[发明专利]诉讼风险评估方法、装置、电子设备及计算机可存储介质

说明书

本发明实施例公开了一种诉讼风险评估方法、装置、电子设备及计算机可存储介质，包括：获取待评估案由的程序要素文本和事实要素文本；根据所述程序要素文本和所述事实要素文本，获取评估输入量；将所述评估输入量输入预训练好的诉讼风险评估模型，输出所述待评估案由对应的风险评估结果；其中，所述预训练好的诉讼风险评估模型是基于训练样本集训练得到的，所述训练样本集中包括多个带有风险评估结果标签的评估输入量。通过将待评估案由程序要素文本和事实要素文本综合处理后作为输入量，输入至诉讼风险评估模型输出风险评估结果，进而完成对待评估案由的风险评估，由于在输入量中引入了实时要素，使得风险评估结果更准确，更全面。

技术领域

本发明实施例涉及计算机技术领域，具体涉及一种诉讼风险评估方法、装置、电子设备及计算机可存储介质。

背景技术

人工智能是通过研究、开发，来找到用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的综合性的科学技术。其表现为，让计算机系统通过机器学习等方式，来获得可以履行原本只有依靠我们人类的智慧才能胜任的复杂指令任务的才能。人工智能在上世纪五六十年代被正式提出，1950年，Marvin Lee Minsky建造了世界上第一台神经网络计算机，这也被看做是人工智能的一个起点。同年，被称为“计算机之父”的AlanMathison Turin提出了一个举世瞩目的想法——图灵测试，这被普遍认为是自然语言处理思想的开端。二十世纪七十年代以来，与空间技术、能源技术合称世界三大尖端技术。进入二十一世纪之后，仍与基因工程、纳米科学作为二十一世纪三大尖端技术被持续研究。

法律人工智能是人工智能的子领域，主要研究人工智能在法律信息中的应用，而计算法学是其中的核心。1949年，美国法学家洛文杰律师在《明尼苏达法律评论》上发表了《法律度量学：下一个前进步骤》一文，提出要用统计方法来测量证人、法官和立法者的行为。1956年，耶鲁大学法学院教授艾伦发表了《符号逻辑：一种起草与解释法律文件的锐利工具》，提出要用符号逻辑数学记号来起草和解释法律。1958年，梅尔在英国国家物理实验室举办的“思维过程机械化论坛”上发表了《法律世界的自动化：从法律信息机器处理到法律机器》一文。1970年，布坎南与海德里克在《斯坦福法律评论》上发表了《关于人工智能与法律推理的几点思考》的文章，第一次正式将“人工智能”与“法律推理”结合起来思考，这一文章的发表揭开了对法律推理进行人工智能研究的序幕。

2017年，名叫Case Cruncher Alpha的法律人工智能“机器律师”与伦敦的100名律师就“基于数百个PPI(付款保护保险)错误销售案例事实来判断索赔与否”的法律问题展开比赛，结果“机器律师”法律AI以86.6％的准确率领先于律师的66.3％。美国芝加哥的伊利诺理工大学与南德克萨斯法学院利用1791至2015年的美国最高法院数据库，合作开发了一种算法，该算法再现了从1816年到2015年美国最高法院法官的28000项决定和240000次投票，正确率分别达到70.2％和71.9％。而加州圣克鲁斯大数据创新企业Predpol所研发的犯罪预测软件，能够通过对犯罪历史数据的分析，逐个小时计算出哪里最可能发生犯罪活动。从理论上来说，警方只需经常在这些地区进行巡逻就可以提前阻止犯罪，圣克鲁斯、洛杉矶和亚特兰大等使用该软件的城市都降低了犯罪率。在保释与假释决定中，美国一些州法庭使用算法来确定被告的“风险程度”：从这个人会再次犯罪的可能性，到被告会如期出庭的可能性等各个因素，进而决定是否对其保释或假释。人工智能开始逐渐应用于法律裁判领域。

但是，目前的基于人工智能能的诉讼风险评估方法中，在获取评估模型的输入时，往往只考虑了程序要素，因此无法获取准确的诉讼风险评估结果，且获取到的风险评估结果往往不全面。

发明内容

为此，本发明实施例提供一种诉讼风险评估方法、装置、电子设备及计算机可存储介质，以解决现有技术中的上述问题。

为了实现上述目的，本发明实施例提供如下技术方案：

第一方面，本发明实施例提供了一种诉讼风险评估方法，包括：