[发明专利]一种司法数据处理方法及系统

权利要求书

1.一种司法数据处理方法，其特征在于，包括：

获取需要预测司法数据的待办理案件的案件信息，所述司法数据包括刑期，所述案件信息包括所述待办理案件的文本信息；

对所述文本信息进行分词处理，得到文本分词数据；

将所述文本分词数据映射至词向量模型中进行词向量处理，得到词向量，所述词向量模型为网络模型的输入层，所述词向量包括用于表征刑期的刑期特征向量；

将所述词向量依次输入胶囊网络模型和循环注意力网络RAM Net进行处理，得到刑期向量；

基于所述网络模型的全连接层将所述刑期向量连接至预先建立的刑期类标，获取所述刑期向量中对应刑期类标的刑期回归结果，将所述刑期回归结果作为预测的司法数据，所述网络模型通过将循环注意力网络RAM Net和胶囊网络模型与神经网络模型融合得到，所述全连接层的每一个结点都与所述循环注意力网络RAM Net和所述胶囊网络模型的所有结点相连，用于将网络模型中胶囊网络输出的向量转换后输入循环注意力网络RAM Net；

所述网络模型通过以下方式融合得到，包括：

获取已公开的司法文书作为训练文本，对所述训练文本进行词向量训练，得到词向量模型，所述训练文本包括案件信息以及已经做出判决的刑期；

将所述词向量模型作为所述神经网络模型的输入层，将所述胶囊网络作为所述神经网络模型的第二层，将所述循环注意力网络RAM Net作为所述神经网络模型的第三层，构建所述神经网络模型；

基于所述训练文本对所述神经网络模型进行训练，将迭代次数达到预设迭代次数或者训练轮次达到指定次数的神经网络模型作为网络模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述词向量依次输入胶囊网络模型和循环注意力网络RAM Net进行处理，得到刑期向量，包括：

将经过双向循环神经网络层进行训练的所述词向量，输入胶囊网络模型进行处理，得到第一维度数量的第一向量；

将经过全连接层映射的第一向量输入循环注意力网络RAM Net进行处理，得到第二维度数量的第二向量，并将所述第二向量作为刑期向量。

3.一种司法数据处理系统，其特征在于，包括：

获取单元，用于获取需要预测司法数据的待办理案件的案件信息，所述司法数据包括刑期，所述案件信息包括所述待办理案件的文本信息；

分词单元，用于所述文本信息进行分词处理，得到文本分词数据；

预测单元，用于将所述文本分词数据输入预先训练得到的网络模型进行处理，获取对应所述待办理案件的刑期预测结果，所述网络模型通过将循环注意力网络RAM Net和胶囊网络模型与神经网络模型融合得到；

所述预测单元包括：

词向量处理模块，用于将所述文本分词数据映射至词向量模型中进行词向量处理，得到的词向量，所述词向量模型为所述网络模型的输入层，所述词向量包括用于表征刑期的刑期表征向量；

处理模块，用于将所述词向量依次输入胶囊网络模型和循环注意力网络RAM Net进行处理，得到刑期向量，所述词向量包括用于表征刑期的刑期特征向量；

输出模块，用于基于所述网络模型的全连接层将所述刑期向量连接至预先建立的刑期类标，获取所述刑期向量中对应刑期类标的刑期回归结果，将所述刑期回归结果作为预测的司法数据，所述全连接层的每一个结点都与所述循环注意力网络RAM Net和所述胶囊网络模型的所有结点相连，用于将网络模型中胶囊网络输出的向量转换后输入循环注意力网络RAM Net；

所述系统还包括：训练单元；所述训练单元包括：

词向量训练模块，用于获取已公开的司法文书作为训练文本，对所述训练文本进行词向量训练，得到词向量模型，所述训练文本包括案件信息以及已经做出判决的刑期；

融合模块，用于将所述词向量模型作为所述神经网络模型的输入层，将所述胶囊网络作为所述神经网络模型的第二层，将所述循环注意力网络RAM Net作为所述神经网络模型的第三层，构建所述神经网络模型；

训练模块，用于基于所述训练文本对所述神经网络模型进行训练，将迭代次数达到预设迭代次数或者训练轮次达到指定次数的神经网络模型作为网络模型。