CN110837563A - 案件的裁判方法、装置和*** - Google Patents
案件的裁判方法、装置和*** Download PDFInfo
- Publication number
- CN110837563A CN110837563A CN201810943326.6A CN201810943326A CN110837563A CN 110837563 A CN110837563 A CN 110837563A CN 201810943326 A CN201810943326 A CN 201810943326A CN 110837563 A CN110837563 A CN 110837563A
- Authority
- CN
- China
- Prior art keywords
- result
- case
- information
- evidence
- evidence information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 142
- 238000012545 processing Methods 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 34
- 238000012790 confirmation Methods 0.000 claims description 31
- 238000005516 engineering process Methods 0.000 claims description 21
- 230000004913 activation Effects 0.000 claims description 15
- 238000007418 data mining Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 abstract description 29
- 230000015654 memory Effects 0.000 description 22
- 238000000605 extraction Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000012015 optical character recognition Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请公开了一种案件的裁判方法、装置和***。其中,该方法包括:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。本申请解决了由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
Description
技术领域
本发明涉及法律领域,具体而言,涉及一种案件的裁判方法、装置和***。
背景技术
随着互联网的发展,各种设备均实现了智能化,为人们的生活和工作带来了许多便利。其中,智能司法***或者互联网法院等智能***通过OCR(Optical CharacterRecognition,光学字符识别)技术将纸张或图片形式的信息转换为文字消息,并将抽取到的多个文字消息进行信息结构化处理,进而使用户(例如,法官)通过互联网即可完成交易纠纷、知识产权类按键的诉讼等,从而降低了法律工作者的工作任务,提高了法律工作者的工作效率。
然而,现有的智能司法***或互联网法院等智能***,当需要对原告或被告提供的证据材料进行真实性、关联性和合法性的认定时,需要法律工作者人为认定,无法自动对原告或被告提供的证据材料进行认定。另外,在人工对证据材料进行认定的过程中,法律工作者需要通过从多个方面对证据材料进行认定,认定过程费时费力。此外,人工认定的方式可能存在遗漏的现象,无法对证据材料进行准确认定。而证据材料的认定是否准确,关乎案件的裁判结果是否准确。
针对上述由于无法对证据材料进行准确认定导致案件的裁判结果不准确的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种案件的裁判方法、装置和***,以至少解决由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
根据本发明实施例的一个方面,提供了一种案件的裁判方法,包括:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
根据本发明实施例的另一方面,还提供了一种案件的裁判方法,包括:显示待裁判案件的证据信息;显示基于预先构建的法律知识图谱对证据信息得到的第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;输出与第二认定结果对应的待裁判案件的裁判结果,其中,第二认定结果为目标对象针对第一认定结果输入的反馈信息。
根据本发明实施例的另一方面,还提供了一种案件的裁判方法,包括:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;接收目标对象针对第一认定结果输入的反馈信息,并基于反馈信息确定第二认定结果;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。
根据本发明实施例的另一方面,还提供了一种案件的裁判方法,包括:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;接收目标对象针对第一认定结果输入的第二认定结果;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。
根据本发明实施例的另一方面,还提供了一种案件的裁判装置,包括:获取模块,用于获取待裁判案件的证据信息;认定模块,用于基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;生成模块,用于根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
根据本发明实施例的另一方面,还提供了一种案件的裁判装置,包括:第一显示模块,用于显示待裁判案件的证据信息;第二显示模块,用于显示基于预先构建的法律知识图谱对证据信息得到的第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;输出模块,用于输出与第二认定结果对应的待裁判案件的裁判结果,其中,第二认定结果为目标对象针对第一认定结果输入的反馈信息。
根据本发明实施例的另一方面,还提供了一种案件的裁判***,包括:输入装置,用于获取待裁判案件的证据信息;处理器,用于基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;显示器,用于显示待裁判案件的证据信息以及待裁判案件的裁判结果,第二认定结果为目标对象针对第一认定结果输入的反馈信息。
根据本发明实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行如下步骤:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
根据本发明实施例的另一方面,还提供了一种计算设备,包括处理器,该处理器用于运行程序,其中,程序运行时执行如下步骤:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
在本发明实施例中,采用基于法律知识图谱的处理方式,在得到待裁判案件的证据信息之后,审判***基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。其中,第一认定结果表征证据信息是否被采用,第二认定结果为第一对象针对第一认定结果输入的反馈信息,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
在上述过程中,基于预先构建的法律知识图谱对待裁判案件的证据信息进行分析处理,即可自动得到对待裁判案件的证据信息的第一认定结果,在整个过程中无需人工参与,提高了证据信息的认定效率。另外,为了提高证据信息的准确性,在得到第一认定结果之后,目标对象还输入针对第一认定结果的反馈信息,以确定第一认定结果或对第一认定结果进行修正。
由此可见,通过本申请的上述方案可以得到准确的证据信息,保证了待裁判案件的裁判结果的准确性,进而解决了由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种用于实现案件的裁判方法的计算机终端(或移动设备)的硬件结构框图;
图2是根据本申请实施例的一种可选的审判***的结构示意图;
图3是根据本申请实施例的一种案件的裁判方法的流程图;
图4是根据本申请实施例的一种可选的法律知识图谱的示意图;
图5是根据本申请实施例的一种可选的法律知识图谱的示意图;
图6是根据本申请实施例的一种可选的法律知识图谱的示意图;
图7是根据本申请实施例的一种可选的审判***的显示界面的示意图;
图8是根据本申请实施例的一种可选的法律知识图谱的示意图;
图9是根据本申请实施例的一种案件的裁判方法的流程图;
图10是根据本申请实施例的一种案件的裁判方法的流程图;
图11是根据本申请实施例的一种案件的裁判方法的流程图;
图12是根据本申请实施例的一种案件的裁判装置的结构示意图;
图13是根据本申请实施例的一种案件的裁判装置的结构示意图;以及
