[发明专利]一种法律类案相似度判别及推送方法

权利要求书

1.一种法律类案相似度判别方法，其特征在于，包括：

对目标法律案件进行分类，根据得到的案件类别，从历史案件数据库提取相同类别的历史案件构成候选集；

对目标法律案件与候选集中的每个同类历史案件，进行事件序列表示；

根据事件序列度量模型，计算目标法律案件对应的事件序列与候选集中每个历史案件对应的事件序列的距离；

基于事件序列的距离并结合打分函数，计算目标法律案件与候选集中历史案件的相似度；

其中，所述对目标法律案件与候选集中的每个同类历史案件，进行事件序列表示包括：

对于任意法律案件，利用信息抽取技术对法律案件文书中的案件要素进行抽取，案件要素至少包括：被告人职位、被告人案发后态度、时间、核心词、以及涉案金额；所述核心词通过依存句法分析方法提取，即，将法律案件文书中的语句按照句号、感叹号及问号进行分句，对分句结果进行依存分析，得到相应的核心词；

独立保留被告人职位与被告人案发后态度两个案件要素；

将剩余案件要素按照不同的时间节点定性进行事件之间的时序关系表示，对于发生时间无交叉、且无重叠的事件，视为独立事件分别表示，其余情况进行事件合并，以此组成案件情节事件链；

对时间i时发生事件的案件要素进行数值化表示，得到event_i＝(e_i1,e_i2,…,e_in)，其中，n为时间i时发生事件的案件要素的个数；

初始化权重向量weight＝(w₁,w₂,…,w_n)，其中，将权重向量与event_i中每个元素对应相乘，得到时间i事件的最终表示vector_i＝(w₁e_i1,w₂e_i2,…,w_ne_in)；

将所有时间的事件表示连接起来，得到向量化表示的时序事件链EventSequence＝(vector₁,vector₂,…,vector_m)，其中vector_i表示时间i时发生的事件对应的向量表示，m为从法律案件文书中提取的独立事件与合并事件的总个数。

2.根据权利要求1所述的一种法律类案相似度判别方法，其特征在于，所述对目标法律案件进行分类包括：利用自然语言处理中的深度学习文本分类算法作为分类器，对目标法律案件进行分类，得到目标法律案件对应的案件类别。

3.根据权利要求1所述的一种法律类案相似度判别方法，其特征在于，所述根据事件序列度量模型，计算目标法律案件对应的事件序列与候选集中每个历史案件对应的事件序列的距离包括：

采用动态时间规整DTW方法，将目标法律案件对应的事件序列与历史案件对应的每个事件序列，从起点开始匹配，每到一个点，计算对应两点之间的距离，并累加之前通过的所有点的距离，最后选取最小的累加距离作为事件序列距离Distance_{EventSequence}。