[发明专利]一种基于关联图的法条推荐预测系统及方法

摘要

本申请提供一种基于关联图的法条推荐系统及方法，包括：获取案情描述、涉及法律的各法条及其间引用关系的获取模块，利用法条间引用关系构造关联图的关联图构造模块，构建学习模型、提取得到包含案情描述文本主要语义信息的语义提取模块，对应关联图中的每一个节点构造分类器预测节点对应法条标签为真的可能性以及该节点的下一步流向的分类器构造模块，利用深度学习的优化算法训练此由分类器构成的网状模型的训练模块。本系统应用于法条推荐任务，能够利用法条间引用关系进行多标签预测，提升法条推荐工作的准确率。

主权项

1.一种基于关联图的法条推荐预测系统，其特征在于，包括：获取模块，用于获取案情描述、相关法律的所有法条及法条间的引用关系；关联图构造模块，用于利用所述法条间的引用关系构造一个有向无环图作为关联图，图中每个节点表示一条法条，每条边表示法条间的引用关系，边的方向为引用关系的方向；语义提取模块，用于对案情描述构建学习模型进行特征的提取，得到包含主要语义信息的特征向量；分类器构造模块，包括标签预测单元和流向预测单元，对应所构造关联图中的每一个节点，构造一个分类器，标签预测单元对该节点对应的法条进行二分类，预测该法条与案情的相关性分数，若该节点有下游节点，流向预测单元对该节点下一步的流向进行预测，根据预测结果将法条与案情的相关性分数作为关联图中相应下游节点的分类器的输入，即，每个分类器的输入至少包括语义提取模块所提取的特征向量，且在关联图中上游节点对应的分类器有传入时，同时包括上游节点对应的分类器传入的输入；训练模块，待所有分类器构造完毕后，得到一个由分类器构成的网状模型，网状模型的每个分类器将对其对应法条进行预测，确定是否推荐该法条，训练模块用于计算网状模型整体的损失函数，并利用梯度反向传播方法等深度学习优化算法训练此模型，使模型根据训练数据调整参数，训练完毕后模型即可用于法条推荐工作。