[发明专利]可解释法律自动判决预测方法及装置

权利要求书

1.一种可解释法律自动判决预测方法，其特征在于，包括：

编码步骤：获取待处理的法律文书中的事实编码结果；

问题生成步骤：将所述事实编码结果和预设的问题答案集合，输入至全连接神经网络模型，输出问题编号；将所述问题答案集合表示成向量s＝(s₁,s₂,…,s_M)，长度为M，其中s_i表示第i个预设问题的状态：若在之前的步骤中已问过，且答案为是，则s_i＝1；若已问过且答案为否，则s_i＝-1；若在之前的步骤中未问过，则s_i＝0；向量s与所述事实编码结果共同组成所述全连接神经网络模型的输入；为了避免重复问相同的问题，利用masked softmax函数来计算选择各个问题的概率，对于第i个问题，如果其尚未被问过，则：选用π_i概率最大的问题作为本轮问题；其中，表示问题的分值，i表示预设问题的问题编号；

答案生成步骤：将所述法律文书中的事实部分的分字结果和所述问题编号，输入至BERT-QA模型，输出问题答案；

循环步骤：重复问题生成步骤和答案生成步骤，直到达到预设的重复次数，确定所有问题的答案；

判决步骤：将所有问题的答案，输入至统计机器学习模型，输出判决结果；

其中，所述全连接神经网络模型、所述BERT-QA模型和所述统计机器学习模型，都是基于法律文书样本和预先标记好的法律文书样本的判决结果进行训练后得到的；

所述编码步骤，具体包括：

对所述待处理的法律文书中的事实部分进行分字处理，得到分字结果；

利用BERT模型和字向量对所述分字结果进行编码，得到所述事实编码结果。

2.根据权利要求1所述的可解释法律自动判决预测方法，其特征在于，所述全连接神经网络模型、所述BERT-QA模型和所述统计机器学习模型通过如下步骤进行训练得到：

获取法律文书样本，构建法律文书样本数据集；

提取法律文书样本中的事实信息和判决结果标签；

基于法律文书样本中的事实信息和判决结果标签，借助强化学习算法Deep Q-Learning进行训练，得到所述全连接神经网络模型、所述BERT-QA模型和所述统计机器学习模型。

3.根据权利要求1所述的可解释法律自动判决预测方法，其特征在于，在确定所有问题的答案的过程中，所述问题答案集合中未被选中的问题的答案自动值为否。

4.根据权利要求1所述的可解释法律自动判决预测方法，其特征在于，所述统计机器学习模型为LightGBM模型。