

基于所述上下文词语共现关系和所述上下文转移概率，修正各个词语的词语主题特征；

基于所修正后的各个所述词语的词语主题特征和所述文本主题特征信息的匹配程度，确定若干所述裁判文书的关键词及其对应的词语主题特征，并获取所述关键词的重要度信息。

6.根据权利要求4所述的方法，其中，所述基于所述关键词相关信息获取扩展词相关信息，所述扩展词相关信息包括所述关键词的扩展词和扩展词相关度，并基于所述关键词相关信息和所述扩展词相关信息建立词袋特征信息包括：

基于所述关键词及其对应的词语主题特征，确定所述关键词的扩展词和扩展词相关度，其中，所述扩展词包括所述关键词的同义词和在所述裁判文书中高度相关的相关词语；

基于所述关键词及其对应的词语主题特征和所述扩展词及扩展词相关度，利用词袋模型，建立词袋特征信息。