图14是根据本申请实施例的一种计算设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本申请实施例,还提供了一种案件的裁判方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现案件的裁判方法的计算机终端(或移动设备)的硬件结构框图。如图1所示,计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的案件的裁判方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的案件的裁判方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Control ler,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
此处,需要说明的是,在一些可选实施例中,上述图1所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是,图1仅为特定具体实例的一个实例,并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
在上述运行环境下,本申请构建了如图2所示的审判***的结构示意图,由图2可知,本申请的审判***主要包括六个模块,分别为信息抽取模块、知识图谱构建模块、证据认定模块、裁判推理模块、反馈模块以及结果生成模块。其中,信息抽取模块用于为知识图谱构建模块以及证据认定模块提供数据源;知识图谱构建模块用于构建法律知识图谱;证据认定模块用于对证据信息进行认定;裁判推理模块,用于根据用户对裁判结果的反馈信息以及证据认定模块的认定结果生成待裁判案件的裁判结果;反馈模块用于接收用户针对证据信息的认定结果和/或待裁判案件的裁判结果反馈是否采用的信息;结果生成模块用于根据证据认定模块的认定结果以及裁判推理模块的推理结果生成待裁判案件的裁判结果和/或生成裁判文书。
需要说明的是,由图2可知,知识图谱构建模块可作为其他模块的依托,为提取客观事实要素的要素提取模块提供要素依据,同时,知识图谱构建模块还对各个事实要素间的关系进行描述以实现自动裁判的逻辑推理。而反馈模块可作为证据信息的认定结果以及案件的裁判结果的校正,对法律知识图谱进行扩充。
此外,还需要说明的是,本申请提供了如图3所示的案件的裁判方法,该方法可以在审判***中执行,其中,该审判***可以为安装在实体设备(例如,电脑)上的应用平台,也可以为云端服务器上的应用平台。图3是根据本申请实施例的案件的裁判方法的流程图,由图3可知,案件的裁判方法可以包括:
步骤S302,获取待裁判案件的证据信息。
需要说明的是,待裁判案件的证据信息在不同的案件类型中所包含的信息可能不同,例如,在交易类的案件中,待裁判案件的证据信息可以为但不限于交易订单信息、交易快照、交易日志。另外,证据信息的类型可以包括但不限于文本、图片、语音、视频等。
在审判***为云端服务器上的应用平台的场景中,法律工作者可将待裁判案件的证据材料输入客户端,并在客户端上显示输入的证据材料。然后,在得到证据材料之后,客户端将证据材料发送至云端服务器,云端服务器中的审判***提取证据材料中的证据信息,并对证据信息进行认定,然后将对证据信息的认定结果返回至客户端。
在一种可选的方案中,审判***中具有OCR文字识别软件,该软件可将纸张或图片上的信息转换成文字。在得到用户上传的证据材料之后,审判***使用OCR文字识别软件将证据材料转换成计算机可识别的文字或者字符,并从计算机可识别的文字或者字符提取证据信息。
在另一种可选的方案中,审判***还具有输入设备,该输入设备可以为但不限于语音输入设备、图像输入设备、文字输入设备。具体的,用户通过输入设备将待裁判案件的证据信息输入至审判***中,例如,用户通过键盘将证据材料中的内容直接输入至审判***中,或者,用户通过语音对证据材料中的内容进行朗读,审判***可接收到用户的语音,并将接收到的语音进行转换,进而使得计算机对转换后的证据材料进行处理。
步骤S304,基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
可选的,如图4所示的一种可选的法律知识图谱的示意图,在图4中,“原告在法院的诉讼次数”、“原告在互联网法院诉讼次数”以及“是否原告滥诉”为要素,“是否原告自认滥诉”、“是否被告举证原告自认滥诉”、“是否在法院诉讼3次以上”、“是否在互联网法院诉讼3次以上”为判别要点,“或”为逻辑门。
需要说明的是,法律知识图谱的构成主要包括:
(1)实体。在本申请中,法律知识图谱的实体主要包括客观事实要素、法律要素。如图4所示的一种可选的法律知识图谱的示意图,在图4中,客观事实要素为“原告在法院的诉讼次数”以及“原告在互联网法院诉讼次数”,法律要素为“是否原告滥诉”。
(2)关系。在本申请中,法律知识图谱的关系可以指属性关系、逻辑关系。例如,图4中,各个法律要素之间的关系为“或”关系。
(3)三元组。在申请中主要包括以下三种:“客观事实要素-属性关系-客观事实要素”(例如,“原告-属性关系-身份证号”),“客观事实要素-逻辑关系-法律要素”(例如,“商品描述-逻辑关系-是否宣传有医疗效果”),“法律要素-逻辑关系-法律要素”(例如,“是否虚构原价-逻辑关系-是否折扣价格错误”)。
需要说明的是,基于图4所示的法律知识图谱可以得到原告是否滥诉的认定结果。类似的,对于证据信息的认定也可以采用法律知识图谱的形式,如图5和图6所示的一种可选的法律知识图谱,其中,图5和图6示出了基于法律知识图谱的证据信息的认定过程。由图5和图6可知,基于法律知识图谱的证据信息的认定方式主要是对证据信息的真实性、关联性和合法性进行认定。
另外,在根据法律知识图谱得到证据信息的第一认定结果之后,在审判***的显示界面中将显示第一认定结果。可选的,如图7所示的显示界面,在图7中,图标A表示采信该认定结果,图标B表示不采信该认定结果。
此外,还需要说明的是,步骤S304中得到的认定结果(即第一认定结果)为审判***对证据信息自动识别出的认定结果。由于审判***对证据信息的识别结果可能存在偏差,因此,在得到第一认定结果之后,可由用户(例如,法律工作者)对第一认定结果进行校正,此时,审判***执行步骤S306。
步骤S306,根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
需要说明的是,第一对象为对待裁判案件进行审判的法律工作者,可选的,第一对象可以为法官。
可选的,仍以图7为例进行说明,在审判***对证据信息进行识别得到第一认定结果之后,用户可根据审判***显示的认定结果进行校正,例如,图7中,审判***认定采用证据1,而不采用证据2,用户在图7所示的界面中点击证据1对应的采信控件C,表示采用审判***的第一认定结果;同时用户点击证据2对应的不采信控件D,表示不采用审判***的第一认定结果。
在确定了证据信息之后,审判***根据确定的证据信息对待裁判案件进行审判,得到审判结果,并在审判***的显示界面上显示审判结果。
基于上述步骤S302至步骤S306所限定的方案,可以获知,采用基于法律知识图谱的处理方式,在得到待裁判案件的证据信息之后,审判***基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。其中,第一认定结果表征证据信息是否被采用,第二认定结果为第一对象针对第一认定结果输入的反馈信息,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
容易注意到的是,基于预先构建的法律知识图谱对待裁判案件的证据信息进行分析处理,即可自动得到对待裁判案件的证据信息的第一认定结果,在整个过程中无需人工参与,提高了证据信息的认定效率。另外,为了提高证据信息的准确性,在得到第一认定结果之后,第一对象还输入针对第一认定结果的反馈信息,以确定第一认定结果或对第一认定结果进行修正。
由此可见,通过本申请的上述方案可以得到准确的证据信息,保证了待裁判案件的裁判结果的准确性,进而解决了由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
需要说明的是,在对证据信息进行认定之前,首先信息抽取模块需要获取待裁判案件的证据信息。可选的,信息抽取模块可通过如下两种方式中的任意一种来获取待裁判案件的证据信息。
方式一:从待裁判案件的法律资料中提取证据信息。具体的,信息抽取模块获取待裁判案件的法律资料,并根据待裁判案件的法律资料确定待裁判案件的证据信息。其中,法律资料包括如下至少之一:起诉书、答辩书、交易信息;例如,信息抽取模块从起诉书中抽取原被告信息,从证据交易日志中抽取是否退款、是否保留追偿权利,从证据商品信息中抽取折扣价格、实际价格等。
方式二:基于数据挖掘技术获取证据信息。具体的,信息抽取模块基于数据挖掘技术获取第二对象的用户画像,并根据用户画像确定待裁判案件的证据信息。例如,信息抽取模块从多个购物终端(例如,京东购物终端)中挖掘出用户历史的投诉次数。其中,在该方式中,第二对象为待裁判案件的涉案对象,例如,原告、被告。
此外,还需要说明的是,提取证据信息的方式包括但不限于上述两种方式。另外,在本申请中,还可基于不同类型的证据材料采用不同的方式提取证据信息。可选的,对于较为模式化的证据材料,例如交易日志的截图、罚单等,可通过OCR技术提取文字信息,并在提取文字消息之后,通过正则表达式提取证据信息;而对于其他不规则的证据材料,例如借条、食品包装截图等,仅通过审判***的自动抽取可能存在抽取不准确的问题,因此,需要人工对证据信息进行抽取,或者使用主动式学习(Active Learning)的方式对证据信息进行提取。
另外,在获取到待裁判案件的证据信息之后,证据认定模块可基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,但在此之前,知识图谱构建模块需要构建法律知识图谱。其中,法律知识图谱的构建方法可以包括:
