[发明专利]基于相关性图学习的案由分类方法及系统

说明书

本发明公开了基于相关性图学习的案由分类方法及系统，获取待分类的案由；对待分类的案由进行处理，获得待分类案由的特征向量；从每个已知案由分类标签对应的K个聚类中心中，随机抽取N个聚类中心，得到每个已知案由分类标签对应的N个聚类中心；基于M种已知案由分类标签对应的已抽取的M*N个聚类中心，和待分类案由的特征向量，构建构造图；将构造图，输入到训练后的图卷积神经网络中，得到待分类案由的分类结果。本发明提出使用相关性图学习的方法来使用其他案由来辅助完成当前案由的分析分类，更容易加入先验知识，适当考虑了不同案由之间的相似性与差异性，充分模拟了人类的经验系统，提高了案由分析分类的效果。

技术领域

本发明涉及案由分析分类技术领域，特别是涉及基于相关性图学习的案由分类方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

案由是指法律案件的具体内容或者具体事项，案由分析分类是指对一条案由进行分析，然后准确地得到这条案由所属的类别。如今，我国每年约产生几千万条案件，很多情况下都是靠法务工作者去对案件进行分类的，这样需要耗费巨大的人力和物力，而且分类结果往往会存在一定的误差。为了摆脱使用人工对法律案件进行分类的现状，引入了使用计算机来对法律案件进行分类的方法，使用计算机来对案由进行分类可以大大提高分类的速度和精度。因此，发明一种案由分析分类系统对于提高案由分类的精度和效率具有极为重要的意义。

现有的专利和发表的论文中，大家都是用自然语言处理(NLP)的方法来完成对案由的分析分类，常用的自然语言处理方法有：TextCNN、HBiGRU、HBiLSTM等。自然语言处理的方法得到的模型具有较强的学习能力，而且具有理想的分类效果，大致能够满足现实需求。

我们知道现在发生的每一条案件，很有可能之前也发生过相同或相似的案件，法务专家之所以被称为专家，是因为他们有丰富的经验，当看到一条新的案由时，能够使用自己积累的经验，快速准确地对这条新案由进行分析分类。例如：之前发生过一起盗窃类的案件，当我们再看到相似的案件描述时，我们会不由自主地想到它属于盗窃案；当我们看到一起谋杀案件的描述时，我们考虑到它完全不同于盗窃案，所以我们会排除它属于盗窃案的可能。所以其他案由的描述能够辅助我们进行当前案由的分析分类，但是现有自然语言处理的方法都是对每一条案由单独进行分析分类，并没有考虑不同案由之间的相似性与差异性，没有使用其他案由来辅助完成当前案由的分析分类，没有模拟人类的经验系统，所以分类效果较差。

近年来，大家都是用自然语言处理(NLP)的方法来完成对案由的分析分类，但是现有自然语言处理的方法都是对每一条案由单独进行分析分类，并没有考虑不同案由之间的相似性与差异性，没有使用其他案由来辅助完成当前案由的分析分类，没有模拟人类的经验系统，所以分类效果较差。因此，如何使用其他案由来辅助完成当前案由的分析分类，提高案由分析分类的效果，是目前本领域技术人员需要解决的技术问题。

发明内容

为了解决现有技术的不足，本发明提供了基于相关性图学习的案由分类方法及系统；该发明提出使用相关性图学习的方法来使用其他案由来辅助完成当前案由的分析分类，更容易加入先验知识，适当考虑了不同案由之间的相似性与差异性，充分模拟了人类的经验系统，提高了案由分析分类的效果。

第一方面，本发明提供了基于相关性图学习的案由分类方法；

基于相关性图学习的案由分类方法，包括：

获取待分类的案由；

对待分类的案由进行处理，获得待分类案由的特征向量；

从每个已知案由分类标签对应的K个聚类中心中，随机抽取N个聚类中心，得到每个已知案由分类标签对应的N个聚类中心；基于M种已知案由分类标签对应的已抽取的M*N个聚类中心，和待分类案由的特征向量，构建构造图；其中，K、M和N均为正整数；