[发明专利]一种基于马尔可夫逻辑网络的案件裁判结果预测方法

说明书

本发明涉及一种基于马尔可夫逻辑网络的案件裁判结果预测方法，包括：1建立案件裁判案例库；2.定义事实要素变量和结果要素变量以及它们之间的一阶逻辑关系形成一阶逻辑规则库；3.基于案例库和规则库抽取每个裁判文书中的事实要素变量的值和结果要素变量的值对，形成证据文件；4.基于规则库和证据文件建立马尔科夫逻辑网络并学习其中规则的权重；5对于用户输入的案件描述或者导入的裁判文书抽取其中的基于语义表达的事实要素变量的值，生成测试文件；6.使用测试文件在4中得到的马尔可夫逻辑网络中进行推理，生成裁判预测结果并展示给用户。本发明能够让法官及双方当事人对诉讼结果有着较准确及清晰的认识提高纠纷解决效率,解决法庭堵塞问题。

技术领域

本发明涉及法律人工智能领域，具体涉及一种基于马尔可夫逻辑网络的案件裁判结果预测方法。

背景技术

裁判结果预测是基于法律规定及大量以往案件信息与法律后果之间关系的科学分析,对未决案件法律后果的一种或然性推测。

2017年,路易·拉海-查内设计了一个离婚诉讼结果预测软件。该软件立足已公开的250余万份司法判决,并进行大数据处理,能较准确地演算出法国各地不同类型离婚案件诉讼结果的概率,包括子女抚养权、离婚补偿金数额等。例如,在雷恩,如果女方当事人存在通奸行为,有孩子需要抚养,那么有34％的概率获得离婚补偿金,赔偿金的数额在0.8万欧元到3.2万欧元之间。而且,所提供的情况越详细,演算的结果越精确,越接近司法实务的现实状况。

另外，立足大数据的人工智能裁判系统在美国早已有之。例如,美国兰德公司民事司法中心的沃特曼和彼得森曾设计了法律决策系统,主要用于产品侵权责任的预测,通过模拟既定规则的推理模式,可以较准确地比较过失和计算赔偿金。

裁判结果预测系统让法官及双方当事人对诉讼结果有着较准确及清晰的认识,可有效促成法庭调解,提高纠纷解决效率,在根本上解决时下日趋严重的法庭堵塞问题。

发明内容

1、所要解决的技术问题：

本发明要解决的主要问题是，对于用户给出的案件描述或者法官、律师导入的裁判文书，给出判决结果预测，具体地是给出案件结果要素的概率值。

2、技术方案：

一种基于马尔可夫逻辑网络的案件裁判结果预测方法，包括以下步骤：

步骤一：建立案件裁判案例库：获取已有的裁判文书，进行存储，从而形成案例库。

步骤二：建立一阶逻辑规则库：法律专家定义不同类型的案例中的事实要素变量和结果要素变量以及它们之间的一阶逻辑关系，形成一阶逻辑规则库；其中定义所述每个事实要素变量为案件事实陈述部分的关键因素的模式，以及可能的取值范围；所述每个结果要素变量为审判结果部分的关键因素的模式，以及可能的取值范围；在一个判决书中，所述事实要素变量与结果要素变量，体现为一个预设的具体数值，即分别为事实要素变量的值和结果要素变量的值。

步骤三：建立证据文件；基于案件裁判案例库和一阶逻辑规则库，抽取每个裁判文书中的事实要素变量值和结果要素变量值，并将抽取出的所有的事实要素变量的值和结果要素变量的值定义为事实要素变量的值和结果要素变量的值，形成证据文件，并保存在数据库中。

步骤四：基于所述一阶逻辑规则库和所述证据文件，建立马尔科夫逻辑网络并学习其中的规则权重。

步骤五：输入待预测的案件文本，所述待预测的案件文本包括事实要素变量；抽取出待预测的案件文本中的所有事实要素变量的值，并将抽取出的所有事实要素变量的值生成测试文件。

步骤六：将所述测试文件带入到在步骤四中得到的马尔可夫逻辑网络中进行推理，进而生成裁判预测结果，并展示给用户。

进一步地，所述步骤一中的裁判文书的获取方法为网络抓取、现有的文本案例库。