步骤S402,确定案件的类型;
步骤S404,提取案件中每个案件的至少一个客观事实要素;
步骤S406,获取第一对象建立的每个客观事实要素与法律要素之间的关联关系;
步骤S408,基于至少一个客观事实要素、至少一个法律要素、至少一个客观事实要素与至少一个法律要素之间的关联关系创建法律知识图谱。
需要说明的是,法律知识图谱中的要素包括至少一个客观事实要素以及至少一个法律要素。另外,不同类型的案件所对应的法律知识图谱也是不同的。另外,本申请中的在构建法律知识图谱的过程中,根据案件审判的逻辑,将待裁判案件的要素分为客观事实实体和法律事实实体,并通过法律知识图谱实现两者之间的映射关系,进而根据法律知识图谱中两者之间的映射关系得到待裁判案件的裁判结果。另外,在本申请中,法律知识图谱中除了包含传统的知识图谱通常定义的实体之间的属性关系,例如,“原告-属性关系-身份证号”、“原告-属性关系(雇佣关系)-原告律师”之外,还定义了逻辑关系,用于描述客观事实要素向法律要素的转化关系,例如,图5中的“证据内容-认定关系-是否确认检测/鉴定报告”。
在一种可选的方案中,审判***通过大数据技术结合机器学习对种子知识库进行扩充,创建法律知识图谱,其中,种子知识库包括:第一对象建立的每个客观事实要素、每个客观事实要素对应的法律要素、每个客观事实要素与法律要素之间的关联关系。
需要说明的是,由于本申请是基于法律知识图谱确定证据信息的认定结果,进而根据证据信息的认定结果来确定待裁判案件的裁判结果,因此,为了保证待裁判案件的裁判结果的准确性,需要对种子知识库不断进行扩充,进而完成对法律知识图谱的创建以及扩充。
进一步地,在法律知识图谱创建完成之后,审判***可基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,具体方法如下:
步骤S3040,确定证据信息对应的证据类型;
步骤S3042,获取与证据类型对应的法律知识图谱;
步骤S3044,基于与证据类型对应的法律知识图谱对证据信息的特性进行认定,得到第一认定结果,其中,证据信息的特征包括:真实性、关联性和合法性。
需要说明的是,为了保证认定证据信息的准确性,对于不同类型的证据信息采用不同的法律知识图谱。例如,对于买卖家双方的名称、记录、手机号码、账号等证据可采用如图5所示的法律知识图谱进行证据认定;而对于交易快照、商品名称、样品名称以及订单创建时间等证据可采用如图6所示的法律知识图谱进行证据认定。
另外,对证据信息的认定过程其实质是对证据信息的三性(即真实性、关联性和合法性)的认定过程,只有在证据信息符合三个特征的情况下,证据认定模块才确定采用该证据信息,否则不采用该证据信息。
为了保证证据信息的认定结果的准确性,在得到了审判***对证据信息的第一认定结果之后,反馈模块还可接收用户对第一认定结果的反馈信息,即第二认定结果,并根据第二认定结果所确定的证据信息生成裁判结果。具体步骤可以包括:
步骤S3060,获取法律知识图谱;
步骤S3062,基于待裁判案件的案件信息中的诉求内容,确定待裁判案件在法律知识图谱中对应的激活区域,其中,案件信息至少包括第二认定结果确定的证据信息;
步骤S3064,在激活区域内,使用不确定性推理技术处理案件信息,得到裁判结果。
需要说明的是,在步骤S3062中,法律知识图谱中的激活区域包含多个有效节点,其中,有效节点对应待裁判案件的有效案件信息,例如,原告提供了证据1,并且证据1可被采纳,则证据1在法律知识图谱中的节点为有效节点,如图8中的黑色节点;如果原告提供了证据2,但证据2不被采纳,则证据2在法律知识图谱中的节点为无效节点,如图8中的白色节点。需要说明的是,图8示出了一种可选的法律知识图谱的示意图,根据图8所示的法律知识图谱得到的推理结果为退还货款或三倍赔偿。
可选的,使用不确定性推理技术处理案件信息以得到裁判结果的方式可以包括但不限于以下两种方式。
其中,第一种方式是基于法律知识图谱的关联关系的方向性来得到裁判结果的,相关步骤可以包括:
步骤S30,基于法律知识图谱中多个节点之间的关联信息和方向信息,将案件信息在法律知识图谱中进行遍历,获取用于指向案件信息对应的裁判结果的节点;
步骤S32,将获取到的节点所指向的裁判结果作为裁判结果。
具体的,由于法律知识图谱中多个节点之间的关联关系(例如,逻辑关系)具有方向性,因此,裁判推理模块可按照法律知识图谱中的逻辑推理规则沿着逻辑关系方向在法律知识图谱中进行遍历,直至指向裁判结果的节点为止,并将该节点的裁判结果作为最终的裁判结果,如在图8中的节点S为指向裁判结果的节点,节点S的裁判结果“三倍赔偿”作为最终的裁判结果。
第二种方式是基于图谱向量化来得到裁判结果的,相关步骤可以包括:
步骤S40,对法律知识图谱中的每个节点进行向量化处理,得到基于向量化表示的法律知识图谱;
步骤S42,在基于向量化表示的法律知识图谱上,基于案件信息在法律知识图谱上进行随机行走,确定每个行走到的节点对应的概率值;
步骤S44,在行走到的节点的概率值大于预设概率的情况下,继续行走下一个节点,直至获取到用于表示裁判结果的节点。
可选的,裁判推理模块逻辑推理模块可按照法律知识图谱中的逻辑推理规则,沿着逻辑关系方向进行逻辑图上的遍历,计算每个节点对应的概率值,并比较该节点的概率值与预设概率值的大小,例如,节点1对应的概率值为80%,而预设概率值为90%,节点1的概率值小于预设概率值,则裁判推理模块不采用节点1所对应的内容对待裁判案件进行裁判,并且不再对节点1的下一个节点进行遍历。如果节点2对应的概率值为95%,而预设概率值为90%,节点2的概率值大于预设概率值,则裁判推理模块采用节点2所对应的内容对待裁判案件进行裁判,并且继续对节点2的下一个节点进行遍历。
需要说明的是,由于证据信息的不规则性以及自然语言中语义的模糊性,客观事实要素的抽取和理解可能会偏差,从而导致映射的法律要素出现错误,进而影响最终案件的裁判结果。而反馈模块可对待裁判案件的裁判结果进行校正,以保证裁判结果的准确性。其中,裁判结果的校正方法可以包括:
步骤S50,接收第一对象针对裁判结果的反馈信息;
步骤S52,根据裁判结果的反馈信息对待裁判案件的裁判结果进行调整。
在一种可选的方案中,第一对象(即用户)对裁判结果进行分析,可通过删除、增加或修改案件信息的方式输入反馈信息,其中,反馈信息的输入方式可以为但不限于文字、图片、语音、视频的方式。例如,对于交通事故案件类,用户将“处罚种类与被告的处罚权匹配”修改为“处罚种类与被告的处罚权不匹配”,裁判结果可能由“执行行政处罚”修改为“撤销行政处罚”。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的案件的裁判方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
实施例2
根据本申请实施例,还提供了一种案件的裁判方法实施例,其中,图9示出了案件的裁判方法的流程图,如图9所示,该方法包括:
步骤S902,显示待裁判案件的证据信息。
需要说明的是,待裁判案件的证据信息在不同的案件类型中所包含的信息可能不同,例如,在交易类的案件中,待裁判案件的证据信息可以为但不限于交易订单信息、交易快照、交易日志。另外,证据信息的类型可以包括但不限于文本、图片、语音、视频等。
具体的,用户通过审判***的输入设备可将待裁判案件的证据信息输入至审判***中,审判***在得到证据信息之后,在显示界面上显示证据信息。其中,在显示界面上,证据信息的形式可以为文本、图片、视频等形式。当用户通过审判***的显示界面点击证据信息时,用户可查看证据信息的详细内容。
步骤S904,显示基于预先构建的法律知识图谱对证据信息得到的第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
可选的,图5和图6示出了一种可选的法律知识图谱,其中,图5和图6示出了基于法律知识图谱的证据信息的认定过程。由图5和图6可知,基于法律知识图谱的证据信息的认定方式主要是对证据信息的真实性、关联性和合法性进行认定。
另外,在根据法律知识图谱得到证据信息的第一认定结果之后,在审判***的显示界面中将显示第一认定结果。可选的,如图7所示的显示界面,在图7中,图标A表示采信该认定结果,图标B表示不采信该认定结果。
此外,还需要说明的是,步骤S904中得到的认定结果(即第一认定结果)为审判***对证据信息自动识别出的认定结果。由于审判***对证据信息的识别结果可能存在偏差,因此,在得到第一认定结果之后,可由用户(例如,法律工作者)对第一认定结果进行校正。
步骤S906,输出与第二认定结果对应的待裁判案件的裁判结果,其中,第二认定结果为目标对象针对第一认定结果输入的反馈信息。
需要说明的是,步骤S906中的目标对象与实施例1中的第一对象相同,可以为对待裁判案件进行审判的法律工作者,可选的,第一对象可以为法官。
可选的,仍以图7为例进行说明,在审判***对证据信息进行识别得到第一认定结果之后,用户可根据审判***显示的认定结果进行校正,例如,图7中,审判***认定采用证据1,而不采用证据2,用户在图7所示的界面中点击证据1对应的采信控件C,表示采用审判***的第一认定结果;同时用户点击证据2对应的不采信控件D,表示不采用审判***的第一认定结果。在确定了证据信息之后,审判***根据确定的证据信息对待裁判案件进行审判,得到审判结果,并在审判***的显示界面上显示审判结果。
基于上述步骤S902至步骤S906所限定的方案,可以获知,采用基于法律知识图谱的处理方式,在得到待裁判案件的证据信息之后,审判***基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。其中,第一认定结果表征证据信息是否被采用,第二认定结果为目标对象针对第一认定结果输入的反馈信息,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
