[发明专利]案件分类方法及装置

权利要求书

1.一种案件分类方法，其特征在于，包括：

获取与待分类案件关联的多种类型特征，其中，所述多种类型特征包括：文本特征、语音特征、图像特征、离散特征；

将所述多种类型特征设置为神经网络分类模型的输入参数，通过所述神经网络分类模型得到分类结果。

2.根据权利要求1所述的方法，其特征在于，所述离散特征包括：第一离散特征子集，获取与所述待分类案件关联的所述多种类型特征包括：

从所述待分类案件的诉讼材料中抽取第一离散特征子集。

3.根据权利要求1所述的方法，其特征在于，所述离散特征包括：第二离散特征子集，所述文本特征包括：第一文本特征子集，获取与所述待分类案件关联的所述多种类型特征包括：

对所述待分类案件的当事人进行用户画像分析，得到分析结果，其中，用户画像分析的数据来源包括以下至少之一：所述当事人的历史诉讼数据、所述当事人在网络交易过程中的交易信息与行为信息；

采用所述分析结果进行特征工程构建，得到所述第二离散特征子集和/或所述第一文本特征子集。

4.根据权利要求1所述的方法，其特征在于，所述文本特征包括：第二文本特征子集，获取与所述待分类案件关联的所述多种类型特征包括：

对所述待分类案件的诉讼材料中的文本数据进行自然语言处理，得到处理结果，其中，所述自然语言处理包括：分词、词性标注、实体识别；

采用所述处理结果进行特征工程构建，通过词频类统计方式对所述处理结果进行统计得到统计特征，以及采用词向量模型对所述处理结果进行训练，得到词向量特征；

将所述统计特征与所述词向量特征确定为所述第二文本特征子集。

5.根据权利要求1所述的方法，其特征在于，所述文本特征包括：第三文本特征子集、第四文本特征子集和第五文本特征子集，获取与所述待分类案件关联的所述多种类型特征包括：

对所述待分类案件的证据材料进行分类处理，得到分类结果；

采用所述分类结果进行特征工程构建，从文本类型证据中提取出所述第三文本特征子集，从图像类型证据中提取出所述第四文本特征子集和/或图像特征，以及从音频或视频类型证据中提取出语音特征和/或所述第五文本特征子集。

6.根据权利要求2所述的方法，其特征在于，所述离散特征包括：第三离散特征子集，获取与所述待分类案件关联的所述多种类型特征包括：

通过将所述第一离散特征子集填充至法律知识图谱，进行特征工程构建，得到所述第三离散特征子集，其中，所述法律知识图谱按照所述待分类案件所属的案由领域预先构建完成。

7.根据权利要求1所述的方法，其特征在于，将所述多种类型特征设置为所述神经网络分类模型的所述输入参数，通过所述神经网络分类模型得到所述分类结果包括：

将所述多种类型特征设置为所述输入参数，分别采用所述多种类型特征中每种类型特征对应的特征编码器进行编码处理，共同输出稠密特征向量；

将所述稠密特征向量作为下一层编码器的输入参数，经过编码处理得到所述分类结果。

8.根据权利要求7所述的方法，其特征在于，分别采用所述多种类型特征中每种类型特征对应的特征编码器进行编码处理包括：

采用双向长短期记忆网络对所述文本特征和/或语音特征进行编码处理；

采用卷积神经网络对所述图像特征进行编码处理；

采用多层感知器对所述离散特征进行编码处理。

9.一种案件分类装置，其特征在于，包括：

获取单元，用于获取与待分类案件关联的多种类型特征，其中，所述多种类型特征包括：文本特征、语音特征、图像特征、离散特征；

分类单元，用于将所述多种类型特征设置为神经网络分类模型的输入参数，通过所述神经网络分类模型得到分类结果。