[发明专利]案件的预判方法、装置、电子装置和存储介质

权利要求书

1.一种案件的预判方法，其特征在于，所述预判方法包括：

获取待预判案件的起诉文本；

在所述起诉文本中抽取预设关键信息，并对所述关键信息进行数据处理，得到所述起诉文本对应的多条第一向量信息，其中，所述预设关键信息包括对所述案件进行判决所依据的法律事实及援引法条对应的文本信息，所述数据处理包括关键信息向量化；

利用已训练的案件预判模型处理多条所述第一向量信息，获得多条所述第一向量信息对应的第一分类标签，其中，所述已训练的案件预判模型被训练为用于根据起诉文本的向量信息得到与该起诉文本对应的分类标签，所述分类标签包括该起诉文本对应的法律事实类别及该法律事实所引用法条的引用准确率；

根据所述第一分类标签确定所述案件的预判结果。

2.根据权利要求1所述的案件的预判方法，其特征在于，所述第一分类标签包括第一法律事实类别和第一引用准确率，根据所述第一分类标签确定所述案件的预判结果包括：

在所述第一分类标签中检测每一条所述第一向量信息对应的所述第一法律事实类别和所述引用准确率；

将每个所述第一法律事实类别和所对应的所述第一引用准确率进行加权累乘，得到所述案件所对应的胜诉概率，其中，所述胜诉概率用于表征所述案件基于所述第一法律事实类别所对应的法律事实及所引用的法条进行起诉获胜的预判；

在多个所述胜诉概率中选取概率值最高的所述胜诉概率，并确定所述预判结果包括所述概率值最高的所述胜诉概率。

3.根据权利要求1所述的案件的预判方法，其特征在于，在所述起诉文本中抽取预设关键信息包括：

通过预设分词器对所述起诉文本进行分词处理，得到多个候选文本关键段落，其中，所述预设分词器包括jieba分词器；

根据预设关键词在多个所述候选文本关键段落中抽取目标文本关键段落；

在所述目标文本关键段落中检测候选法律事实和候选法条对应的第一文本，并通过预设词聚类模型处理所述第一文本，得到所述预设关键信息，其中，所述预设词聚类模型包括Word2Vec模型。

4.根据权利要求3所述的案件的预判方法，其特征在于，根据预设关键词在多个所述候选文本关键段落中抽取目标文本关键段落包括：

利用预设聚类匹配算法在所述候选文本关键段落中检测预设关键词，其中，所述预设聚类匹配算法包括字符串聚类匹配算法，所述预设关键词至少包括以下其中之一：事实、主张、法条、判决；

在所述候选文本关键段落中检测到所述预设关键词的情况下，确定所述候选文本关键段落为所述目标文本关键段落。

5.根据权利要求3所述的案件的预判方法，其特征在于，通过预设词聚类模型处理第一文本，得到所述预设关键信息包括：

对所述第一文本进行数据预处理，得到候选关键词，其中，所述数据预处理至少包括以下其中一种：词性标注、去重、去除无用符号、去除停用词；

遍历所述候选关键词，确定每个所述候选关键词与预设关键词样本库中的关键词样本的特征相似度，并选取所述特征相似度小于预设阈值的所述关键词样本作为所述第一文本对应的所述预设关键信息。

6.根据权利要求5所述的案件的预判方法，其特征在于，所述特征相似度是以欧式距离确定的；确定每个所述候选关键词与预设关键词样本库中的关键词样本的特征相似度，并选取所述特征相似度小于预设阈值的所述关键词样本作为所述第一文本对应的所述预设关键信息包括：

通过预设聚类算法计算每个所述候选关键词与预设关键词样本库中的关键词样本的欧式距离，其中，所述预设聚类算法包括K-Means聚类算法；

将与所述候选关键词的欧式距离小于预设距离的所述关键词样本作为所述第一文本对应的所述预设关键信息。