容易注意到的是,基于预先构建的法律知识图谱对待裁判案件的证据信息进行分析处理,即可自动得到对待裁判案件的证据信息的第一认定结果,在整个过程中无需人工参与,提高了证据信息的认定效率。另外,为了提高证据信息的准确性,在得到第一认定结果之后,目标对象还输入针对第一认定结果的反馈信息,以确定第一认定结果或对第一认定结果进行修正。
由此可见,通过本申请的上述方案可以得到准确的证据信息,保证了待裁判案件的裁判结果的准确性,进而解决了由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
在一种可选的方案中,输出与第二认定结果对应的待裁判案件的裁判结果,可以包括:
步骤S9060,显示目标对象针对第一认定结果输入的第二反馈信息;
步骤S9062,显示与第二反馈信息对应的待裁判案件的裁判结果。
可选的,以图7为例进行说明,审判***对证据信息进行认定之后,在审判***的显示界面中显示对各个证据信息的第一认定结果,如图7中,审判***对证据1的认定结果为采用证据1,对证据2的认定结果为不采用证据2。用户通过点击反馈控件(包括采信控件和不采信控件)来输入第二反馈信息,如图7所示,用户采信审判***对证据1的认定结果,不采信审判***对证据2的认定结果。在审判***接收到用户输入的第二反馈信息之后,根据第二反馈信息确定对证据信息的最终认定结果,并根据最终的认定结果生成裁判结果,即根据证据1生成裁判结果,并在显示界面中显示最终的裁判结果。
在一种可选的方案中,在输出与第二认定结果对应的待裁判案件的裁判结果之后,用户还可对裁判结果进行校正,审判***显示最终的裁判结果,具体方法如下:
步骤S9080,显示目标对象针对裁判结果输入的第一反馈信息;
步骤S9082,显示与第一反馈信息对应的待裁判案件的裁判结果。
可选的,目标对象(即用户)对裁判结果进行分析,可通过删除、增加或修改案件信息的方式输入第一反馈信息,其中,第一反馈信息的输入方式可以为但不限于文字、图片、语音、视频的方式。例如,对于交通事故案件类,用户将“处罚种类与被告的处罚权匹配”修改为“处罚种类与被告的处罚权不匹配”,裁判结果可能由“执行行政处罚”修改为“撤销行政处罚”。在确定了裁判结果之后,在审判***的显示界面中显示最终的裁判结果。
实施例3
根据本申请实施例,还提供了一种案件的裁判方法实施例,其中,图10示出了案件的裁判方法的流程图,如图10所示,该方法包括:
步骤S1302,获取待裁判案件的证据信息。
需要说明的是,待裁判案件的证据信息在不同的案件类型中所包含的信息可能不同,例如,在交易类的案件中,待裁判案件的证据信息可以为但不限于交易订单信息、交易快照、交易日志。另外,证据信息的类型可以包括但不限于文本、图片、语音、视频等。
步骤S1304,基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
可选的,如图5和图6所示的一种可选的法律知识图谱,其中,图5和图6示出了基于法律知识图谱的证据信息的认定过程。由图5和图6可知,基于法律知识图谱的证据信息的认定方式主要是对证据信息的真实性、关联性和合法性进行认定。另外,在根据法律知识图谱得到证据信息的第一认定结果之后,在审判***的显示界面中将显示第一认定结果。可选的,如图7所示的显示界面,在图7中,图标A表示采信该认定结果,图标B表示不采信该认定结果。
此外,还需要说明的是,步骤S1304中得到的认定结果(即第一认定结果)为审判***对证据信息自动识别出的认定结果。由于审判***对证据信息的识别结果可能存在偏差,因此,在得到第一认定结果之后,可由用户(例如,法律工作者)对第一认定结果进行校正,此时,审判***执行步骤S1306。
步骤S1306,接收目标对象针对第一认定结果输入的反馈信息,并基于反馈信息确定第二认定结果。
需要说明的是,步骤S1306中的目标对象与实施例1中的第一对象相同,可以为对待裁判案件进行审判的法律工作者,可选的,第一对象可以为法官。
可选的,仍以图7为例进行说明,在审判***对证据信息进行识别得到第一认定结果之后,用户可根据审判***显示的认定结果进行校正,例如,图7中,审判***认定采用证据1,而不采用证据2,用户在图7所示的界面中点击证据1对应的采信控件C,表示采用审判***的第一认定结果,即第二认定结果为采用证据1;同时用户点击证据2对应的不采信控件D,表示不采用审判***的第一认定结果,即第二认定结果为采用证据2。
步骤S1308,根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。
需要说明的是,根据第二认定结果可确定待裁判案件的证据信息。在确定了证据信息之后,审判***根据确定的证据信息对待裁判案件进行审判,得到审判结果,并在审判***的显示界面上显示审判结果。
基于上述步骤S1302至步骤S1308所限定的方案,可以获知,采用基于法律知识图谱的处理方式,在得到待裁判案件的证据信息之后,审判***基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果。然后接收目标对象针对第一认定结果输入的反馈信息,并基于反馈信息确定第二认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。其中,第一认定结果表征证据信息是否被采用,第二认定结果为目标对象针对第一认定结果输入的反馈信息,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
容易注意到的是,基于预先构建的法律知识图谱对待裁判案件的证据信息进行分析处理,即可自动得到对待裁判案件的证据信息的第一认定结果,在整个过程中无需人工参与,提高了证据信息的认定效率。另外,为了提高证据信息的准确性,在得到第一认定结果之后,目标对象还输入针对第一认定结果的反馈信息,以确定第一认定结果或对第一认定结果进行修正。
由此可见,通过本申请的上述方案可以得到准确的证据信息,保证了待裁判案件的裁判结果的准确性,进而解决了由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
实施例4
根据本申请实施例,还提供了一种案件的裁判方法实施例,其中,图11示出了案件的裁判方法的流程图,如图11所示,该方法包括:
步骤S1402,获取待裁判案件的证据信息。
需要说明的是,待裁判案件的证据信息在不同的案件类型中所包含的信息可能不同,例如,在交易类的案件中,待裁判案件的证据信息可以为但不限于交易订单信息、交易快照、交易日志。另外,证据信息的类型可以包括但不限于文本、图片、语音、视频等。
步骤S1404,基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
可选的,如图5和图6所示的一种可选的法律知识图谱,其中,图5和图6示出了基于法律知识图谱的证据信息的认定过程。由图5和图6可知,基于法律知识图谱的证据信息的认定方式主要是对证据信息的真实性、关联性和合法性进行认定。另外,在根据法律知识图谱得到证据信息的第一认定结果之后,在审判***的显示界面中将显示第一认定结果。可选的,如图7所示的显示界面,在图7中,图标A表示采信该认定结果,图标B表示不采信该认定结果。
此外,还需要说明的是,步骤S1404中得到的认定结果(即第一认定结果)为审判***对证据信息自动识别出的认定结果。由于审判***对证据信息的识别结果可能存在偏差,因此,在得到第一认定结果之后,可由用户(例如,法律工作者)对第一认定结果进行校正,此时,审判***执行步骤S1406。
步骤S1406,接收目标对象针对第一认定结果输入的第二认定结果。
需要说明的是,步骤S1406中的目标对象与实施例1中的第一对象相同,可以为对待裁判案件进行审判的法律工作者,可选的,第一对象可以为法官。
可选的,仍以图7为例进行说明,在审判***对证据信息进行识别得到第一认定结果之后,用户可根据审判***显示的认定结果进行校正,例如,图7中,审判***认定采用证据1,而不采用证据2,用户在图7所示的界面中点击证据1对应的采信控件C,表示采用审判***的第一认定结果,即第二认定结果为采用证据1;同时用户点击证据2对应的不采信控件D,表示不采用审判***的第一认定结果,即第二认定结果为采用证据2。
步骤S1408,根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。
需要说明的是,根据第二认定结果可确定待裁判案件的证据信息。在确定了证据信息之后,审判***根据确定的证据信息对待裁判案件进行审判,得到审判结果,并在审判***的显示界面上显示审判结果。
基于上述步骤S1402至步骤S1408所限定的方案,可以获知,采用基于法律知识图谱的处理方式,在得到待裁判案件的证据信息之后,审判***基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果。然后接收目标对象针对第一认定结果输入的第二认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。其中,第一认定结果表征证据信息是否被采用,第二认定结果为目标对象针对第一认定结果输入的反馈信息,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
