[发明专利]基于AI的案件争议焦点确定方法、装置、设备及介质

说明书

本申请涉及人工智能及智能决策技术领域，提供一种基于AI的案件争议焦点确定方法、装置、设备及介质，其方法能够基于Transformer模型对文本数据进行扩展得到扩展数据，提高了数据的全面性，基于BERT模型对扩展数据进行回归分析得到基础数据，预测结果更加准确，获取目标辩称输入至决策模型，输出第一案件争议焦点集合，获取目标事实要素与规则表匹配，得到第二案件争议焦点集合，执行并集运算，得到备选案件争议焦点并推送至指定终端设备，结合两次案件争议焦点的确定自动认定备选案件争议焦点，以供法官等人员选择以辅助决策，提高了法官审理案件的质效，同时实现了相同类型案件的规范化。本发明还涉及区块链技术，规则表及决策模型可存储于区块链上。

技术领域

本发明涉及人工智能及智能决策技术领域，尤其涉及一种基于AI的案件争议焦点确定方法、装置、设备及介质。

背景技术

法官在审理当事人对案件事实有争议的案件时，因案件争议焦点的认定结果是影响案件裁判结果的重要因素，所以需要梳理各方的争议焦点类型，并对认定的结果做出说理，同时附上法律依据等。但同一类型的案件争议焦点会有重复性，法官在审理诸多同类型案件的时候会遇到争议焦点相似的情形。

针对上述情况，法官每次都需要重复查阅资料、法律依据，并从同类案件中参考争议焦点的认定结果，重复的争议焦点认定过程耗时耗力，影响了法官审理案件的质效。

发明内容

鉴于以上内容，有必要提供一种基于AI的案件争议焦点确定方法、装置、设备及介质，能够基于人工智能手段，结合两次案件争议焦点的确定自动认定备选案件争议焦点，以供法官等相关人员选择以辅助决策，提高了法官审理案件的质效，同时实现了相同类型案件的规范化。

一种基于AI的案件争议焦点确定方法，所述基于AI的案件争议焦点确定方法包括：

响应于接收到的案件争议焦点确定指令，从所述案件争议焦点确定指令中获取待处理案件的文本数据；

基于Transformer模型对所述文本数据进行扩展，得到扩展数据；

基于BERT模型对所述扩展数据进行回归分析，得到基础数据；

从所述基础数据中获取目标辩称及目标事实要素；

将所述目标辩称输入至预先训练的决策模型中，输出第一案件争议焦点集合，其中，所述决策模型基于随机森林算法及卷积神经网络算法训练而得到；

将所述目标事实要素与预先配置的规则表进行匹配，得到第二案件争议焦点集合；

对所述第一案件争议焦点集合及所述第二案件争议焦点集合执行并集运算，得到备选案件争议焦点，并将所述备选案件争议焦点推送至指定终端设备。

根据本发明优选实施例，所述基于Transformer模型对所述文本数据进行扩展，得到扩展数据包括：

获取所述文本数据中的每个段落；

将每个段落分别输入至所述Transformer模型，得到每个段落的多个关联段落；

计算每个段落的多个关联段落与对应段落的相关度；

将相关度大于或者等于第一预设值的关联段落确定为每个段落的扩展段落；

将每个段落的扩展段落合并至对应的段落；

整合合并后的各个段落，得到所述扩展数据。

根据本发明优选实施例，所述基于BERT模型对所述扩展数据进行回归分析，得到基础数据包括：

采用BERT算法，并基于通用文本库进行预训练，得到所述BERT模型；

将所述扩展数据输入至所述BERT模型，输出每个词的重要程度评分；