[发明专利]一种识别法律文书案由的方法和装置

权利要求书

1.一种模型训练的方法，其特征在于，用于训练识别法律文书案由的机器学习模型，所述机器学习模型包括多个输入单元，其中每个输入单元用于接收一个文本段落的一个词样本，包括：

接收正样例集和负样例集，其中所述正样例集包括属于法律文书案由的文本段落，且所述负样例集包括不属于法律文书案由的文本段落；

对所述正样例集和所述负样例集中的文本段落进行分词拆解以生成每个文本段落的多个词样本；

确定文本段落的词样本数量是否大于所述输入单元的数量，在该文本段落的词样本数量大于所述输入单元的数量的情况下，则将所述文本段落拆分成词样本数量小于或等于所述输入单元的数量的多个子段落，将所述子段落作为目标文本段落，或者，在该文本段落的词样本数量小于或等于所述输入单元的数量的情况下，将所述文本段落作为目标文本段落；以及

使用所述正样例集中的目标文本段落的词样本和所述负样例集中的目标文本段落的词样本来训练机器学习模型。

2.如权利要求1所述的方法，其特征在于，所述机器学习模型包括CNN模型、RNN模型、LSTM模型、GBDT模型之一。

3.如权利要求1所述的方法，其特征在于，生成每个文本段落的多个词样本还包括对每个文本段落的词样本进行筛选，对每个文本段落的词样本进行筛选包括去除每个文本段落的停用词，所述停用词包括标点符号、数学字符、和/或高频无用词。

4.如权利要求1所述的方法，其特征在于，所述负样例集包括除法律文书以外的文本数据以及法律文书中的非案由部分。

5.如权利要求1所述的方法，其特征在于，所述负样例集包括以下一者或多者：新闻信息、期刊杂志文章、网络文章、评论文章。

6.如权利要求1所述的方法，其特征在于，进一步包括：

接收待识别的文本段落；

将所述待识别的文本段落的词样本输入到经训练的机器学习模型；以及

从所述机器学习模型输出该文本段落属于法律文书案由的概率。

7.如权利要求6所述的方法，其特征在于，如果所述概率高于阈值，则确定所述文本段落属于法律文书案由。

8.一种模型训练的装置，其特征在于，用于训练识别法律文书案由的机器学习模型，所述机器学习模型包括多个输入单元，其中每个输入单元用于接收一个文本段落的一个词样本，包括：

数据获取模块，其接收正样例集和负样例集，其中所述正样例集包括属于法律文书案由的文本段落，且所述负样例集包括不属于法律文书案由的文本段落；

数据预处理模块，其对所述正样例集和所述负样例集中的文本段落进行分词拆解以生成每个文本段落的多个词样本；

确定文本段落的词样本数量是否大于所述输入单元的数量，在该文本段落的词样本数量大于所述输入单元的数量的情况下，则将所述文本段落拆分成词样本数量小于或等于所述输入单元的数量的多个子段落，将所述子段落作为目标文本段落，或者，在该文本段落的词样本数量小于或等于所述输入单元的数量的情况下，将所述文本段落作为目标文本段落；以及

机器学习模块，其使用所述正样例集中的目标文本段落的词样本和所述负样例集中的目标文本段落的词样本来训练机器学习模型。

9.如权利要求8所述的装置，其特征在于，所述机器学习模型包括CNN模型、RNN模型、LSTM模型、GBDT模型之一。

10.如权利要求8所述的装置，其特征在于，所述数据预处理模块进一步对每个文本段落的词样本进行筛选，对每个文本段落的词样本进行筛选包括去除每个文本段落的停用词，所述停用词包括标点符号、数学字符、和/或高频无用词。

11.如权利要求8所述的装置，其特征在于，所述负样例集包括除法律文书以外的文本数据以及法律文书中的非案由部分。