容易注意到的是,基于预先构建的法律知识图谱对待裁判案件的证据信息进行分析处理,即可自动得到对待裁判案件的证据信息的第一认定结果,在整个过程中无需人工参与,提高了证据信息的认定效率。另外,为了提高证据信息的准确性,在得到第一认定结果之后,目标对象还输入针对第一认定结果的反馈信息,以确定第一认定结果或对第一认定结果进行修正。
由此可见,通过本申请的上述方案可以得到准确的证据信息,保证了待裁判案件的裁判结果的准确性,进而解决了由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
实施例5
根据本申请实施例,还提供了一种用于实施上述案件的裁判方法的案件的裁判装置,如图12所示,该装置100包括:获取模块1001、认定模块1003以及生成模块1005。
其中,获取模块1001,用于获取待裁判案件的证据信息;认定模块1003,用于基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;生成模块1005,用于根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
此处,需要说明的是,上述获取模块1001、认定模块1003以及生成模块1005对应于实施例1中的步骤S302至步骤S306,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,获取模块包括:第一获取模块以及第一确定模块。其中,第一获取模块,用于获取待裁判案件的法律资料,其中,法律资料包括如下至少之一:起诉书、答辩书、交易信息;第一确定模块,用于根据待裁判案件的法律资料确定待裁判案件的证据信息。
在一种可选的方案中,获取模块包括:第二获取模块以及第二确定模块。其中,第二获取模块,用于基于数据挖掘技术获取第二对象的用户画像;第二确定模块,用于根据用户画像确定待裁判案件的证据信息。
在一种可选的方案中,要素包括至少一个客观事实要素以及至少一个法律要素,其中,案件的裁判装置还包括:第三确定模块、提取模块、第三获取模块以及第一创建模块。其中,第三确定模块,用于确定案件的类型;提取模块,用于提取案件中每个案件的至少一个客观事实要素;第三获取模块,用于获取第一对象建立的每个客观事实要素与法律要素之间的关联关系;第一创建模块,用于基于至少一个客观事实要素、至少一个法律要素、至少一个客观事实要素与至少一个法律要素之间的关联关系创建法律知识图谱。
此处,需要说明的是,上述第三确定模块、提取模块、第三获取模块以及第一创建模块对应于实施例1中的步骤S402至步骤S408,四个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,第一创建模块包括:第二创建模块。其中,第二创建模块,用于通过大数据技术结合机器学习对种子知识库进行扩充,创建法律知识图谱,其中,种子知识库包括:第一对象建立的每个客观事实要素、每个客观事实要素对应的法律要素、每个客观事实要素与法律要素之间的关联关系。
在一种可选的方案中,认定模块包括:第四确定模块、第四获取模块以及第一处理模块。其中,第四确定模块,用于确定证据信息对应的证据类型;第四获取模块,用于获取与证据类型对应的法律知识图谱;第一处理模块,用于基于与证据类型对应的法律知识图谱对证据信息的特性进行认定,得到第一认定结果,其中,证据信息的特征包括:真实性、关联性和合法性。
此处,需要说明的是,上述第四确定模块、第四获取模块以及第一处理模块对应于实施例1中的步骤S3040至步骤S3044,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,生成模块包括:第五获取模块、第五确定模块以及第二处理模块。其中,第五获取模块,用于获取法律知识图谱;第五确定模块,用于基于待裁判案件的案件信息中的诉求内容,确定待裁判案件在法律知识图谱中对应的激活区域,其中,案件信息至少包括第二认定结果确定的证据信息;第二处理模块,用于在激活区域内,使用不确定性推理技术处理案件信息,得到裁判结果。
此处,需要说明的是,上述第五获取模块、第五确定模块以及第二处理模块对应于实施例1中的步骤S3060至步骤S3064,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,第二处理模块包括:第六获取模块以及第三处理模块。其中,第六获取模块,用于基于法律知识图谱中多个节点之间的关联信息和方向信息,将案件信息在法律知识图谱中进行遍历,获取用于指向案件信息对应的裁判结果的节点;第三处理模块,用于将获取到的节点所指向的裁判结果作为裁判结果。
此处,需要说明的是,上述第六获取模块以及第三处理模块对应于实施例1中的步骤S30至步骤S32,两个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,生成模块包括:第四处理模块、第六确定模块以及第五处理模块。其中,第四处理模块,用于对法律知识图谱中的每个节点进行向量化处理,得到基于向量化表示的法律知识图谱;第六确定模块,用于在基于向量化表示的法律知识图谱上,基于案件信息在法律知识图谱上进行随机行走,确定每个遍历到的节点对应的概率值;第五处理模块,用于在行走到的节点的概率值大于预设概率的情况下,继续行走下一个节点,直至获取到用于表示裁判结果的节点。
此处,需要说明的是,上述第四处理模块、第六确定模块以及第五处理模块对应于实施例1中的步骤S40至步骤S44,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,案件的裁判装置还包括:接收模块以及调整模块。其中,接收模块,用于接收第一对象针对裁判结果的反馈信息;调整模块,用于根据裁判结果的反馈信息对待裁判案件的裁判结果进行调整。
此处,需要说明的是,上述接收模块以及调整模块对应于实施例1中的步骤S50至步骤S52,两个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
实施例6
根据本申请实施例,还提供了一种用于实施上述案件的裁判方法的案件的裁判装置,如图13所示,该装置110包括:第一显示模块1101、第二显示模块1103以及输出模块1105。
其中,第一显示模块1101,用于显示待裁判案件的证据信息;第二显示模块1103,用于显示基于预先构建的法律知识图谱对证据信息得到的第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;输出模块1105,用于输出与第二认定结果对应的待裁判案件的裁判结果,其中,第二认定结果为目标对象针对第一认定结果输入的反馈信息。
此处,需要说明的是,上述第一显示模块1101、第二显示模块1103以及输出模块1105对应于实施例2中的步骤S902至步骤S906,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例二所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,案件的裁判装置还包括:第三显示模块以及第四显示模块。其中,第三显示模块,用于显示目标对象针对裁判结果输入的第一反馈信息;第四显示模块,用于显示与第一反馈信息对应的待裁判案件的裁判结果。
此处,需要说明的是,上述第三显示模块以及第四显示模块对应于实施例2中的步骤S9060至步骤S9062,两个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例二所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,输出模块包括:第五显示模块以及第六显示模块。其中,第五显示模块,用于显示目标对象针对第二认定结果输入的第二反馈信息;第六显示模块,用于显示与第二反馈信息对应的待裁判案件的裁判结果。
此处,需要说明的是,上述第五显示模块以及第六显示模块对应于实施例2中的步骤S9080至步骤S9082,两个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例二所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
实施例7
根据本申请实施例,还提供了一种用于实施案件的裁判方法的案件的裁判***,该***可执行实施例1至实施例4所提供的案件的裁判方法,该***包括:输入装置、处理器以及显示器。
其中,输入装置,用于获取待裁判案件的证据信息;处理器,用于基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门,第二认定结果为第一对象针对第一认定结果输入的反馈信息;显示器,用于显示待裁判案件的证据信息以及待裁判案件的裁判结果。
由上可知,采用基于法律知识图谱的处理方式,在得到待裁判案件的证据信息之后,审判***基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,并根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。其中,第一认定结果表征证据信息是否被采用,第二认定结果为第一对象针对第一认定结果输入的反馈信息,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门。
在上述过程中,基于预先构建的法律知识图谱对待裁判案件的证据信息进行分析处理,即可自动得到对待裁判案件的证据信息的第一认定结果,在整个过程中无需人工参与,提高了证据信息的认定效率。另外,为了提高证据信息的准确性,在得到第一认定结果之后,第一对象还输入针对第一认定结果的反馈信息,以确定第一认定结果或对第一认定结果进行修正。
由此可见,通过本申请的上述方案可以得到准确的证据信息,保证了待裁判案件的裁判结果的准确性,进而解决了由于无法对证据材料进行准确认定导致案件的裁判结果不准确的技术问题。
