[发明专利]一种可复用的法条推荐框架

说明书

本发明公开了一种可复用的法条推荐框架，包括以下步骤：提取裁判文书集构建训练语料；对裁判文书进行预处理，包括抽取出案件基本情况段落和引用法条列表，对案件基本情况进行中文分词，学习案件基本情况的向量表示模型，构建法条推荐任务的输出空间以及学习法条的语义向量模型；对用户输入的案件情况进行预处理；设计多标签分类模型对法条集进行预排序获得候选推荐法条集；对候选推荐法条集进行二次排序，获得最终推荐结果；输出推荐法条列表。本发明模拟给定案件基本情况筛选相关法条进行引用的真实场景，额外考虑法条自身的语义信息、法条与法条之间的关联进行法条推荐，通过再排序策略优化推荐结果，提高了法条推荐的准确性。

技术领域

本发明涉及一种法条推荐框架，具体涉及一种可复用的法条推荐框架，属于自然语言处理领域。

背景技术

近年来，人民法院信息化建设迈出了跨越式步伐，现代科技与法院工作愈发深度融合，信息时代审判运行新模式正在逐步形成。审判结果预测作为人工智能在法院信息化建设过程中的一个成功应用，吸引了众多研究学者的关注，其目标在于自动、高效且准确地预测案件的指控罪名、案件引用的法律法条等一系列审判结果。

在案件的裁决过程中，法官通常需要完寻找合适的法律法条作为审判依据。在这一过程中，一方面，鉴于法条总数之多，针对每一个案件寻找几条甚至是确切的某一条法条是一项庞大且困难的工作；另一方面，每天发生的案件数量之多也使得为数不多的法官分身乏力，面对频繁发生的案件类型，重复相似的过程以寻找合适法律条文是很容易让人感到疲乏的；相反，如果案件情况很复杂，就需要消耗大量的时间和精力去分析案件过程以寻得合适的法条。而对于那些牵扯案件或面对法律问题却缺乏相关法律专业知识的普通群众而言，他们则需要寻找专业的法律顾问来解决问题，这一过程需要花费大量的时间与金钱。这时，法条推荐的作用便突显出来了。一个优秀的法条推荐系统就既可以提高法官的工作效率与准确性，也能给普通群众带来极大的便利。

在自然语言处理领域中，深度神经网络的特征抽取功能之强大在自然语言的语义抽取方面取得了重大突破，推动着相关研究工作的飞速发展，众多研究学者也对基于神经网络的法条推荐方法做出了各类研究，但大多数方法都仅局限于关注案件和各个法条之间的联系。事实上，某些法条常会被同时引用，而它们在法律意义上是相辅相成的。其次，在分类框架下，内容丰富的法条仅被当作标签，这是对法条自身所蕴含的语义的忽视。另外，在案件基本情况的描述文本中，隐含丰富信息的案件描述词汇一般会直接影响到预测结果。因此，在做法条推荐的时候，我们可以通过更多地关注这些关键词以达到更好的预测结果。综上，本发明基于深度神经网络框架，结合上面提及的应当考虑提取的文本语义，以裁判文书为数据源，着重研究了一种可复用的法条推荐框架。

发明内容

本发明是一种可复用的法条推荐框架，研究了一种基于深度神经网络的法条推荐方法，包括一个循环神经网络结构与最大池化层的结合架构、一种利用注意力机制自动关注案件描述文本中的关键词以生成准确上下文向量的方法、一个学习法条语义表示的神经网络算法以及一个提取法条之间关联并对它们进行二次排序的解码器-编码器框架。该框架能着重关注案件基本情况描述文本中的关键词，结合法条自身的语义信息，生成案件基本情况的语义表示向量，捕获案件基本情况与法条之间、法条与法条之间的多重关联，并以此为依据，进行法条推荐。以上思想符合真实情况下，法官或普通群众基于案件基本情况获取相应法条的场景。最后，本发明所设计的推荐框架是可复用的，适用于其它主题的推荐场景。

本发明所述的一种可复用的法条推荐框架，其特征在于包含以下步骤：

步骤(1)从中国裁判文书网中随机提取裁判文书集，构建训练语料；

步骤(2)裁判文书预处理；

步骤(3)用户输入预处理；

步骤(4)法条集预排序；

步骤(5)提取推荐法条集；

步骤(6)输出推荐法条列表。