[发明专利]案件相关度检测方法及终端设备

权利要求书

1.一种案件相关度检测方法，其特征在于，包括：

提取案件库中符合预设要求的各个第一案件的多个结构化数据；其中，所有的所述第一案件构成目标案件集合；

将每一所述第一案件的各个结构化数据转换为对应的词向量，得到所述目标案件集合对应的第一向量矩阵；

基于所述第一向量矩阵确定所述目标案件集合在多维向量空间中的中心点；

确定所述案件库中各个第二案件的第二向量矩阵，并基于所述第二向量矩阵和所述中心点确定各个所述第二案件与所述目标案件集合的相关度；其中，所述第二案件为所述案件库中除去所述目标案件集合以外的案件；

将所述相关度满足预设要求的第二案件的链接信息和/或相关文件发送给用户终端。

2.如权利要求1所述的案件相关度检测方法，其特征在于，所述提取案件库中符合预设要求的各个第一案件的多个结构化数据，包括：

对训练文本数据进行标注；其中，所标注的信息包括多类信息；

将标注后的训练文本数据输入到目标网络中，确定各类信息对应的损失函数；

基于各类信息对应的损失函数训练所述目标网络；

将各个第一案件的文本输入至训练后的目标网络，提取出所述结构化数据。

3.如权利要求2所述的案件相关度检测方法，其特征在于，所述目标网络包括多个子网络，且每个子网络对应一类信息；

所述基于各种信息对应的损失函数训练所述目标网络，包括：

基于各类信息对应的损失函数，训练对应的子网络。

4.如权利要求2所述的案件相关度检测方法，其特征在于，所述基于各种信息对应的损失函数训练所述目标网络，包括：

计算各类信息对应的文本数量的比例；

根据各个损失函数与对应的比例的乘积之和，确定总损失函数；

基于所述总损失函数训练所述目标网络。

5.如权利要求1所述的案件相关度检测方法，其特征在于，所述提取目标案件集合中各个第一案件的多个结构化数据，包括：

根据所述结构化数据对应的文本信息和与所述文本信息相关的上下文信息，确定正则表达式；

将所述第一案件的文本划分为多个单句，在所述多个单句中确定与所述正则表达式相匹配的目标单句；

从所述目标单句中提取所述结构化数据。

6.如权利要求5所述的案件相关度检测方法，其特征在于，所述从所述目标单句中提取结构化数据，包括：

对所述目标单句进行字段划分；其中，每个目标单句划分为至少一个字段，每个字段对应一字段名和一字段值；

对于字段内容相同但字段名或字段值不同的各个相关字段，对字段名或字段值进行归一化处理；

在经过归一化处理后的各个字段中，提取结构化数据。

7.如权利要求1至6任一项所述的案件相关度检测方法，其特征在于，所述结构化数据为文本数据或数值，所述将每一所述第一案件的各个结构化数据转换为对应的词向量，得到所述目标案件集合对应的第一向量矩阵，包括：

将各个所述第一案件的各个结构化数据中的文本数据转化为词向量；

将各个所述第一案件的词向量和数值作为所述第一向量矩阵的元素；其中，每个所述第一案件对应一行元素或一列元素。

8.如权利要求1至6任一项所述的案件相关度检测方法，其特征在于，所述基于所述第一向量矩阵确定所述目标案件集合在多维向量空间中的中心点，包括：

计算各个第一案件的同一结构化数据对应的词向量的均值向量；其中，各个所述均值向量为所述中心点的向量；

所述基于所述第二向量矩阵和所述中心点确定各个所述第二案件与所述目标案件集合的相关度，包括：

根据所述中心点的向量和各个所述第二向量矩阵，确定各个所述第二案件与所述中心点之间的距离；

基于各个所述距离确定各个所述第二案件与所述目标案件集合的相关度。