关联案件查询方法、装置、计算机设备和存储介质
- 国知局
- 2024-07-31 23:04:03
本技术涉及查询和人工智能,特别是涉及一种关联案件查询方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术:
1、司法公信力是一个国家法律秩序的重要标志,反映了人民对司法的信任程度。但是,由于法律从业者对法律的熟悉程度不同,对案件的主观看法不同,类似的案件可能会有不同的判决。在真实案件审判过程中,法律从业人员通常会以案件匹配技术检索类似案件,来避免类案不同判的情况发生。
2、案件匹配作为法律检索的一项关键任务,旨在识别成对案件之间的关系,案件匹配的结果对法律公正具有重要的影响。由于案件相关材料通常以文本的形式呈现,案件匹配技术通常依赖于nlp(natural language processing)的文本匹配技术查找相似案件。简而言之,案件匹配是一种特殊形式的文本匹配,其实质是以文本相似度为关联点实现的案件文本相似度关联。
3、但,现有的关联查询结果信息量有限,不能满足法律从业工作者更深层的需求。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提供丰富关联信息的关联案件查询方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本技术提供了一种关联案件查询方法。所述方法包括:
3、获取第一案件的第一文本和第二案件的第二文本;
4、将所述第一文本和所述第二文本输入训练好的关联查询模型,通过所述关联查询模型获取所述第一案件和所述第二案件的关联结果,以及所述第一文本中的所述第一案件的证据要素,所述第二文本中的所述第二案件的证据要素。
5、在其中一个实施例中,所述训练好的关联模型包括文本编码器、片段提取器、证据解码器以及关联解码器;
6、所述将所述第一文本和所述第二文本输入训练好的关联查询模型,通过所述关联查询模型获取所述第一案件和所述第二案件的关联结果,以及所述第一文本中的所述第一案件的证据要素,所述第二文本中的所述第二案件的证据要素,包括:
7、将所述第一文本和所述第二文本输入训练好的关联模型的文本编码器,得到第一文本编码和第二文件编码;
8、将所述第一文本编码和所述第二文本编码输入所述片段提取器,得到第一案件的第一片段集以及第二案件的第二片段集;
9、将所述第一片段集和所述第二片段集输入所述证据解码器,提取所述第一文本中的所述第一案件的证据要素,以及所述第二文本中的所述第二案件的证据要素;
10、将所述第一片段集和所述第二片段集输入所述关联解码器,预测所述第一案件和所述第二案件的关联结果。
11、在其中一个实施例中,训练所述关联模型的方法包括:
12、获取待训练模型;所述待训练模型的结构包括;文本编码器、片段提取器、对比学习层、证据解码器以及关联解码器;
13、获取样本集,所述样本集包括案件对,标注的所述案件对的关联结果,以及标注的所述案件对的关联证据要素;
14、将所述案件对的文本输入所述待训练模型的文本编码器,得到案件对文本编码;
15、将所述案件对编码输入所述片段提取器,得到所述案件对的片段集;
16、将所述案件对的片段集输入证据解码器,得到预测的所述案件对的关联证据要素,并根据预测的所述案件对的关联证据要素以及标注的所述案件对的关联证据要素之间的差异,得到第一损失;
17、将标注的所述案件对的关联证据要素输入对比层进行对比学习,并根据对比学习结果得到第二损失;
18、将所述预测的所述案件对的关联证据要素输入关联提取器,得到预测的关联结果,并根据预测的关联结果和标注的关联结果的偏差,得到第三损失;
19、根据所述第一损失、第二损失和所述第三损失,调整所述待训练模型的参数。
20、在其中一个实施例中,所述第一损失的计算公式为:
21、
22、其中,x,y表示案件对,x',y'表示带有证据标识的案件,n1表示案件对输入文本序列的长度,p和分别表示p(x',y'|x,y)的标注的所述案件对的关联证据要素的概率分布,与预测的所述案件对的关联证据要素概率分布。
23、在其中一个实施例中,所述第二损失的计算公式为:
24、
25、f(i)={k|βk≠βi}
26、g(i)={k|βk=βi}
27、其中,n2表示案件对文本中按案情要素分割的片段数,以vi表示第i个证据片段的文本表征,sim()案件对文本表征的余弦相似度,τ是一个超参数用于控制模型对困难样本的关注程度,βi用于表示第i个证据片段的证据要素。
28、在其中一个实施例中,所述第三损失的计算公式为:
29、
30、其中,n3是关联类别的数量,p(αi|x,y)和分别表示标注的案件对的关联结果的概率分布,与预测的案件对的关联结果的概率分布。
31、第二方面,本技术还提供了一种关联案件查询装置。所述装置包括:
32、案件获取模块,用于获取第一案件的第一文本和第二案件的第二文本;
33、查询模块,用于将所述第一文本和所述第二文本输入训练好的关联查询模型,通过所述关联查询模型获取所述第一案件和所述第二案件的关联结果,以及所述第一文本中的所述第一案件的证据要素,所述第二文本中的所述第二案件的证据要素。
34、第三方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
35、获取第一案件的第一文本和第二案件的第二文本;
36、将所述第一文本和所述第二文本输入训练好的关联查询模型,通过所述关联查询模型获取所述第一案件和所述第二案件的关联结果,以及所述第一文本中的所述第一案件的证据要素,所述第二文本中的所述第二案件的证据要素。
37、第四方面,本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
38、获取第一案件的第一文本和第二案件的第二文本;
39、将所述第一文本和所述第二文本输入训练好的关联查询模型,通过所述关联查询模型获取所述第一案件和所述第二案件的关联结果,以及所述第一文本中的所述第一案件的证据要素,所述第二文本中的所述第二案件的证据要素。
40、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
41、获取第一案件的第一文本和第二案件的第二文本;
42、将所述第一文本和所述第二文本输入训练好的关联查询模型,通过所述关联查询模型获取所述第一案件和所述第二案件的关联结果,以及所述第一文本中的所述第一案件的证据要素,所述第二文本中的所述第二案件的证据要素。
43、上述关联案件查询方法、装置、计算机设备、存储介质和计算机程序产品,利用关联查询模型,不仅能够提供给法律从业人员多个案件间的关联结果,还能够提供案件的证据要素,从而丰富了关联查询结果所提供的信息量,证据要素可作为证据支撑案件关联结果和法律从业人员的决定,带有证据的关联结果可促进相关技术的广泛使用。
本文地址:https://www.jishuxx.com/zhuanli/20240730/195888.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表