[发明专利]一种基于大数据的案件自动处理方法、装置及终端设备

权利要求书

1.一种基于大数据的案件自动处理方法，其特征在于，该方法包括如下步骤：

步骤1，获取所有处理完结的历史案件，作为待匹配的历史案件，每个历史案件包括案件的案件描述和处理结果，对每个案件根据其案件描述和处理结果提取出多个关键词，并通过中文BERT模型计算得到每个关键词的词向量，把多个关键词的词向量取均值后得到该案件的中心思想向量；

步骤2，根据处理完结的历史案件对新案件进行粗排匹配；

对于一个新案件，首先从其案件描述中选取出多个关键词，并添加这多个关键词的近义词、同义词共同构成检索词集合W{w_1，w₂，……，w_n}，n为检索词的个数，通过中文BERT模型计算得到每个检索词的词向量，对每个检索词的词向量和所述中心思想向量做标准化处理，即用向量除以其向量的模长，从而保证标准化后向量模长都为1，记新案件检索词w_i的标准化词向量为A_i，某个历史案件中心思想标准化向量为B；

计算新案件与任一历史案件的粗排相似度，粗排相似度为新案件检索词的标准化词向量与某个历史案件中心思想标准化向量的内积平均值，即粗排相似度C为：

获取粗排相似度大于给定阈值的历史案件，选取粗排相似度值排名前N的历史案件作为粗排结果；

步骤3，获取粗排结果后，通过文本相似度匹配算法计算精排相似度，智能匹配到新案件的处理结果；

构建案件描述-案件描述匹配度模型和案件描述-处理方法匹配度模型，并对两个模型进行训练，两个模型的结构相同，均为BERT+二分类框架；

对案件描述-案件描述匹配度模型进行训练：

对任意两个历史案件，若两个案件的案件描述是同一事实，则认为这两个案件是可匹配的，否则认为是不可匹配的，从而获得训练样本；

训练过程为：将两个历史案件分别作为文本1和文本2，将这两个文本的每个字转换为字向量，输入BERT模型，将BERT模型最后一层的第一个[CLS]位置输出的向量，输入到线性二分类模型，得到具体的取值范围在0~1之间的匹配分值，当该匹配分值≥α时认为是匹配的，α∈[0.5，0.6]，否则认为是不匹配的，通过训练样本训练参数得到案件描述-案件描述匹配度模型Model1；

对案件描述-处理方法匹配度模型进行训练：

对任意两个历史案件，若两个案件的案件描述和处理方法是匹配的，则认为这两个案件是匹配的，否则认为是不匹配的，从而获得训练样本；

训练过程为：将一个案件描述和一个处理方法分别作为文本1和文本2，将这两个文本的每个字转换为字向量，输入BERT模型，将BERT模型最后一层的第一个[CLS]位置输出的向量，输入到线性二分类模型，得到具体的取值范围在0~1之间的匹配分值，当匹配分值≥β时认为是匹配的β∈[0.6，0.7]，否则认为是不匹配的，通过训练样本训练参数得到案件描述-处理方法匹配度模型Model2；

训练得到模型Model1和模型Model2后，对于新案件，依次与粗排结果中每个历史案件进行匹配度计算：对于一个历史案件H，将新案件的案件描述与历史案件H的案件描述拼接输入Model1得到匹配分值S1，将新案件的案件描述与历史案件H的处理方法拼接输入Model2得到匹配分值S2，则历史案件H与新案件的精排相似度S为：

其中X1，X2分别为匹配分值S1，匹配分值S2的权重，

依次计算新案件与粗排结果中每个历史案件的精排相似度，选取精排相似度最大的一个历史案件，以该精排相似度最大的历史案件的处理方法作为新案件的处理结果。

2.根据权利要求1所述的一种基于大数据的案件自动处理方法，其特征在于，还包括：当步骤1中获取处理完结的历史案件或步骤2中获取新案件时，若案件是文本输入的形式，则直接获取文本作为案件描述，若是pdf或图片的形式，则先通过图像识别获取文本作为案件描述。

3.根据权利要求1所述的一种基于大数据的案件自动处理方法，其特征在于，在模型Model2的训练样本获取过程中，还包括：若其他案件的处理方法同样适用于本案件，则认为本案件的案件描述和该处理方法是匹配的。