[发明专利]可解释法律自动判决预测方法及装置

说明书

本发明实施例提供一种可解释法律自动判决预测方法及装置，所述方法包括：编码步骤：获取事实编码结果；问题生成步骤：将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；答案生成步骤：将分字结果和问题编号，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。本发明实施例提供的可解释法律自动判决预测方法及装置，仿照实际审讯过程，利用人工智能进行若干轮提问和回答，并最终根据问答结果进行自动判决，实现了为自动判决的结果提供可解释性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种可解释法律自动判决预测方法及装置。

背景技术

自动判决的任务目标是根据法律文书中的事实部分来对判决的结果进行预测。这项技术对于法律判决来说是极其重要的一项技术。一方面，自动判决能够为没有法律基础的人提供一个低消耗但是高质量的判决结果，另一方面，它也能够为专业的法律人士提供一个足够的法律参考。

为了解决自动判决，近些年来，越来越多的学者开始在自动判决上进行研究。最开始大部分的学者都将自动判决的问题当做一个简单的文本分类问题，用一些传统的手段如关键字匹配来处理自动判决的问题。同时，随着深度学习的发展，更多的学者开始利用深度学习的框架来抽取文本当中的信息，从而用来对自动判决进行辅助。

目前，现有的许多方法已经能够在罪名预测的问题上取得非常优异的效果(准确率和Macro-F1均可达到95％以上)。然而，这些方法的一大问题在于缺乏可解释性，它们将案件描述作为输入，直接得到判决结果预测，并无任何中间步骤提供预测结果的解释。换而言之，不论自动判决的结果正确与否，都无法知道模型为什么作出了这样的判决；且一旦自动判决与法律专业人士的人工判决结果相冲突，人们也无法知道是什么问题引发了错误。这一问题也导致了现有的自动判决方法并不被人们，尤其是法律专业人士所认可。

发明内容

本发明实施例提供一种可解释法律自动判决预测方法及装置，用于解决现有技术中的上述技术问题。

为了解决上述技术问题，一方面，本发明实施例提供一种可解释法律自动判决预测方法，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；

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。

进一步地，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。

进一步地，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；