[发明专利]一种基于LSTM技术的法律诉讼被告人保全用审判服务方法

说明书

本发明公布了审判服务技术领域的一种基于LSTM技术的法律诉讼被告人保全用审判服务方法，其具体步骤为：首先构建训练数据集，然后对训练数据集中的犯罪事实描述和法院观点进行预处理，能够将所有犯罪事实描述包含的词和所有法院观点包含的词分别汇集形成两个不同类别的词汇表，然后定义模型进行训练，得到模型中的各个参数，可通过输入犯罪事实X即可得到模型中的法院审判观点的输出量Y，最后从审判结果文书中抽取关键信息得到审判文书分析结果，提高了由犯罪事实生成法院审判观点的准确性和高效性，实现该犯罪案件的有效表达和呈现，助力法院审判流程的信息化、智能化和服务化，继而提供更加优质的诉讼服务，提高审判工作效率和严谨性。

技术领域

本发明涉及审判服务技术领域，具体为一种基于LSTM技术的法律诉讼被告人保全用审判服务方法。

背景技术

LSTM是长短期记忆网络，是一种时间递归神经网络，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在更长的序列中有更好的表现，能够高速有效利用信息抽取技术，从而准确抽取出文本中的关键词语和语段，并将其构建为完整的行为链。

大数据和人工智能的信息科技迅速发展，为司法数据信息化建设提供了强有力的支撑，随着人工智能的快速发展，人工智能在法律领域的应用也越来越热，其中自动化法律文本生成是目前的一个难点，自动化法律文本生成可以节省大量人力，将法律从业人员从起草者变成审校者，法院审判的观点需要包含与罪名相关的重要的犯罪事实细节(如对故意伤害罪来说，伤害程度、伤害人数等)，与文本转述不同，法院审判观点需要将犯罪事实进行一定的归纳总结，与文本摘要技术不同，法院审判观点并不是将犯罪事实进行摘要，而是从犯罪事实中找出和罪名相关的细节，继而生成相应的语句，所以现有的文本转述技术和自动摘要技术都并不适用于法院根据犯罪事实描述生成法院审判观点这个场景，对于法院审判来说增加了审判难度和审判效率，因此，我们提出一种基于LSTM技术的法律诉讼被告人保全用审判服务方法。

发明内容

本发明的目的在于提供一种基于LSTM技术的法律诉讼被告人保全用审判服务方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于LSTM技术的法律诉讼被告人保全用审判服务方法，其具体步骤为：

A：构建训练数据集，首先进行犯罪事件的案件录入，这样训练数据集就由犯罪事实描述、罪名及法院观点对应组成，从裁判文书网读取罪名以及刑事判决书，对每一份刑事判决书进行导入并通过正则表达式提取出犯罪事实描述(包含“经审理查明”的段落)和法院观点(包含“本院认为”的句子)，将其与罪名组合起来形成训练数据集；

B：对训练数据集中的犯罪事实描述和法院观点进行预处理，使用自然语言的相关处理工具对犯罪事实描述和法院观点进行分词处理，即将一个句子按词进行分割，形成词的序列，对其中的姓名、数字、时间、场所和行为等替换为数字标签，防止这些非定性的因素对模型的影响，并且将所有犯罪事实描述包含的词和所有法院观点包含的词分别汇集形成两个不同类别的词汇表；

C：定义词向量序列犯罪事实X和罪名V做为模型输入且法院观点词向量序列Y做为输出，利用机器学习技术对模型进行训练，得到模型中的各个参数，模型使用两个Word-embedding层分别将X和Y的稀疏词向量转化成embedding词向量x，y，使用单层神经网络将罪名向量转化为密集向量EV，并使用双向LSTM和Attention机制对犯罪事实的描述进行编码，即通过输入犯罪事实X即可得到模型中的法院审判观点的输出量Y；

D：从审判结果文书中抽取关键信息，声明犯罪行为链的概念及构建规则，以此构建犯罪行为链，使用TextCNN从案情的事实描述中获取语义信息，然后基于犯罪行为链，使用Bi—LSTM方法将其进行向量表示，进行文本分类，将TextCNN方法与Bi—LSTM方法的结果进行拼接，最后通过全连接层和softmax函数得到审判文书分析结果。