[发明专利]一种基于马尔可夫逻辑网络的案件裁判结果预测方法

权利要求书

1.一种基于马尔可夫逻辑网络的案件裁判结果预测方法，包括以下步骤：

步骤一：建立案件裁判案例库：获取已有的裁判文书，进行存储，从而形成案例库；

步骤二：建立一阶逻辑规则库：法律专家定义不同类型的案例中的事实要素变量和结果要素变量以及它们之间的一阶逻辑关系，形成一阶逻辑规则库；其中定义所述每个事实要素变量为案件事实陈述部分的关键因素的模式，以及可能的取值范围；所述每个结果要素变量为审判结果部分的关键因素的模式，以及可能的取值范围；在一个判决书中，所述事实要素变量与结果要素变量，体现为一个预设的具体数值，即分别为事实要素变量的值和结果要素变量的值；

步骤三：建立证据文件；基于案件裁判案例库和一阶逻辑规则库，抽取每个裁判文书中的事实要素变量值和结果要素变量值，并将抽取出的所有的事实要素变量的值和结果要素变量的值定义为事实要素变量的值和结果要素变量的值，形成证据文件，并保存在数据库中；

步骤四：基于所述一阶逻辑规则库和所述证据文件，建立马尔科夫逻辑网络并学习其中的规则权重；

步骤五：输入待预测的案件文本，所述待预测的案件文本包括事实要素变量；抽取出待预测的案件文本中的所有事实要素变量的值，并将抽取出的所有事实要素变量的值生成测试文件；

步骤六：将所述测试文件带入到在步骤四中得到的马尔可夫逻辑网络中进行推理，进而生成裁判预测结果，并展示给用户。

2.根据权利要求1所述的一种基于马尔可夫逻辑网络的案件裁判结果预测方法，其特征在于：所述步骤一中的裁判文书的获取方法为网络抓取、现有的文本案例库。

3.根据权利要求1所述的一种基于马尔可夫逻辑网络的案件裁判结果预测方法，其特征在于：所述步骤二建立一阶逻辑规则库的具体过程为：将每个类型的案例可能涉及到的事实要素与结果要素定义为变量；所述每个事实要素与每个结果要素的不同状态定义为不同的取值；案列中的谓词为表示变量的属性；因此生成的每个类型的案例规则即为包含事实要素变量、结果要素变量和谓词的一阶逻辑。

4.根据权利要求1所述的一种基于马尔可夫逻辑网络的案件裁判结果预测方法，其特征在于：所述步骤三中抽取事实要素的值与结果要素的值的具体过程包括以下步骤：

S31：裁判文书预处理：识别已经获得的裁判文书的文本信息；识别的手段包含但不限于自然语言处理的基本手段；所述基本手段包括识别分词、命名实体识别、词性分析和人名替换；

S32：事实要素和结果要素抽取：抽取与步骤二中的事实要素变量和结果要素变量的相关模式；所述抽取的方法为采用基于关键词的抽取方式，或者采用基于语义表达的抽取方式。

5.根据权利要求1所述的一种基于马尔可夫逻辑网络的案件裁判结果预测方法，其特征在于：步骤四中的学习其中的规则权重方法的学习方法为判别权重学习方法或者生成权重学习方法。

6.根据权利要求1所述的一种基于马尔可夫逻辑网络的案件裁判结果预测方法，其特征在于：所述步骤五中还包括将抽取出的待预测案件文本中包含的事实要素变量的值和结果要素变量的值，保存在数据库中，生成测试文件。

7.根据权利要求1所述的一种基于马尔可夫逻辑网络的案件裁判结果预测方法，其特征在于：所述裁判预测结果为待预测的案件文本的各个结果变量的不同取值的概率。