在一种可选的方案中,处理器可通过如下任意一种方式获取待裁判案件的证据信息。具体的,在方式一中,处理器获取待裁判案件的法律资料,并根据待裁判案件的法律资料确定待裁判案件的证据信息,其中,法律资料包括如下至少之一:起诉书、答辩书、交易信息;在方式二中,处理器基于数据挖掘技术获取第二对象的用户画像,并根据用户画像确定待裁判案件的证据信息。
需要说明的是,要素包括至少一个客观事实要素以及至少一个法律要素,其中,在基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果之前,处理器需要构建法律知识图谱。具体的,处理器确定案件的类型,并提取案件中每个案件的至少一个客观事实要素,然后获取第一对象建立的每个客观事实要素与法律要素之间的关联关系,并基于至少一个客观事实要素、至少一个法律要素、至少一个客观事实要素与至少一个法律要素之间的关联关系创建法律知识图谱。
其中,处理器可通过大数据技术结合机器学习对种子知识库进行扩充,以创建法律知识图谱,其中,种子知识库包括:第一对象建立的每个客观事实要素、每个客观事实要素对应的法律要素、每个客观事实要素与法律要素之间的关联关系。
在法律知识图谱创建之后,处理器可基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果。具体的,处理器首先确定证据信息对应的证据类型,然后获取与证据类型对应的法律知识图谱,并基于与证据类型对应的法律知识图谱对证据信息的特性进行认定,得到第一认定结果,其中,证据信息的特征包括:真实性、关联性和合法性。
进一步地,在得到了第一认定结果之后,处理器根据第二认定结果确定的证据信息生成待裁判案件的裁判结果。具体的,处理器首先获取法律知识图谱,然后基于待裁判案件的案件信息中的诉求内容,确定待裁判案件在法律知识图谱中对应的激活区域,并在激活区域内,使用不确定性推理技术处理案件信息,得到裁判结果,其中,案件信息至少包括第二认定结果确定的证据信息。
需要说明的是,处理器可通过如下两种方式在激活区域内,使用不确定性推理技术处理案件信息,得到裁判结果。
方式一:处理器基于法律知识图谱中多个节点之间的关联信息和方向信息,将案件信息在法律知识图谱中进行遍历,获取用于指向案件信息对应的裁判结果的节点,并将获取到的节点所指向的裁判结果作为裁判结果。
方式二:处理器对法律知识图谱中的每个节点进行向量化处理,得到基于向量化表示的法律知识图谱,然后在基于向量化表示的法律知识图谱上,基于案件信息在法律知识图谱上进行随机行走,确定每个行走到的节点对应的概率值;在行走到的节点的概率值大于预设概率的情况下,继续行走下一个节点,直至获取到用于表示裁判结果的节点。
需要说明的是,在根据第二认定结果确定的证据信息生成待裁判案件的裁判结果之后,处理器接收第一对象针对裁判结果的反馈信息,并根据裁判结果的反馈信息对待裁判案件的裁判结果进行调整。
在上述过程中,显示器可显示待裁判案件的证据信息以及显示基于预先构建的法律知识图谱对证据信息得到的第一认定结果,并输出与第二认定结果对应的待裁判案件的裁判结果。
另外,在输出与第二认定结果对应的待裁判案件的裁判结果之后,处理器还显示第一对象针对裁判结果输入的第一反馈信息以及与第一反馈信息对应的待裁判案件的裁判结果。
可选的,处理器还显示第一对象针对第二认定结果输入的第二反馈信息以及与第二反馈信息对应的待裁判案件的裁判结果。
实施例8
本申请的实施例可以提供一种计算设备,该计算设备可以是计算机终端群中的任意一个计算机终端设备。可选地,在本实施例中,上述计算设备也可以替换为移动终端等终端设备。
可选地,在本实施例中,上述计算设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中,上述计算设备可以执行案件的裁判方法中以下步骤的程序代码:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
可选地,图14是根据本申请实施例的一种计算设备的结构框图。如图14所示,该计算设备120可以包括:一个或多个(图中仅示出一个)处理器1202、存储器1204、以及传输装置1206。
其中,存储器可用于存储软件程序以及模块,如本申请实施例中的案件的裁判方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的案件的裁判方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算设备120。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
可选的,上述处理器还可以执行如下步骤的程序代码:获取待裁判案件的法律资料,其中,法律资料包括如下至少之一:起诉书、答辩书、交易信息;根据待裁判案件的法律资料确定待裁判案件的证据信息。
可选的,上述处理器还可以执行如下步骤的程序代码:基于数据挖掘技术获取第二对象的用户画像;根据用户画像确定待裁判案件的证据信息。
可选的,上述处理器还可以执行如下步骤的程序代码:确定案件的类型;提取案件中每个案件的至少一个客观事实要素;获取第一对象建立的每个客观事实要素与法律要素之间的关联关系;基于至少一个客观事实要素、至少一个法律要素、至少一个客观事实要素与至少一个法律要素之间的关联关系创建法律知识图谱。其中,要素包括至少一个客观事实要素以及至少一个法律要素。
可选的,上述处理器还可以执行如下步骤的程序代码:通过大数据技术结合机器学习对种子知识库进行扩充,创建法律知识图谱,其中,种子知识库包括:第一对象建立的每个客观事实要素、每个客观事实要素对应的法律要素、每个客观事实要素与法律要素之间的关联关系。
可选的,上述处理器还可以执行如下步骤的程序代码:确定证据信息对应的证据类型;获取与证据类型对应的法律知识图谱;基于与证据类型对应的法律知识图谱对证据信息的特性进行认定,得到第一认定结果,其中,证据信息的特征包括:真实性、关联性和合法性。
可选的,上述处理器还可以执行如下步骤的程序代码:获取法律知识图谱;基于待裁判案件的案件信息中的诉求内容,确定待裁判案件在法律知识图谱中对应的激活区域,其中,案件信息至少包括第二认定结果确定的证据信息;在激活区域内,使用不确定性推理技术处理案件信息,得到裁判结果。
可选的,上述处理器还可以执行如下步骤的程序代码:基于法律知识图谱中多个节点之间的关联信息和方向信息,将案件信息在法律知识图谱中进行遍历,获取用于指向案件信息对应的裁判结果的节点;将获取到的节点所指向的裁判结果作为裁判结果。
可选的,上述处理器还可以执行如下步骤的程序代码:对法律知识图谱中的每个节点进行向量化处理,得到基于向量化表示的法律知识图谱;在基于向量化表示的法律知识图谱上,基于案件信息在法律知识图谱上进行随机行走,确定每个行走到的节点对应的概率值;在行走到的节点的概率值大于预设概率的情况下,继续行走下一个节点,直至获取到用于表示裁判结果的节点。
可选的,上述处理器还可以执行如下步骤的程序代码:接收第一对象针对裁判结果的反馈信息;根据裁判结果的反馈信息对待裁判案件的裁判结果进行调整。
可选的,上述处理器还可以执行如下步骤的程序代码:显示待裁判案件的证据信息;显示基于预先构建的法律知识图谱对证据信息得到的第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;输出与第二认定结果对应的待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
可选的,上述处理器还可以执行如下步骤的程序代码:显示第一对象针对裁判结果输入的第一反馈信息;显示与第一反馈信息对应的待裁判案件的裁判结果。
可选的,上述处理器还可以执行如下步骤的程序代码:显示第一对象针对第二认定结果输入的第二反馈信息;显示与第二反馈信息对应的待裁判案件的裁判结果。
本领域普通技术人员可以理解,图14所示的结构仅为示意,计算设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(Mobi leInternet Devices,MID)、PAD等终端设备。图14其并不对上述电子装置的结构造成限定。例如,计算设备120还可包括比图14中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图14所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
实施例9
