[发明专利]基于事件树分析的司法案件判别系统和方法

说明书

本发明提出了一种基于事件树分析的司法案件判别系统，包括法律文本采集模块、事件树构建模块、自动判别罪名模块和自动判别量刑模块；法律文本采集模块用于将诉讼用户提交的法律陈述文本信息转化为无噪声的文本数据；事件树构建模块用于将法律文本数据通过自然语言处理技术，转化为与两个实体相关联系的三元组信息，并通过树库形成时间顺序的法律事件树信息；自动判别罪名模块用于通过事件树相似匹配算法，给出自动判别罪名的结果；自动判别量刑模块用于以判别罪名为前提，继续通过事件树相似度匹配算法，给出自动判别量刑的结果。本发明的优点是能够帮助诉讼用户快速知道案件判别的初步结果，且能够辅佐法官进行最终案件的判别。

技术领域

本发明涉及一种基于事件树分析的司法案件判别系统和方法，具体的说是一种基于法律事件树的法律案件自动判别系统，能够帮助诉讼用户快速地了解整个案件判别的结果，包括最终的罪名和量刑，且该系统可以输出与诉讼用户自身最为相似的法律事件树，让诉讼用户更加了解法律案件判别的细节，属于司法智能技术领域。

背景技术

随着人工智能的快速发展，许多传统行业紧随着这一股浪潮进行了改革。司法智能就是法院在人工智能时代下的产物，司法智能能够帮助诉讼人在不具备专业的法律知识素养的前提下，直接了解与自身案情相关的种种结果，并且司法智能也能为法官、律师提供相似案件处理的结果，辅助法官、律师进行最后案件的评判。

案件自动判别是司法智能的一项子任务，案件判别旨在赋予计算机阅读法律文本和定量分析司法案例的能力，进而预测被告人的罪名。目前，案件自动判别较火的方式是使用深度学习的方式，该方式在大数据的基础上能够准确预测出结果，但是缺少可解释性。实际上使用深度学习相当于黑箱测试，使得得到的结果不具有可解释性，这样的结果对于诉讼用户来说往往是不能接受的，而对于法官来说，案件判别只给出了最终结果，不具备参考性。

发明内容

本发明所要解决的技术问题是，克服现有技术中当前案件自动判别中存在的不可解释性问题，而提供一种基于事件树分析的司法案件判别系统和方法，在为案件自动判别的同时，给出历史案件中最为相似的法律事件树，不仅可以为诉讼用户提供案件判别结果，还使其具有了可解释性。同时对于法官来说，可以为法官最终结果的判断提供参照。

本发明提供一种基于事件树分析的司法案件判别系统，包括法律文本采集模块、事件树构建模块、自动判别罪名模块和自动判别量刑模块；所述法律文本采集模块，用于将诉讼用户提交的法律陈述文本信息转化为无噪声的文本数据；

所述事件树构建模块，用于将法律文本数据通过自然语言处理技术，转化为与两个实体相关联系的三元组信息，并通过树库形成时间顺序的法律事件树信息；

所述自动判别罪名模块，用于通过事件树相似匹配算法，给出自动判别罪名的结果；

所述自动判别量刑模块，用于以判别罪名为前提，继续通过事件树相似度匹配算法，给出自动判别量刑的结果。

本发明提供了一种用于描述法律文书的法律事件树，通过对当前司法案件进行分析构建法律事件树，并将构建的事件树与历史司法案件的事件树进行比对，给出当前案件的司法判决参照，达到帮助律师和法官进行快速断案的效果。本发明的方法和系统通过司法案件的事件树比对技术，为司法人员提供快速的案件逻辑可视化效果和判案依据，该技术的实施能够大大提升我国司法办案效率。

本发明还提供了一种基于事件树分析的司法案件判别方法，包括以下步骤：

S100、采用法律文本采集模块将诉讼用户提交的法律陈述文本信息转化为无噪声的文本数据；转至步骤S200；

S200、事件树构建模块通过自然语言处理技术将法律文本数据转化为对每一句话中两个实体相关联系的三元组信息，并通过树库形成时间顺序的法律事件树信息；转至步骤S300；