[发明专利]诉讼结果预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种基于机器学习的诉讼结果预测方法、装置、计算机设备和存储介质。所述方法包括：接收终端发送的诉讼结果预测请求；所述诉讼结果预测请求携带了当前案件的案件信息及证据组合；确定所述证据组合中每个证据项对应的证据类型；基于所述证据类型生成所述当前案件的证据特征向量；根据所述案件信息确定所述当前案件的案件类型和法律关系；获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率。采用本方法能够提高诉讼结果预测效率和准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种诉讼结果预测方法、装置、计算机设备和存储介质。

背景技术

随着法律信息的快速传播，人们的法律意识逐渐得到提高，法律需求也逐渐增多。然而，由于普通民众对专业性较强的法律知识通常了解甚微，使得通过自身进行法律相关信息的检索分析的难度增加。例如，为了避免在证据力度不足以支持诉求的情况下花费大量时间精力起诉，用户期望提前了解基于目前掌握的证据，当前案件的胜诉概率。但目前缺乏对案件胜诉概率进行自动化预测的技术,使得案件胜诉概率的预测不仅效率低，且预测结果客观准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高诉讼结果预测效率和准确率的诉讼结果预测方法、装置、计算机设备和存储介质。

一种诉讼结果预测方法，所述方法包括：接收终端发送的诉讼结果预测请求；所述诉讼结果预测请求携带了当前案件的案件信息及证据组合；确定所述证据组合中每个证据项对应的证据类型；基于所述证据类型生成所述当前案件的证据特征向量；根据所述案件信息确定所述当前案件的案件类型和法律关系；获取与所述案件类型和法律关系对应的目标预测模型，将所述证据特征向量输入所述目标预测模型，得到当前案件的胜诉概率。

在一个实施例中，所述方法还包括：接收终端发送的证据链指引请求；所述证据链指引请求携带了案件标识；根据案件标识获取所述当前案件的案件信息；在所述案件信息中提取所述当前案件的争议焦点；模糊匹配确定所述争议焦点的焦点类型；根据当前案件的案件类型、法律关系和焦点类型，获取相关联的一个或多个证据项以及每个证据项对应的决策权重；根据所述决策权重生成相应证据项对应的证据标签；基于多个具有证据标签的证据项生成证据链，将所述证据链返回至终端。

在一个实施例中，所述获取与所述案件类型和目标法律关系对应的目标预测模型之前，还包括：获取多个历史案件以及每个所述历史案件对应的案件因子；所述案件因子包括案件类型和法律关系；根据所述案件类型和法律关系对多个历史案件进行分组；对所述案件因子进行编码处理，得到相应历史案件的特征向量；基于每组历史案件的特征向量，构建相应案件类型及法律关系对应的训练集；基于不同训练集对基础预测模型进行训练，得到不同案件类型和法律关系对应的目标预测模型。

在一个实施例中，所述案件因子包括证据组合；所述获取多个历史案件以及每个所述历史案件对应的案件因子，包括：获取多个历史案件的案件文件；通过正则匹配在所述案件文件中提取一个或多个证据描述语句；将所述证据描述语句输入预设的语义理解模型，得到每个所述证据描述语句对应的一个或多个证据项；识别每个证据项对应的证据类型，基于所述证据类型生成相应历史案件的证据组合。

在一个实施例中，所述将所述证据特征向量输入所述目标预测模型，包括：在所述案件信息中提取所述当前案件的争议焦点；模糊匹配确定所述争议焦点的焦点类型；基于所述焦点类型生成所述当前案件的焦点特征向量；将所述焦点特征向量与所述证据特征向量进行拼接，得到案件特征向量；将所述案件特征向量输入所述目标预测模型。