[发明专利]用于法律判决的编码器训练方法、判决预测方法和设备

说明书

本发明涉及法律判决技术领域，具体是涉及用于法律判决的编码器训练方法、判决预测方法和设备。本发明构建了样本案例三元组，其中样本案例三元组中与样本原始案例不相似的样本不相似案例为高频案例。通过样本案例三元组对编码器进行训练，由于样本不相似案例为高频案例，在训练编码器的过程中，能够约束高频案例的类内区分和低高频案例的类间区分,从而能够弱化高频案例对编码器的影响，从而提高了编码器对案例编码的准确性，在准确编码的基础上，进一步提高了对案例判决结果预测的准确性。另外，由于本发明是依据法条和罪名构建的案例三元组，因此案例三元组中引入了法条和罪名，实现了编码器的细化，从而提高了对案例判决结果预测的准确性。

技术领域

本发明涉及法律判决技术领域，具体是涉及用于法律判决的编码器训练方法、判决预测方法和设备。

背景技术

基于案例的法律判决预测任务(Legal Judgment Prediction,LJR)是法律智能中的一个关键任务，通常包括罪名预测、法条预测和刑期预测三个子任务。现有的研究工作主要分为单任务建模和多任务建模的两种路线。前者旨在利用更多的信息源和更为先进的网络架构来提高算法在某一个特定子任务上的性能，而后者旨在通过对子任务之间不同的拓扑结构进行建模来提高算法在整个法律判决预测任务上的性能。无论是单任务建模还是多任务建模都是基于编码器对案例的编码结果所进行的判决结果的预测，但是由于它们都只对样本原始案例进行编码，导致高频案例在编码器的训练过程中占据主导地位，最终导致依据训练之后的编码器所输出的结果而得到的预测结果准确性较差。

综上所述，现有技术基于现有的编码器所得到的判决结果准确性较低。

因此，现有技术还有待改进和提高。

发明内容

为解决上述技术问题，本发明提供了一种用于法律判决的编码器训练方法、判决预测方法和设备，解决了现有技术基于现有的编码器所得到的判决结果准确性较低的问题。

为实现上述目的，本发明采用了以下技术方案：

第一方面，本发明提供一种用于法律判决的编码器训练方法，其中，包括：

构建样本案例三元组，所述样本案例三元组由样本原始案例、样本相似案例、样本不相似案例组成，其中，所述样本相似案例与所述样本原始案例适用于相同的法条和/或相同的罪名，所述样本不相似案例与所述样本原始案例适用的法条相异和/或罪名相异，所述样本不相似案例的类别为高频案例；

依据所述样本案例三元组训练编码器，得到训练之后的编码器，所述编码器用于对案例的内容进行编码。

在一种实现方式中，所述依据所述样本案例三元组训练编码器，得到训练之后的编码器，包括：

对所述编码器进行训练，直至所述样本案例三元组中的所述样本原始案例与所述样本相似案例之间的距离小于所述样本原始案例与所述样本不相似案例之间的距离，所述样本原始案例与所述样本相似案例之间的距离通过所述编码器对所述样本原始案例的原始案例编码结果和所述编码器对所述样本相似案例的相似案例编码结果获取，所述样本原始案例与所述样本相似案例之间的距离用于反映所述原始案例编码结果和所述相似案例编码结果的相似度，所述样本原始案例与所述样本不相似案例之间的距离通过所述原始案例编码结果、所述编码器对所述样本不相似案例的不相似案例编码结果获取，所述样本原始案例与所述样本不相似案例之间的距离用于反映所述原始案例编码结果和所述不相似案例编码结果的相似度。

在一种实现方式中，所述依据所述样本案例三元组训练编码器，得到训练之后的编码器，包括：

依据所述样本案例三元组中的所述样本原始案例，得到所述样本原始案例所对应的样本原始案例类别；

依据所述编码器对所述样本原始案例进行编码，得到所述样本原始案例所对应的原始案例编码结果；

获取样本原始案例所对应的类别解码器；