[发明专利]双向注意力和判案逻辑结合的辅助判案方法、装置、介质

说明书

本申请提供一种双向注意力和判案逻辑结合的辅助判案方法、装置、介质。本发明将判案逻辑和类案知识应用于基于深度学习的法律判决自动预测任务，相比一般的法律判决自动预测算法，本发明对查明事实和原告诉请、原告诉请之间的判案逻辑知识进行了建模，能有效提升算法的可解释性。本发明首次运用判案逻辑知识对法律判决进行自动预测，与其它在该认为上尝试过的模型相比较，本发明在算法和运用上都有自己的独创性和独特性。本发明可以将司法领域专家知识显性地与深度神经网络相结合，提升智能司法判案准确率，并提供判案可解释性。

技术领域

本发明涉及智能司法领域，尤其涉及一种双向注意力机制和判案逻辑知识结合的可解释性判决方法。

背景技术

随着我国法律体系的不断完善、人民群众法律意识的不断提升，各级司法机关每年接收的案件数量也在持续增长。与此同时，人工智能技术能够帮助实现司法流程自动化，减少法官重复劳动，方便司法当事人维护自身权益。智能司法已经逐渐成为人工智能技术落地的关键领域。

法律判决的自动预测是智能司法领域一项非常重要的工作，该任务要求能根据法律文本的输入自动预测出对应的判决。之前的工作往往将其形式化为自然语言处理中的文本分类任务，并采用基于传统机器学习的方法或者基于深度神经网络的方法来解决。基于传统机器学习的方法一般使用有监督方法(如支持向量机)，然而此类方法依赖手动构建文本特征(如TF-IDF)。基于深度神经网络的方法(如卷积神经网络，循环神经网络等)无需手动构建文本特征，能直接进行端到端的训练，自动学习出法律文本到判决标签的映射。然而深度神经网络固有的黑盒特性、缺少可解释性的缺点是法律判决的自动预测任务中亟待解决的问题。因此，如何基于深度神经网络设计一种可解释的法律判案方法，对于智能司法的长远发展至关重要。

发明内容

本发明的目的是克服现有技术的不足，提供一种双向注意力机制和判案逻辑知识结合的可解释性判决方法。本发明具体采用的技术方案如下：

第一方面，本发明提供了一种双向注意力和判案逻辑结合的辅助判案方法，其包括如下步骤：

S1：获取法院查明事实文本、原告诉请及对应的标签，得到司法判案训练集；

S2：使用词嵌入层对基于单词的查明事实文本、原告诉请文本进行嵌入，得到词向量表示；

S3：使用长短时记忆网络对法院查明事实文本、原告诉请文本进行建模，得到文本特征表示；

S4：基于各文本特征表示，使用双向注意力机制分别构建查明事实感知的原告诉请表示，以及原告诉请感知的查明事实表示；

S5：基于上述双向注意力机制输出的深度神经网络表示，构建交叉特征，并输入到一个激活函数为softmax的全连接层；

S6：定义软逻辑编码原则，用于将离散的一阶谓词逻辑司法专家知识转化为可微的端到端训练的神经网络组成部分；

S7：使用上述全连接神经网络层的输出，对查明事实和诉请之间的判案逻辑、以及诉请与诉请之间的判案逻辑知识进行编码表示，并将编码表示输出与神经网络输出进行相加；

S8：将S7中相加后得到的结合了神经网络和判案逻辑知识的总输出，输入到另外一个激活函数为softmax的全连接层，基于该全连接层输出y’和真实标签，使用交叉熵作为损失函数，并使用反向传播算法学习模型参数，将学习得到的深度神经网络用于进行司法辅助判案。

在上述方案基础上，各步骤可以采用如下优选的具体方式实现。

作为优选，所述的步骤S1具体包含以下步骤：