[发明专利]一种针对司法案件的基于Neural Embedding智能分析方法

权利要求书

1.一种针对司法案件的基于Neural Embedding智能分析方法，其特征在于，包括以下步骤,

S1：搜集刑事法律文书，并对案情事实描述文书进行预处理；

S2：将预处理后的案情事实描述文本作为文档实体，案件所涉及的法条、被告人的罪名和刑期长短要素作为文档实体所对应的多个标签实体，使用随机梯度下降的方式，训练文档实体和标签实体的Embedding向量；

S3：使用S2中训练得到的Embedding向量，对新的数据计算文档实体和标签实体的相似度。

2.根据权利要求1所述的一种针对司法案件的基于Neural Embedding智能分析方法，其特征在于，步骤S1中的对案情事实描述文书进行预处理包括以下子步骤，

S101：过滤案情事实描述文书中的停用词和特殊符号，保留汉字数字及标点符号信息，并对文本进行分词；

S102：将案情事实描述文本中的刑事敏感词数字做离散化处理。

3.根据权利要求2所述的一种针对司法案件的基于Neural Embedding智能分析方法，其特征在于，步骤S102中所述的刑事敏感词包括金钱、重量和血液酒精浓度三种类型。

4.根据权利要求1所述的一种针对司法案件的基于Neural Embedding智能分析方法，其特征在于，获得步骤S2中Embedding向量的具体方法包括以下步骤,

S201：首先，采用特征求和的方式获取稳当实体a的向量；

S202：然后，映射出与文档实体维度一致的标签实体b的向量；

S203：最后，对文档实体a的向量和标签实体b的向量建立损失函数，得到Embedding向量。

5.根据权利要求4所述的一种针对司法案件的基于Neural Embedding智能分析方法，其特征在于，S201的具体步骤如下,

使用N-Gram以词袋形式作为案情描述文档的特征，每个文档都由一组来自固定长度字典的离散特征进行描述，为每个特征分配一个d维向量，然后将特征求和作为文档实体的向量，假设字典D的特征定义为D×d的矩阵F，其中F_i索引第i^th个特征，∑_i∈aF_i作为文档实体a的向量。

6.根据权利要求4所述的一种针对司法案件的基于Neural Embedding智能分析方法，其特征在于，S202的具体步骤如下,

将法条、被告人被判的罪名和刑期长短要素的所有离散值作为不同的标签实体b，并将所有标签实体映射为与文档实体维度一致的不同向量。

7.根据权利要求4所述的一种针对司法案件的基于Neural Embedding智能分析方法，其特征在于，S203的具体步骤如下,

对文档实体a和标签实体b建立损失函数，见公式(1)：

这个公式由以下几部分组成：

1)从数据中生成正例实体对(a，b),a为案情事实描述的文档实体，b为文档实体a所对应的标签实体，比如文档实体a对应的法条、被告人被判的罪名和刑期长短标签；

2)从不属于文档实体a的标签中随机采样得到负例实体b^-，形成负例实体对(a，b^-)；

3)使用余弦相似度计算不同实体对的相似度；

4)损失函数L^batch，通过比较正例实体对和负例实体对的差异计算损失；在此采用margin ranking loss作为损失函数，见公式2：

其中，B为batch size，N为负例数目，p_b表示正例实体对，p_n表示负例实体对,score函数为实体对的相似度函数，损失函数通过随机梯度下降进行优化，使得具有相关性的实体向量具有更高的相似度。