[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

说明书

本发明公开了一种基于大数据的案件自动处理方法、装置及终端设备，该方法包括步骤1，获取所有处理完结的历史案件，作为待匹配的历史案件，并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；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。通过对新案件进行粗排匹配，和采用文本相似度匹配算法计算精排相似度，来智能获取新案件的处理结果，大大提高了案件处理的效率，节省了大量的人力物力。

技术领域

本发明涉及大数据案件处理和自然语言处理研究领域，具体涉及一种基于大数据的案件自动处理方法、装置及终端设备。

背景技术

目前的案件处理大多还是传统的人工处理，通过人工解决问题，然而由于中国人口基数大，社会问题复杂，使得案件总量多、涉及到的领域繁杂。工作人员需要根据自身的知识水平、专业积累以及工作经验提供解决方案，耗时耗力。工作人员需要根据案件文本，人工决定案件的大致类型，以及确定相应的解决策略，缺乏智能化的案件自动处理方法，进行对案件的自动处理。

发明内容

为了克服现有技术的不足，本发明提供了一种基于大数据的案件自动处理方法、装置及终端设备，通过对新案件进行粗排匹配，和采用文本相似度匹配算法计算精排相似度，来智能获取新案件的处理结果，大大提高了案件处理的效率，节省了大量的人力物力。技术方案如下：

第一方面，提供了一种基于大数据的案件自动处理方法，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：