[发明专利]一种司法文书的案由提取方法及装置

说明书

本发明公开了一种司法文书的案由提取方法及装置，涉及计算机技术领域，主要目的在于按照语序对案由关键词进行匹配提取司法文书中可能存在的案由，避免了因为语序问题导致的错误提取。本发明主要的技术方案为：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，该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；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。本发明主要用于司法文书处理。

技术领域

本发明涉及计算机技术领域，尤其涉及一种司法文书的案由提取方法及装置。

背景技术

案由，是人民法院对诉讼案件所涉及的法律关系的性质进行概括后形成的案件名称。目前，国内的司法案件主要类型包含民事、刑事、行政等类型案件，其中，民事及刑事案件由于国家已经颁布对应的法典，明确定义了其案由条目，因此，民事及刑事案件审理过程对应的司法文书中，相关案件的案由信息必须是对应民法，刑法中已经定义的案由条目，因此对民事、刑事案件司法文书的案由信息可以通过有限的精确匹配方式来得到准确的信息。但是，行政类型的案件，由于其涉及的范围较广泛（如知识产权案件、行政纠纷案件，政府信息公开，环保行为，城市、土地管理等均属于行政案件的范畴），因此，目前并没有类似民事，刑事这样的行政领域的法典来定义行政案由信息。

目前对于行政类型案件的相关司法文书的案由信息提取仍然依靠人工进行统计，或者是基于分词过后的案件关键词来计算匹配度。但是，对于依靠人工提取案由信息，需要投入大量的司法专业人员的人力及时间，而这是一个以人力穷举的过程，并且根据不同人对司法解释的不同理解，其案由信息提取的标准也存在较大的差异，同时人为误差也是人工提取过程中所无法避免。而对于基于分词过后的案件关键词计算匹配度，主要是通过对案件的相关司法文书进行分词并与行政案件关键词进行相似度计算来匹配出相关的案件案由信息，然而这种信息提取的方式将使分词过后的案件关键词将丢失原有句子中的语序信息，导致案由信息不能正确概括表达案件的内容，例如，“张三打李四”这个句子，分词结果很可能是“张三”、“打”、“李四”三个词，如果基于分词结果来匹配案由，则“张三打李四”及“李四打张三”这两个句子都将被匹配，而这两个句子的信息所表达的意思则是完全不同的。此外，现有的案由信息提取方式中一般只对应提取一条匹配度最高的案由，而对于行政类型的案件中往往会同时存在多个案由，这是现有提取方式所无法提取的。

发明内容

有鉴于此，本发明提供一种司法文书的案由提取方法及装置，主要目的在于按照语序对案由关键词进行匹配提取司法文书中可能存在的案由，避免了因为语序问题导致的错误提取。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供了一种司法文书的案由提取方法，该方法包括：

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。

另一方面，本发明还提供了一种司法文书的案由提取装置，该装置包括：

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；