[发明专利]一种司法文书的案由提取方法及装置

权利要求书

1.一种司法文书的案由提取方法，其特征在于，所述方法包括：

利用司法文书样本中的案由信息获取案由关键词样本集合，所述案由关键词样本集合中为不同类型的司法文书样本中的案由关键词样本；

根据所述案由关键词样本对批量司法文书进行分词，得到所述批量司法文书的案由关键词词库，所述案由关键词词库中包含有案由关键词以及对应的总词频；

按语序提取目标司法文书中的案由关键词，所述目标司法文书为所述批量司法文书中的一篇司法文书；

根据相邻案由关键词的共现频率与所述总词频确定所述目标司法文书中的案由，包括：按照语序统计案由关键词与其前一个案由关键词的共现频率；计算所述共现频率与所述案由关键词的总词频的比值，得到由所述案由关键词与其前一个案由关键词组成的词组的概率值；当所述词组的概率值大于阈值时，将所述词组确定为案由词组；按照语序组合连续的案由词组得到一条所述目标司法文书中的案由。

2.根据权利要求1所述的方法，其特征在于，利用司法文书样本中的案由信息获取案由关键词样本集合包括：

获取所述司法文书样本中的案由描述信息段落；

对所述案由描述信息段落进行分词，得到所述案由关键词样本。

3.根据权利要求1所述的方法，其特征在于，根据所述案由关键词样本对批量司法文书进行分词，得到所述批量司法文书的案由关键词词库包括：

对所述批量司法文书中的案由描述信息段落进行分词；

根据所述案由关键词样本筛选批量司法文书中的案由关键词，生成案由关键词词库；

统计所述案由关键词词库中各案由关键词在所述批量司法文书中的总词频。

4.根据权利要求1所述的方法，其特征在于，在根据相邻案由关键词的共现频率与所述总词频确定所述目标司法文书中的案由之后，所述方法还包括：

根据预置案由提取规则筛选所确定的目标司法文书中的案由。

5.一种司法文书的案由提取装置，其特征在于，所述装置包括：

获取单元，用于利用司法文书样本中的案由信息获取案由关键词样本集合，所述案由关键词样本集合中为不同类型的司法文书样本中的案由关键词样本；

分词单元，用于根据所述获取单元获取的案由关键词样本对批量司法文书进行分词，得到所述批量司法文书的案由关键词词库，所述案由关键词词库中包含有案由关键词以及对应的总词频；

提取单元，用于按语序提取目标司法文书中的案由关键词，所述目标司法文书为所述批量司法文书中的一篇司法文书；

确定单元，用于根据所述提取单元提取的相邻案由关键词的共现频率与所述分词单元统计的总词频确定所述目标司法文书中的案由；

所述确定单元包括：

统计模块，用于按照语序统计案由关键词与其前一个案由关键词的共现频率；计算模块，用于计算所述统计模块统计的共现频率与所述案由关键词的总词频的比值，得到由所述案由关键词与其前一个案由关键词组成的词组的概率值；判断模块，用于判断当所述词组的概率值大于阈值时，将所述词组确定为案由词组；确定模块，用于按照语序组合连续的案由词组得到一条所述目标司法文书中的案由。

6.根据权利要求5所述的装置，其特征在于，所述获取单元包括：

获取模块，用于获取所述司法文书样本中的案由描述信息段落；

分词模块，用于对所述获取模块获取的案由描述信息段落进行分词，得到所述案由关键词样本。

7.根据权利要求5所述的装置，其特征在于，所述分词单元包括：

分词模块，用于对所述批量司法文书中的案由描述信息段落进行分词；

筛选模块，用于根据所述案由关键词样本筛选批量司法文书中的案由关键词，生成案由关键词词库；

统计模块，用于统计所述筛选模块筛选出的案由关键词词库中各案由关键词在所述批量司法文书中的总词频。