本申请的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于保存上述案件的裁判方法所执行的程序代码。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:获取待裁判案件的证据信息;基于预先构建的法律知识图谱对证据信息进行分析处理,得到第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;根据第二认定结果确定的证据信息生成待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:获取待裁判案件的法律资料,其中,法律资料包括如下至少之一:起诉书、答辩书、交易信息;根据待裁判案件的法律资料确定待裁判案件的证据信息。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:基于数据挖掘技术获取第二对象的用户画像;根据用户画像确定待裁判案件的证据信息。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:确定案件的类型;提取案件中每个案件的至少一个客观事实要素;获取第一对象建立的每个客观事实要素与法律要素之间的关联关系;基于至少一个客观事实要素、至少一个法律要素、至少一个客观事实要素与至少一个法律要素之间的关联关系创建法律知识图谱。其中,要素包括至少一个客观事实要素以及至少一个法律要素。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:通过大数据技术结合机器学习对种子知识库进行扩充,创建法律知识图谱,其中,种子知识库包括:第一对象建立的每个客观事实要素、每个客观事实要素对应的法律要素、每个客观事实要素与法律要素之间的关联关系。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:确定证据信息对应的证据类型;获取与证据类型对应的法律知识图谱;基于与证据类型对应的法律知识图谱对证据信息的特性进行认定,得到第一认定结果,其中,证据信息的特征包括:真实性、关联性和合法性。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:获取法律知识图谱;基于待裁判案件的案件信息中的诉求内容,确定待裁判案件在法律知识图谱中对应的激活区域,其中,案件信息至少包括第二认定结果确定的证据信息;在激活区域内,使用不确定性推理技术处理案件信息,得到裁判结果。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:基于法律知识图谱中多个节点之间的关联信息和方向信息,将案件信息在法律知识图谱中进行遍历,获取用于指向案件信息对应的裁判结果的节点;将获取到的节点所指向的裁判结果作为裁判结果。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:对法律知识图谱中的每个节点进行向量化处理,得到基于向量化表示的法律知识图谱;在基于向量化表示的法律知识图谱上,基于案件信息在法律知识图谱上进行随机行走,确定每个行走到的节点对应的概率值;在行走到的节点的概率值大于预设概率的情况下,继续行走下一个节点,直至获取到用于表示裁判结果的节点。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:接收第一对象针对裁判结果的反馈信息;根据裁判结果的反馈信息对待裁判案件的裁判结果进行调整。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:显示待裁判案件的证据信息;显示基于预先构建的法律知识图谱对证据信息得到的第一认定结果,其中,第一认定结果表征证据信息是否被采用,法律知识图谱至少包括:多个节点、多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;输出与第二认定结果对应的待裁判案件的裁判结果,其中,第二认定结果为第一对象针对第一认定结果输入的反馈信息。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:显示第一对象针对裁判结果输入的第一反馈信息;显示与第一反馈信息对应的待裁判案件的裁判结果。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:显示第一对象针对第二认定结果输入的第二反馈信息;显示与第二反馈信息对应的待裁判案件的裁判结果。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (20)
1.一种案件的裁判方法,其特征在于,包括:
获取待裁判案件的证据信息;
基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
根据第二认定结果确定的证据信息生成所述待裁判案件的裁判结果,其中,所述第二认定结果为第一对象针对所述第一认定结果输入的反馈信息。
2.根据权利要求1所述的方法,其特征在于,获取待裁判案件的证据信息,包括:
获取所述待裁判案件的法律资料,其中,所述法律资料包括如下至少之一:起诉书、答辩书、交易信息;
根据所述待裁判案件的法律资料确定所述待裁判案件的证据信息。
3.根据权利要求1所述的方法,其特征在于,获取待裁判案件的证据信息,包括:
基于数据挖掘技术获取第二对象的用户画像;
根据所述用户画像确定所述待裁判案件的证据信息。
4.根据权利要求1所述的方法,其特征在于,所述要素包括至少一个客观事实要素以及至少一个法律要素,其中,在基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果之前,所述方法还包括:
确定案件的类型;
提取案件中每个案件的至少一个客观事实要素;
获取所述第一对象建立的每个客观事实要素与法律要素之间的关联关系;
基于所述至少一个客观事实要素、所述至少一个法律要素、所述至少一个客观事实要素与所述至少一个法律要素之间的关联关系创建所述法律知识图谱。
5.根据权利要求4所述的方法,其特征在于,基于所述至少一个客观事实要素、所述至少一个法律要素、所述至少一个客观事实要素与所述至少一个法律要素之间的关联关系创建所述法律知识图谱包括:
通过大数据技术结合机器学习对种子知识库进行扩充,创建所述法律知识图谱,其中,所述种子知识库包括:所述第一对象建立的每个客观事实要素、每个客观事实要素对应的法律要素、每个客观事实要素与法律要素之间的关联关系。
6.根据权利要求5所述的方法,其特征在于,基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,包括:
确定所述证据信息对应的证据类型;
获取与所述证据类型对应的法律知识图谱;
基于与所述证据类型对应的法律知识图谱对所述证据信息的特性进行认定,得到所述第一认定结果,其中,所述证据信息的特征包括:真实性、关联性和合法性。
7.根据权利要求6所述的方法,其特征在于,根据第二认定结果确定的证据信息生成所述待裁判案件的裁判结果,包括:
获取所述法律知识图谱;
基于所述待裁判案件的案件信息中的诉求内容,确定所述待裁判案件在所述法律知识图谱中对应的激活区域,其中,所述案件信息至少包括所述第二认定结果确定的证据信息;
在所述激活区域内,使用不确定性推理技术处理所述案件信息,得到所述裁判结果。
8.根据权利要求7所述的方法,其特征在于,在所述激活区域内,使用不确定性推理技术处理所述案件信息,得到所述裁判结果,包括:
基于所述法律知识图谱中所述多个节点之间的关联信息和方向信息,将所述案件信息在所述法律知识图谱中进行遍历,获取用于指向所述案件信息对应的裁判结果的节点;
将获取到的节点所指向的裁判结果作为所述裁判结果。
9.根据权利要求7所述的方法,其特征在于,根据所述第二认定结果确定的证据信息生成所述待裁判案件的裁判结果,包括:
对所述法律知识图谱中的每个节点进行向量化处理,得到基于向量化表示的法律知识图谱;
在基于所述向量化表示的法律知识图谱上,基于所述案件信息在所述法律知识图谱上进行随机行走,确定每个行走到的节点对应的概率值;
在行走到的节点的概率值大于预设概率的情况下,继续行走下一个节点,直至获取到用于表示裁判结果的节点。
10.根据权利要求8或9所述的方法,其特征在于,在根据所述第二认定结果确定的证据信息生成所述待裁判案件的裁判结果之后,所述方法还包括:
接收所述第一对象针对所述裁判结果的反馈信息;
根据所述裁判结果的反馈信息对所述待裁判案件的裁判结果进行调整。
11.一种案件的裁判方法,其特征在于,包括:
显示待裁判案件的证据信息;
显示基于预先构建的法律知识图谱对所述证据信息得到的第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
输出与第二认定结果对应的所述待裁判案件的裁判结果,其中,所述第二认定结果为目标对象针对所述第一认定结果输入的反馈信息。
12.根据权利要求11所述的方法,其特征在于,在输出与所述第二认定结果对应的所述待裁判案件的裁判结果之后,所述方法还包括:
显示目标对象针对所述裁判结果输入的第一反馈信息;
显示与所述第一反馈信息对应的所述待裁判案件的裁判结果。
13.根据权利要求11所述的方法,其特征在于,输出与第二认定结果对应的所述待裁判案件的裁判结果,包括:
显示目标对象针对所述第一认定结果输入的第二反馈信息;
显示与所述第二反馈信息对应的所述待裁判案件的裁判结果。
14.一种案件的裁判方法,其特征在于,包括:
获取待裁判案件的证据信息;
基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
接收目标对象针对所述第一认定结果输入的反馈信息,并基于所述反馈信息确定第二认定结果;
根据所述第二认定结果确定的证据信息生成所述待裁判案件的裁判结果。
15.一种案件的裁判方法,其特征在于,包括:
获取待裁判案件的证据信息;
基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
接收目标对象针对所述第一认定结果输入的第二认定结果;
根据所述第二认定结果确定的证据信息生成所述待裁判案件的裁判结果。
16.一种案件的裁判装置,其特征在于,包括:
获取模块,用于获取待裁判案件的证据信息;
认定模块,用于基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
生成模块,用于根据第二认定结果确定的证据信息生成所述待裁判案件的裁判结果,其中,所述第二认定结果为第一对象针对所述第一认定结果输入的反馈信息。
17.一种案件的裁判装置,其特征在于,包括:
第一显示模块,用于显示待裁判案件的证据信息;
第二显示模块,用于显示基于预先构建的法律知识图谱对所述证据信息得到的第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
输出模块,用于输出与第二认定结果对应的所述待裁判案件的裁判结果,其中,所述第二认定结果为目标对象针对所述第一认定结果输入的反馈信息。
18.一种案件的裁判***,其特征在于,包括:
输入装置,用于获取待裁判案件的证据信息;
处理器,用于基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,并根据第二认定结果确定的证据信息生成所述待裁判案件的裁判结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门,所述第二认定结果为第一对象针对所述第一认定结果输入的反馈信息;
显示器,用于显示所述待裁判案件的证据信息以及所述待裁判案件的裁判结果。
19.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如下步骤:
获取待裁判案件的证据信息;
基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
根据第二认定结果确定的证据信息生成所述待裁判案件的裁判结果,其中,所述第二认定结果为第一对象针对所述第一认定结果输入的反馈信息。
20.一种计算设备,包括处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行如下步骤:
获取待裁判案件的证据信息;
基于预先构建的法律知识图谱对所述证据信息进行分析处理,得到第一认定结果,其中,所述第一认定结果表征所述证据信息是否被采用,所述法律知识图谱至少包括:多个节点、所述多个节点之间的关联关系和方向信息,每个节点用于表征如下之一:要素、判别要点以及逻辑门;
根据第二认定结果确定的证据信息生成所述待裁判案件的裁判结果,其中,所述第二认定结果为第一对象针对所述第一认定结果输入的反馈信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810943326.6A CN110837563B (zh) | 2018-08-17 | 2018-08-17 | 案件的裁判方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810943326.6A CN110837563B (zh) | 2018-08-17 | 2018-08-17 | 案件的裁判方法、装置和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110837563A true CN110837563A (zh) | 2020-02-25 |
CN110837563B CN110837563B (zh) | 2023-05-30 |
Family
ID=69573677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810943326.6A Active CN110837563B (zh) | 2018-08-17 | 2018-08-17 | 案件的裁判方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837563B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528036A (zh) * | 2020-11-30 | 2021-03-19 | 大连理工大学 | 一种面向证据关联分析的知识图谱自动构建方法 |
CN117035075A (zh) * | 2023-10-10 | 2023-11-10 | 人民法院信息技术服务中心 | 一种要素知识库的更新方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017076263A1 (zh) * | 2015-11-03 | 2017-05-11 | 中兴通讯股份有限公司 | 融合知识库处理方法和装置及知识库管理***、存储介质 |
CN107908671A (zh) * | 2017-10-25 | 2018-04-13 | 南京擎盾信息科技有限公司 | 基于法律数据的知识图谱构建方法及*** |
CN108038091A (zh) * | 2017-10-30 | 2018-05-15 | 上海思贤信息技术股份有限公司 | 一种基于图的裁判文书案件相似计算与检索方法及*** |
-
2018
- 2018-08-17 CN CN201810943326.6A patent/CN110837563B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017076263A1 (zh) * | 2015-11-03 | 2017-05-11 | 中兴通讯股份有限公司 | 融合知识库处理方法和装置及知识库管理***、存储介质 |
CN107908671A (zh) * | 2017-10-25 | 2018-04-13 | 南京擎盾信息科技有限公司 | 基于法律数据的知识图谱构建方法及*** |
CN108038091A (zh) * | 2017-10-30 | 2018-05-15 | 上海思贤信息技术股份有限公司 | 一种基于图的裁判文书案件相似计算与检索方法及*** |
Non-Patent Citations (2)
Title |
---|
"That certain something! Focusing on similarities reduces judgmental uncertainty" * |
张德;: "自然语言处理技术在司法过程中的应用研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528036A (zh) * | 2020-11-30 | 2021-03-19 | 大连理工大学 | 一种面向证据关联分析的知识图谱自动构建方法 |
CN112528036B (zh) * | 2020-11-30 | 2021-09-07 | 大连理工大学 | 一种面向证据关联分析的知识图谱自动构建方法 |
CN117035075A (zh) * | 2023-10-10 | 2023-11-10 | 人民法院信息技术服务中心 | 一种要素知识库的更新方法及装置 |
CN117035075B (zh) * | 2023-10-10 | 2024-01-12 | 人民法院信息技术服务中心 | 一种要素知识库的更新方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110837563B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104391934A (zh) | 数据校验方法和装置 | |
CN110009174A (zh) | 风险识别模型训练方法、装置及服务器 | |
US10678516B2 (en) | Chatbot builder user interface | |
CN112116008B (zh) | 基于智能决策的目标检测模型的处理方法、及其相关设备 | |
US20150339415A1 (en) | System and method for creating a simulation model via crowdsourcing | |
CN106874253A (zh) | 识别敏感信息的方法及装置 | |
US11226991B2 (en) | Interest tag determining method, computer device, and storage medium | |
CN104615760A (zh) | 钓鱼网站识别方法和*** | |
CN110634088A (zh) | 案件裁判方法、装置和*** | |
CN110858353B (zh) | 获取案件裁判结果的方法和*** | |
CN110837653A (zh) | 标签预测方法、装置以及计算机可读存储介质 | |
CN112131225B (zh) | 一种确定应用安装来源的方法、装置及溯源*** | |
CN110837563A (zh) | 案件的裁判方法、装置和*** | |
CN110837562B (zh) | 案件的处理方法、装置和*** | |
CN106294406A (zh) | 一种用于处理应用访问数据的方法与设备 | |
CN111611099A (zh) | 失联用户信息的修复方法、装置、设备及存储介质 | |
CN109857748B (zh) | 一种合同数据处理方法、装置及电子设备 | |
CN113435502B (zh) | 站点流量确定方法、装置、设备及存储介质 | |
Yang et al. | TAPESTRY: a de-centralized service for trusted interaction online | |
CN107679865B (zh) | 一种基于触压面积的身份验证方法和装置 | |
CN115328786A (zh) | 一种基于区块链的自动化测试方法、装置和存储介质 | |
CN106611100B (zh) | 一种用户行为分析方法和装置 | |
CN112749261B (zh) | 数据处理方法、事项受理方法和装置 | |
CN110838078B (zh) | 裁判结果的预警方法和*** | |
CN116226204A (zh) | 基于联合学习平台的场景确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |