CN110895568A - 处理庭审记录的方法和*** - Google Patents

Abstract

本发明公开了一种处理庭审记录的方法和***。其中，该方法包括：获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。本发明解决了现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题。

Description

处理庭审记录的方法和***

技术领域

本发明涉及法律领域，具体而言，涉及一种处理庭审记录的方法和***。

背景技术

在一个全流程的审判流程中，分为庭前、庭审、庭后三个阶段。庭前需要经过原告提交起诉状和证据、立案审查、被告提交答辩状证据；庭审过程中法官会组织双方就争议焦点辩论，提交新的证据，甚至修改诉请；庭后法官会经过合议，完成判决书。现有的互联网法院模式，把审判的全流程在线上进行，所有的诉状、证据等相关文件都进行电子化、结构化的输入，以便算法进行信息抽取和审判推理。

互联网法院模式中，具有案件类型单一，庭审过程简易，庭审记录中的信息不丰富的缺陷。在将互联网法院的模式推广到传统审判的过程中，庭审前的相关文件和庭审后的相关文件是进行智能审判中重要的内容，且庭审记录是庭审过程中生成的非常复杂且重要的文件，在智能审判中是也非常重要的一个环节。

庭前的相关文件和庭后的相关文件都容易进行电子化和结构化的处理，但庭审记录却难以被准确的整理，其中一个重要的原因是，线下法院在庭审过程中，书记员会根据庭审过程做摘要记录，而线上的互联网法院以庭审过程录音录像作存档，没有书记员的庭审笔录摘要，而通过对录像中的语音进行语音转文字后，产生了大量无关的信息，从而导致难以向智能审判算法提供庭审记录中的有效且准确的内容。

针对现有技术中，难以获取线上互联网法庭的笔录摘要的问题，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处理庭审记录的方法和***，以至少解决现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题。

根据本发明实施例的一个方面，提供了一种处理庭审记录的方法，包括：获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

根据本发明实施例的另一方面，还提供了一种获取案件的裁判结果方法，包括：显示庭审过程中记录的庭审记录，其中，所述庭审记录包括至少一个主题模块，所述主题模块至少记录了所述庭审过程中不同庭审阶段所产生的法律信息；输出基于每个主题模块对应的信息抽取模型，从所述庭审记录中抽取得到每个主题模块的信息要素，其中，所述信息要素用于初始化法律知识图谱，所述信息抽取模型基于不同主题模块的标识信息，以及对应的预设参数得到。

根据本发明实施例的另一方面，还提供了一种裁判结果的预警***，包括：处理器；以及存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：获取庭审过程中记录的庭审记录，其中，所述庭审记录包括至少一个主题模块，所述主题模块至少记录了所述庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于所述信息抽取模型，从所述庭审记录中抽取得到每个主题模块的信息要素，其中，所述信息要素用于初始化法律知识图谱。

在本发明实施例中，获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。通过上述方案，使得线上互联网法庭无需书记员制作庭审过程的摘要记录，可以自动根据庭审过程的庭审记录从庭审记录中自动提取信息要素，从而解决了现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题，进而使得互联网法庭能够推广到传统审判模式中。

由此，本申请上述实施例解决了现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了一种用于实现获取案件的裁判结果方法的计算机终端(或移动设备)的硬件结构框图；

图2是根据本申请实施例1的一种处理庭审记录的方法的流程图；

图3是根据本申请实施例1的一种法律知识图谱的示意图；

图4是根据本申请实施例1的一种可选的法律指示图谱的示意图；

图5是根据本申请实施例1的一种算法展示给法官的交互界面的示意图；

图6是根据本申请实施例1的一种法官反馈风险点的示意图；

图7是根据本申请实施例1的一种法律案件裁判方法的流程图；

图8是根据本申请实施例2的一种处理庭审记录的装置的示意图；

图9是根据本申请实施例3的获取案件的裁判结果方法的流程图；

图10是根据本申请实施例4的一种处理庭审记录的装置的示意图；以及

图11是根据本发明实施例的一种计算机终端的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明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

根据本发明实施例，还提供了一种获取案件的裁判结果方法的实施例，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获取案件的裁判结果方法的计算机终端(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模块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，如本发明实施例中的()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，即实现上述的应用程序的漏洞检测方法。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 Controller，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，本申请提供了如图2所示的处理庭审记录的方法的流程图。

图2是根据本发明实施例1的一种处理庭审记录的方法的流程图。

步骤S21，获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息。

具体的，庭审记录指的是在法庭审理过程中，同步反应全部审判互动真实情况的文字记载。

在一种可选的实施例中，以线上的互联网法庭为例，互联网法庭需要法官使用***预约开庭，并录入各方诉讼参与人信息，当时人登录时，***会应用人脸识别技术，将远程当事人的人脸画面与公安部人脸图像数据库进行分析比对，从而进行当事人的身份确认，以保证庭审公正。在庭审过程中，通过录音或录像的方式对庭审过程进行存档。

在得到庭审过程的录音或录像后，将录音或录像通过ASR(Automatic SpeechRecognition，语音转文字技术)，将录音或录像中的音频信息转换为对应的生文本(rawtext，即未经计算机处理的语料)，将该生文本作为庭审记录。

庭审过程通常可以被分为如下几个部分：核对当事人身份情况、宣读法庭注意事项、原告宣读起诉书、被告针对原告起诉书做承认或否认的答辩、法庭组织争议焦点、针对法庭组织的焦点来举证质证、双方就案件事实部分进行发问、法庭对原被告进行发问、法庭辩论、法庭组织调解和宣判。在一种可选的实施例中，上述庭审记录包括上述10个主题模块。

步骤S23，基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型。

上述标识信息与主题模块具有预设的对应关系，通过为主题模块标识对应的标识信息，来确定该主题模块所属的庭审阶段。

信息抽取模型用于从庭审记录中抽取有用的法律信息，从而构成庭审记录的摘要，便于智能审判***对法律案件进行审判。

上述预设参数用于表示需要从主题模块中抽取的内容所属的类型，从主题模块中抽取与预设参数对应的内容，输入至法律知识图谱，对法律案件进行智能审判。

由于每个主题模块属于庭审过程中的不同阶段，使得每个主题模块中包括的法律信息可能不同，因此每个主题模块预设参数不同。例如：在“法官组织争议焦点”阶段，其预设参数，即需要抽取的信息包括：争议焦点信息；在“举证质证”阶段，其预设参数，即需要抽取的信息包括：原告、被告提交的证据和当事人之间的三性认定结果，如果有新提交的证据，还需要作为起诉答辩等对庭前部分内容的补充；在“法庭辩论”阶段，其预设参数，即需要抽取的信息包括：每个人提的核心问题和对方的回答，以及法官的结论。

在一种可选的实施例中，上述预设参数来自于法律知识图谱，根据主题模块的标识，和不同的预设参数，选择不同的信息抽取方法。信息抽取模型可以通过训练得到，例如，可以获取用于训练信息抽取模块的训练数据，训练数据中包括：主题模块和需要从主题模块中提取出的法律信息，使用训练数据对预设的神经网络模型进行训练，从而得到信息抽取模型。

庭审过程中，不同阶段的主题模块具有预先训练得到的信息抽取模型，在获取到包括多个主题模块的庭审记录后，根据每个主题模块的标识，确定每个主题模块属于庭审过程中哪个阶段的内容，根据主题模块所属的阶段，以及主题模块对应的预设参数，从而确定对应的信息抽取模型。

步骤S25，基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

具体的，上述法律知识图谱用于对法律案件进行智能审判。

图3是根据本申请实施例1的一种法律知识图谱的示意图，结合图3所示，“原告在中国裁判文书网诉讼次数”和“原告在互联网法庭诉讼次数”为该法律知识图谱中的要素；“是否原告自认滥诉”、“是否被告举证原告自认滥诉”、“是否在中国裁判文书网诉讼3次以上”、“是否在互联网法庭诉讼3次以上”、“是否原告滥诉”这个五个节点为判别要点。在该法律知识图谱中，每层节点都与下一层节点的至少一个节点通过有向线进行连接，从而表示法律知识图谱的走向。

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3所示的一种可选的法律知识图谱的示意图，在图3中，客观事实要素为“原告在中国裁判文网诉讼次数”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3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”)。

初始法律指示图谱，指的是将信息要素作为法律知识图谱的输入值，对法律知识图谱中对应的节点进行赋值。

在上述方案中，基于信息抽取模型，从庭审记录中抽取出每个主题模块中的信息要素，作为法律知识图谱中要素节点对应的内容，从而使法律知识图谱根据输入的要信息要素对法律案件进行智能审判。

本申请上述实施例获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

通过上述方案，使得线上互联网法庭无需书记员制作庭审过程的摘要记录，可以自动根据庭审过程的庭审记录从庭审记录中自动提取信息要素，从而解决了现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题，进而使得互联网法庭能够推广到传统审判模式中。

由此，本申请上述实施例解决了现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题。

作为一种可选的实施例，信息抽取模型用于表征针对不同庭审阶段所产生的法律信息所采用的信息抽取方法。

具体的，上述信息抽取模块所表示的信息抽取方法可以包括如下任意一种或多种：分类、序列标注、中心词提取、句法分析、词性标注等。

以词性标注的方法为例，采用词性标注的方式进行信息抽取，主要包括如下两个步骤：(1)生成关键词候选表；(2)采用预设算法选择关键词。在步骤(1)中，可以通过预设的规则筛选出关键词候选表，例如：去除停用词、去除形容词、语气词等，在步骤(2)中，可以选择TF-IDF(term frequency-inverse document frequency，用于信息检索与数据挖掘的常用加权技术)算法、Text rank(关键词提取算法)等算法根据关键词候选表进行关键词提取。

作为一种可选的实施例，在获取庭审过程中记录的庭审记录之后，上述方法还包括：获取庭审记录中每个主题模块所对应的文本摘要技术模型；基于文本摘要技术模型，抽取得到每个主题模块的信息要素和结论；基于每个主题模块的信息要素和结论，生成至少一个摘要文本，其中，摘要文本包括至少一个写入裁判文书的信息要素。

具体的，庭审过程中通常会有除起诉状、答辩状之外新提出的诉请、证据、问题等，这些信息要素除了在裁判推理中用到之外，还需要在裁判文书中体现。因此对于当庭新提出的信息要素做摘要是一个必要的步骤。

根据当庭新提出的信息要素，在裁判推理中会被使用，并需要被写入裁判文中，因此生成的摘要文本中，至少包括会被写入裁判文书的信息要素。

在一种可选的实施例中，可以针对不同主题模块采用不同的文本摘要技术模型，抽取不同的信息要素和结论。核心要素来自于第一步构建的法律知识图谱，使用的技术是抽取式摘要，需要预先针对不同的主题模块训练不同的摘要模型。

作为一种可选的实施例，在从庭审记录中抽取得到每个主题模块的信息要素之后，上述方法还包括：基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，得到裁判结果，其中，法律知识图谱至少包括：多个节点、每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。

具体的，在图3中，“原告在中国裁判文网诉讼次数”、“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”、“是否在中国裁判文书网诉讼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。

基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，可以是将信息要素作为法律知识图谱的输入信息，遍历法律图谱，从而得到最终的裁判结果。

此处需要说明的是，在一种可选的实施例中，在基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理之前，可以还用法律知识图谱对庭审前获取到的案件信息进行处理，得到初始的裁判结果，再基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，得到进一步的裁判结果。最后将初始的裁判结果和进一步的裁判结果进行结合，从而得到最终的裁判结果。

作为一种可选的实施例，基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，得到裁判结果，包括：将每个主题模块的信息要素在法律知识图谱中进行遍历，得到的法律事实实体作为裁判结果；其中，在遍历的过程中，将每个主题模块的信息要素映射到法律知识图谱上，如果成功映射到对应的节点，则获取到用于生成裁判结果的判定事实。

具体的，上述法律事实指的是，依法能够引起法律关系产生、变化、消灭的客观情况。法律事实实体指的是法律知识图谱中，用于表示法律事实的节点。

在上述方案中，通过将每个主题模块的信息要素在法律知识图谱中遍历得到裁判结果，遍历可以用于表示在法律知识图谱中进行搜索或查找，在遍历的过程中，需要将每个主题模块的信息要素映射到法律知识图谱的对应节点，在将每个主题模块的信息要素映射到法律知识图谱上的节点之后，则可以根据每个主题模块的信息要素，对其映射到的节点进行赋值。

在确定每个主题模块的信息要素在法律知识图谱中映射的节点后，即可根据每个主题模块的信息要素，对其所映射的节点进行赋值，该赋值即为用于生成裁判结果的信息。

仍以图3为例，对于节点“原告在中国裁判文书网诉讼次数”，可以从主题模块的信息要素中提取原告在中国裁判文书网中的诉讼次数，并映射到该节点，从而使法律知识图谱中“原告在中国裁判文书网诉讼次数”这一节点获取到了用于生成裁判结果的信息。

作为一种可选的实施例，将每个主题模块的信息要素在法律知识图谱中进行遍历，得到的法律事实实体作为裁判结果，包括：将主题模块的信息要素与法律知识图谱中的候选节点进行匹配，其中，每个主题模块在法律知识图谱中对应不同的候选节点；在匹配成功的情况下，映射得到至少一个选中节点；基于至少一个选中节点，确定主题模块的法律事实实体。

主题模块的信息要素表示了庭审过程中，这一阶段的法律信息，将主题模块的信息要素与法律知识图谱的候选节点进行匹配，用于确定主题模块的信息要素与法律知识图谱中的节点的对应关系。

在一种可选的实施例中，法律知识图谱中的节点具有对应的描述信息，例如：名称、属性和语义信息等，节点属性可以用于表示该节点是法律事实实体还是客观事实实体，语义信息用于对节点进行进一步描述。在进行匹配时，可以基于主题模块的信息要素的语义，结合节点的描述信息进行匹配。

在匹配成功的情况下，映射得到至少一个选中节点，在确定主题模块的信息要素所映射到的选中节点之后，即可根据选中节点，确定主题模块的法律事实实体，该法律事实实体用于表示主题模块的信息要素对选中节点的赋值。

作为一种可选的实施例，在主题模块为证据质证模块的情况下，在从庭审记录中抽取得到每个主题模块的信息要素之后，上述方法还包括：基于证据质证模块对应的证据文本，抽取需要质证的证据信息；将证据信息在对应的证据知识图谱中进行遍历，得到的证据的认定结果；其中，在遍历的过程中，将证据信息映射到证据知识图谱上，如果成功映射到对应的节点，则获取到用于生成认定结果的信息。

在一种可选的实施例中，可以从证据质证模块对应的证据文本中选择在庭审过程中新生成的证据，作为需要被质证的证据信息。例如，如果庭审记录中的证据质证模块对应的证据文本，与庭审前提交的证据信息相同，则认为不需要对其再进行证据的认定，如果庭审记录中的证据质证模块对应的证据文本，是庭审过程中新提出的证据信息，与庭审前提交的证据信息都不同，则认为需要对其进行质证。

具体的，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。

上述证据知识图谱可以包括多个节点，节点之间具有有向的连接关系，对证据信息进行质证时，将证据信息映射在证据知识图谱中，随着节点之间有向的连接关系对证据知识图谱进行遍历，直到遍历到最后的认定结果。

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。

作为一种可选的实施例，在得到的证据的认定结果之后，上述方法还包括：

在成功映射到证据的认定结果和每个主题模块的信息要素的情况下，确定庭审记录在法律知识图谱中的激活区域，其中，映射成功用于表征法律知识图谱中的节点被激活，激活区域由法律知识图谱中被激活的节点所在的区域构成；

在激活区域内，使用不确定性推理技术处理庭审记录，得到作为裁判结果的法律事实实体。

具体的，被映射的节点即为被激活的节点，图4是根据本申请实施例1的一种可选的法律指示图谱的示意图，其中，白色节点用于表示未被映射的节点，即未被激活点节点，黑色节点用于表示被成功映射的节点，即已被激活的节点。根据图4所示的法律知识图谱得到的裁判结果为退还贷款或三倍赔偿。被激活的节点构成法律知识图谱中被激活的区域。

具体的，上述不确定推理技术，指的是从具有不确定性的证据出发，运用不确定的指示或规则，推理出具有一定程度的不确定性，但合乎或近乎合理的结论的过程。在不确定推理技术适用在上述方案中时，由于案件信息和庭审记录本身具有一定的不确定性，且法律指示图谱本身也具有一定的不确定性，因此推理出的法律事实实体也具有一定的不确定性，但是是合乎情理的。

作为一种可选的实施例，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，包括：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，将庭审记录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法律事实实体作为裁判结果。

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，可以基于庭审记录，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，直至指向法律事实实体为止，并将指向的法律事实实体作为最终的裁判结果。

作为一种可选的实施例，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，包括：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，基于庭审记录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。

在一种可选的实施例中，可以使用Graph embedding(图嵌入)的方式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。

在上述方案中，在法律知识图谱中的随机行走的过程可以使用随机行走(randomwalk)的方式遍历法律知识图谱。随机行走时将法律知识图谱视为一个随机场，以节点间的连通性和转移概率进行随机行走，以传递节点之间的关联关系。

在随机行走的过程中，遍历到的节点对应的概率值可以通过指向该节点的上一层节点的概率值来确定，在指向该节点的上一层节点为多个的情况下，根据每条边预设的权重的信息，对多个节点的概率值进行加权，从而得到该节点对应的概率值。

如果行走到的节点的概率值大于预设概率，则沿着该节点继续向下个节点进行随机行走，如果该节点的概率值小于预设概率，则停止该条路径，不再在该节点所在的下行路径上行走。

可选的，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所对应的内容对案件进行裁判，并且继续对节点2的下一个节点进行遍历。

作为一种可选的实施例，在得到作为裁判结果的法律事实实体之后，上述方法还包括：接收目标对象针对裁判结果的反馈信息；根据反馈信息对案件的裁判结果进行调整。

具体的，上述反馈信息可以由法官发出，争议焦点即为裁判时的风险点，当算法将最终得到的裁判结果和争议焦点通过交互界面反馈给法官后，由法官确定是否对争议焦点进行确定或修改，这些信息即为反馈信息。在法官对争议焦点的赋值进行修改后，需要根据法官修改后的争议焦点调整裁判结果。

图5是根据本申请实施例1的一种算法展示给法官的交互界面的示意图，结合图5所示，问题点即为上述争议焦点，每个问题点后会显示算法给出的裁判意见，即“是否符合事实”，以及该争议焦点对应的证据，法官可以对争议焦点的裁判结果进行修改，或对证据是否符合事实进行修改，从而使算法根据修改后的证据和问题点，对裁判结果进行调整。

作为一种可选的实施例，根据每个节点的可信度确定风险点，该步骤包括：基于风险模型确定每个节点的可信度对应的风险程度，其中，风险程度用于表征裁判结果对每个节点的可信度的条件概率；对每个节点对应的风险程度进行排序，将风险程度最大的节点设置为风险点。具体的，可信度是指节点的赋值为真的可能性。

具体的，节点的可信度用于表示映射至该节点的主题模块的信息要素的完整程度和准确程度，可以根据法律知识图谱中根节点的可信度，确定法律知识图谱中每个节点的可信度。

在一种可选的实施例中，根据当前法律知识图谱中节点的取值状况，确定每个节点取值对判决结果的风险程度，每个节点取值对判决结果的风险程度可以通过判决结果和其他节点对当前节点的条件概率来表示，例如，当前节点的风险程度记为Pimp，Pimp＝P(node|case，other nodes)。这个条件概率的计算方式可以通过枚举节点所有取值的方式，用统计方法获得。

在得到每个节点的Pimp值后，可以将Pimp最大值对应的节点作为风险点，还可以通过经验设定的Pimp阈值，从而能够筛选出Pimp高于阈值的节点，筛选出的这些节点即作为审查要点。

为了使用户更明了的知晓裁判结果的原因，可以再交互页面中显示出各个风险点的取值结果，作为偏离度预警的理由。

作为一种可选的实施例，根据风险点对案件的裁判结果进行调整，得到目标裁判结果，包括：接收目标对象对风险点对应的内容的修改结果；根据修改结果对案件的裁判结果进行调整，得到调整后的裁判结果；将调整后的裁判结果作为目标裁判结果。

具体的，上述目标对象可以是法官，在上述方案中，通过法官与智能审判***的交互，将风险点和算法计算的结果展示给法官，由法官认定修改。修改后的结果传递给智能审判***，重新计算判决结果。

上述目标裁判结果为最终的裁判结果。在法官对风险点对应的内容进行修改后，需要根据修改后的风险点重新遍历法律知识图谱，从而得到调整后的裁判结果。

在一种可选的实施例中，图6是根据本申请实施例1的一种法官反馈风险点的示意图，结合图6所示，风险点一用于表示“是否不安全食品”，用于判断风险点一的证据包括原告证据和被告证据，风险点一具有选项“是”和“否”，当前显示的是算法给出的判断结果，即“是不安全食品”，法官可以选择“否”，进行手动改变对风险点的判断结果，或修改该风险点一对应的证据(修改证据后的“是”和“否”选项，确定该证据是否可信)，由算法根据修改后的证据，对风险点一再次进行判断。类似的，法官也可以对风险点二进行修改。

作为一种可选的实施例，获取庭审过程中记录的庭审记录，包括：将用于记录庭审过程的多媒体信息中的音频数据转换为文本内容；对文本内容进行分割处理，得到多个主题模块。

具体的，记录庭审过程的多媒体信息中的音频数据可以是庭审过程中的录音或录像，在上述方案中，在得到庭审过程的录音或录像后，将录音或录像通过ASR(AutomaticSpeech Recognition，语音转文字技术)，将录音或录像中的音频信息转换为对应的生文本(raw text，即未经计算机处理的语料)，将该生文本作为庭审记录。

在一种可选的实施例中，对文本内容进行分割处理，可以是对语音进行识别，得到法官角色对应的文本内容，即法官在庭审过程中所说的内容，再基于法官所说的内容，构建分类模型，基于分类模型确定每个主题模块在文本内容中的起始标志和结束标志，从而将文本内容分割为多部分内容，每部分内容为一个主题模块。

图7是根据本申请实施例1的一种法律案件裁判方法的流程图，结合图7所示，该方法包括如下几个步骤：

S71，法律知识图谱构建。

上述法律知识图谱用于对法律案件进行自动裁判推理，不同案由或领域可能具有对应的法律知识图谱，可以依托专家知识的逻辑梳理和总结形成种子知识库，并可以通过大数据知识结合机器学习对法律知识图谱进行扩充和更新。

上述法律知识图谱在构建构成中，根据审判的逻辑，区分客观事实实体和法律事实实体，使得两者之间形成映射关系，实现最后的裁判。因此法律知识图谱中除了包含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”，还定义了逻辑推理关系，用于描述客观事实向法律事实的转化关系，例如：“商品描述-推理关系-是否宣传有医疗效果”。

S72，庭审记录分析。

对庭审记录的分析可以使用实施例1中上述的任意一种庭审记录的处理方法。

S73，信息抽取/数据挖掘。

信息抽取或信息挖掘模块提取或挖掘到的案件信息用于作为法律知识图谱的输入。在一种可选的实施例中，案件信息的输入来源可以包括起诉书、答辩书、证据信息、庭审笔录等，还可以包括留存的数据网络数据，例如，对于一个假冒伪劣商品的索赔纠纷，可以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，实际价格等信息；从购物网站的用户画像中挖掘出被告被投诉的次数。

S74，证据三性认定。

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。

S75，自动裁判推理。

在上述步骤S73中，可以通过获取法律知识图谱；基于庭审记录，确定法律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。

S76，自动风险点识别。

上述步骤中，可以根据每个节点的可信度确定风险点，具体的，可以基于风险模型确定每个节点的可信度对应的风险程度，其中，风险程度用于表征裁判结果对每个节点的可信度的条件概率；对每个节点对应的风险程度进行排序，将风险程度最大的节点设置为风险点。

S77，法官认定。

法官认定即为法官根据算法反馈的裁判结果和证据认定结果进行反馈，确认是否认同算法反馈的内容，如果法官对算法反馈的内容进行修改，则算法根据法官修改后的内容，再重新进行裁判推理，得到调整后的裁判结果。

S78，裁判结果生成。

基于被认定的证据和自动裁判推理，得到最终的裁判结果。

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，本发明并不受所描述的动作顺序的限制，因为依据本发明，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发明所必须的。

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，本发明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)执行本发明各个实施例的方法。

实施例2

根据本发明实施例，还提供了一种用于实施上述实施例1中的处理庭审记录的方法的处理庭审记录的装置，图8是根据本申请实施例2的一种处理庭审记录的装置的示意图，如图8所示，该装置800包括：

第一获取模块802，用于获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息。

第一确定模块804，用于基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型。

第一抽取模块806，用于基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

此处需要说明的是，上述第一获取模块802、第一确定模块804和第一抽取模块806对应于实施例1中的步骤S21至步骤S25，三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。

作为一种可选的实施例，信息抽取模型用于表征针对不同庭审阶段所产生的法律信息所采用的信息抽取方法。

作为一种可选的实施例，上述装置还包括：第二获取模块，用于在获取庭审过程中记录的庭审记录之后，获取庭审记录中每个主题模块所对应的文本摘要技术模型；第二抽取模块，用于基于文本摘要技术模型，抽取得到每个主题模块的信息要素和结论；生成模块，用于基于每个主题模块的信息要素和结论，生成至少一个摘要文本，其中，摘要文本包括至少一个写入裁判文书的信息要素。

作为一种可选的实施例，上述装置还包括：分析模块，用于在从庭审记录中抽取得到每个主题模块的信息要素之后，基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，得到裁判结果，其中，法律知识图谱至少包括：多个节点、每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。

作为一种可选的实施例，分析模块包括：第一遍历子模块，用于将每个主题模块的信息要素在法律知识图谱中进行遍历，得到的法律事实实体作为裁判结果；其中，在遍历的过程中，将每个主题模块的信息要素映射到法律知识图谱上，如果成功映射到对应的节点，则获取到用于生成裁判结果的判定事实。

作为一种可选的实施例，第一遍历子模块包括：匹配单元，用于将主题模块的信息要素与法律知识图谱中的候选节点进行匹配，其中，每个主题模块在法律知识图谱中对应不同的候选节点；映射单元，用于在匹配成功的情况下，映射得到至少一个选中节点；确定单元，用于基于至少一个选中节点，确定主题模块的法律事实实体。

作为一种可选的实施例，上述装置还包括：第三抽取模块，用于在主题模块为证据质证模块的情况下，在从庭审记录中抽取得到每个主题模块的信息要素之后，基于证据质证模块对应的证据文本，抽取需要质证的证据信息；遍历模块，用于将证据信息在对应的证据知识图谱中进行遍历，得到的证据的认定结果；其中，在遍历的过程中，将证据信息映射到证据知识图谱上，如果成功映射到对应的节点，则获取到用于生成认定结果的信息。

作为一种可选的实施例，上述装置还包括：第二确定模块，用于在得到的证据的认定结果之后，在成功映射到证据的认定结果和每个主题模块的信息要素的情况下，确定庭审记录在法律知识图谱中的激活区域，其中，映射成功用于表征法律知识图谱中的节点被激活，激活区域由法律知识图谱中被激活的节点所在的区域构成；推理模块，用于在激活区域内，使用不确定性推理技术处理庭审记录，得到作为裁判结果的法律事实实体。

作为一种可选的实施例，推理模块包括，第二遍历子模块，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，将庭审记录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；第一确定子模块，用于将获取到的节点所指向的法律事实实体作为裁判结果。

作为一种可选的实施例，推理模块包括：处理子模块，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；随机行走模块，用于在基于向量化表示的法律知识图谱上，基于庭审记录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；继续行走模块，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。

作为一种可选的实施例，上述装置还包括：接收模块，用于在得到作为裁判结果的法律事实实体之后，接收目标对象针对裁判结果的反馈信息；第一调整模块，用于根据反馈信息对案件的裁判结果进行调整。

作为一种可选的实施例，上述装置还包括：第三确定模块，用于根据每个节点的可信度确定风险点，第三确定模块还包括：第二确定子模块，用于基于风险模型确定每个节点的可信度对应的风险程度，其中，风险程度用于表征裁判结果对每个节点的可信度的条件概率；设置子模块，用于对每个节点对应的风险程度进行排序，将风险程度最大的节点设置为风险点。

作为一种可选的实施例，上述装置还包括：第二调整模块，用于根据风险点对案件的裁判结果进行调整，得到目标裁判结果；其中，第二调整模块包括：接收子模块，用于接收目标对象对风险点对应的内容的修改结果；调整子模块，用于根据修改结果对案件的裁判结果进行调整，得到调整后的裁判结果；第三确定子模块，用于将调整后的裁判结果作为目标裁判结果。

作为一种可选的实施例，第一获取模块包括：转换子模块，用于将用于记录庭审过程的多媒体信息中的音频数据转换为文本内容；分割子模块，用于对文本内容进行分割处理，得到多个主题模块。

实施例3

根据本发明实施例，还提供了一种获取案件的裁判结果方法的实施例，本申请提供了如图9所示的获取案件的裁判结果方法的流程图。图9是根据本申请实施例3的获取案件的裁判结果方法的流程图。

步骤S91，显示庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息。

具体的，庭审记录指的是在法庭审理过程中，同步反应全部审判互动真实情况的文字记载。

在一种可选的实施例中，以线上的互联网法庭为例，互联网法庭需要法官使用***预约开庭，并录入各方诉讼参与人信息，当时人登录时，***会应用人脸识别技术，将远程当事人的人脸画面与公安部人脸图像数据库进行分析比对，从而进行当事人的身份确认，以保证庭审公正。在庭审过程中，通过录音或录像的方式对庭审过程进行存档。

在得到庭审过程的录音或录像后，将录音或录像通过ASR(Automatic SpeechRecognition，语音转文字技术)，将录音或录像中的音频信息转换为对应的生文本(rawtext，即未经计算机处理的语料)，将该生文本作为庭审记录。

庭审过程通常可以被分为如下几个部分：核对当事人身份情况、宣读法庭注意事项、原告宣读起诉书、被告针对原告起诉书做承认或否认的答辩、法庭组织争议焦点、针对法庭组织的焦点来举证质证、双方就案件事实部分进行发问、法庭对原被告进行发问、法庭辩论、法庭组织调解和宣判。在一种可选的实施例中，上述庭审记录包括上述10个主题模块。

步骤S93，输出基于每个主题模块对应的信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱，信息抽取模型基于不同主题模块的标识信息，以及对应的预设参数得到。

上述标识信息与主题模块具有预设的对应关系，通过为主题模块标识对应的标识信息，来确定该主题模块所属的庭审阶段。

信息抽取模型用于从庭审记录中抽取有用的法律信息，从而构成庭审记录的摘要，便于智能审判***对法律案件进行审判。

上述预设参数用于表示需要从主题模块中抽取的内容所属的类型，从主题模块中抽取与预设参数对应的内容，输入至法律知识图谱，对法律案件进行智能审判。

由于每个主题模块属于庭审过程中的不同阶段，使得每个主题模块中包括的法律信息可能不同，因此每个主题模块预设参数不同。例如：在“法官组织争议焦点”阶段，其预设参数，即需要抽取的信息包括：争议焦点信息；在“举证质证”阶段，其预设参数，即需要抽取的信息包括：原告、被告提交的证据和当事人之间的三性认定结果，如果有新提交的证据，还需要作为起诉答辩等对庭前部分内容的补充；在“法庭辩论”阶段，其预设参数，即需要抽取的信息包括：每个人提的核心问题和对方的回答，以及法官的结论。

在一种可选的实施例中，上述预设参数来自于法律知识图谱，根据主题模块的标识，和不同的预设参数，选择不同的信息抽取方法。信息抽取模型可以通过训练得到，例如，可以获取用于训练信息抽取模块的训练数据，训练数据中包括：主题模块和需要从主题模块中提取出的法律信息，使用训练数据对预设的神经网络模型进行训练，从而得到信息抽取模型。

庭审过程中，不同阶段的主题模块具有预先训练得到的信息抽取模型，在获取到包括多个主题模块的庭审记录后，根据每个主题模块的标识，确定每个主题模块属于庭审过程中哪个阶段的内容，根据主题模块所属的阶段，以及主题模块对应的预设参数，从而确定对应的信息抽取模型。

具体的，上述法律知识图谱用于对法律案件进行智能审判。在上述方案中，基于信息抽取模型，从庭审记录中抽取出每个主题模块中的信息要素，作为法律知识图谱中要素节点对应的内容，从而使法律知识图谱根据输入的要信息要素对法律案件进行智能审判。

实施例4

根据本发明实施例，还提供了一种用于实施上述实施例3中的处理庭审记录的方法的处理庭审记录的装置，图10是根据本申请实施例4的一种处理庭审记录的装置的示意图，如图10所示，该装置100包括：

显示模块102，用于显示庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息。

输出模块104，用于输出基于每个主题模块对应的信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱，信息抽取模型基于不同主题模块的标识信息，以及对应的预设参数得到。

此处需要说明的是，上述显示模块102和输出模块104对应于实施例3中的步骤S91至步骤S93，两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5

本发明的实施例可以提供一种获取案件的裁判结果***，包括：

处理器；以及

存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：

获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；

基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；

基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

上述存储器还用于为处理器提供处理执行实施例1中其他步骤的指令，此处不再赘述。

实施例6

本发明的实施例可以提供一种计算机终端，该计算机终端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，上述计算机终端也可以替换为移动终端等终端设备。

可选地，在本实施例中，上述计算机终端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，上述计算机终端可以执行应用程序的漏洞检测方法中以下步骤的程序代码：获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

可选地，图11是根据本发明实施例的一种计算机终端的结构框图。如图11所示，该计算机终端A可以包括：一个或多个(图中仅示出一个)处理器1102、存储器1104、以及外设装置1106。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的安全漏洞检测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***漏洞攻击的检测方法。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终端A。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：获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

可选的，上述处理器还可以执行如下步骤的程序代码：信息抽取模型用于表征针对不同庭审阶段所产生的法律信息所采用的信息抽取方法。

可选的，上述处理器还可以执行如下步骤的程序代码：获取庭审记录中每个主题模块所对应的文本摘要技术模型；基于文本摘要技术模型，抽取得到每个主题模块的信息要素和结论；基于每个主题模块的信息要素和结论，生成至少一个摘要文本，其中，所述摘要文本包括至少一个写入裁判文书的信息要素。

可选的，上述处理器还可以执行如下步骤的程序代码：在从庭审记录中抽取得到每个主题模块的信息要素之后，基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，得到裁判结果，其中，法律知识图谱至少包括：多个节点、每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，上述处理器还可以执行如下步骤的程序代码：将每个主题模块的信息要素在法律知识图谱中进行遍历，得到的法律事实实体作为裁判结果；其中，在遍历的过程中，将每个主题模块的信息要素映射到法律知识图谱上，如果成功映射到对应的节点，则获取到用于生成裁判结果的判定事实。

可选的，上述处理器还可以执行如下步骤的程序代码：将主题模块的信息要素与法律知识图谱中的候选节点进行匹配，其中，每个主题模块在法律知识图谱中对应不同的候选节点；在匹配成功的情况下，映射得到至少一个选中节点；基于至少一个选中节点，确定主题模块的法律事实实体。

可选的，上述处理器还可以执行如下步骤的程序代码：在主题模块为证据质证模块的情况下，在从庭审记录中抽取得到每个主题模块的信息要素之后，基于证据质证模块对应的证据文本，抽取需要质证的证据信息；将证据信息在对应的证据知识图谱中进行遍历，得到的证据的认定结果；其中，在遍历的过程中，将证据信息映射到证据知识图谱上，如果成功映射到对应的节点，则获取到用于生成认定结果的信息。

可选的，上述处理器还可以执行如下步骤的程序代码：在得到的证据的认定结果之后，在成功映射到证据的认定结果和每个主题模块的信息要素的情况下，确定庭审记录在法律知识图谱中的激活区域，其中，映射成功用于表征法律知识图谱中的节点被激活，激活区域由法律知识图谱中被激活的节点所在的区域构成；在激活区域内，使用不确定性推理技术处理庭审记录，得到作为裁判结果的法律事实实体。

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，将庭审记录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法律事实实体作为裁判结果。

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，基于庭审记录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：在得到作为裁判结果的法律事实实体之后，接收目标对象针对裁判结果的反馈信息；根据反馈信息对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：基于风险模型确定每个节点的可信度对应的风险程度，其中，风险程度用于表征裁判结果对每个节点的可信度的条件概率；对每个节点对应的风险程度进行排序，将风险程度最大的节点设置为风险点。

可选的，上述处理器还可以执行如下步骤的程序代码：接收目标对象对风险点对应的内容的修改结果；根据修改结果对案件的裁判结果进行调整，得到调整后的裁判结果；将调整后的裁判结果作为目标裁判结果。

可选的，上述处理器还可以执行如下步骤的程序代码：将用于记录庭审过程的多媒体信息中的音频数据转换为文本内容；对文本内容进行分割处理，得到多个主题模块。

采用本发明实施例，提供了一种获取案件的裁判结果的方案。通过获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。通过上述方案，使得线上互联网法庭无需书记员制作庭审过程的摘要记录，可以自动根据庭审过程的庭审记录从庭审记录中自动提取信息要素，从而解决了现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题，进而使得互联网法庭能够推广到传统审判模式中。

由此，本申请上述实施例解决了现有技术中，难以获取线上互联网法庭的笔录摘要的技术问题。

本领域普通技术人员可以理解，图所示的结构仅为示意，计算机终端也可以是智能手机(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(MobileInternet Devices，MID)、PAD等终端设备。图10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10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10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4

本发明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实施例一所提供的获取案件的裁判结果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：获取庭审过程中记录的庭审记录，其中，庭审记录包括至少一个主题模块，主题模块至少记录了庭审过程中不同庭审阶段所产生的法律信息；基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；基于信息抽取模型，从庭审记录中抽取得到每个主题模块的信息要素，其中，信息要素用于初始化法律知识图谱。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，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，在本发明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，本发明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)执行本发明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。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (16)

1.一种处理庭审记录的方法，包括：

获取庭审过程中记录的庭审记录，其中，所述庭审记录包括至少一个主题模块，所述主题模块至少记录了所述庭审过程中不同庭审阶段所产生的法律信息；

基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；

基于所述信息抽取模型，从所述庭审记录中抽取得到每个主题模块的信息要素，其中，所述信息要素用于初始化法律知识图谱。

2.根据权利要求1所述的方法，其中，所述信息抽取模型用于表征针对不同庭审阶段所产生的法律信息所采用的信息抽取方法。

3.根据权利要求1所述的方法，其中，在获取庭审过程中记录的庭审记录之后，所述方法还包括：

获取所述庭审记录中每个主题模块所对应的文本摘要技术模型；

基于所述文本摘要技术模型，抽取得到每个主题模块的信息要素和结论；

基于所述每个主题模块的信息要素和结论，生成至少一个摘要文本，其中，所述摘要文本包括至少一个写入裁判文书的信息要素。

4.根据权利要求1至3中任意一项所述的方法，其中，在从所述庭审记录中抽取得到每个主题模块的信息要素之后，所述方法还包括：

基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，得到裁判结果，其中，所述法律知识图谱至少包括：多个节点、每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。

5.根据权利要求4所述的方法，其中，基于法律知识图谱对抽取到的每个主题模块的信息要素进行分析处理，得到裁判结果，包括：

将所述每个主题模块的信息要素在所述法律知识图谱中进行遍历，得到的法律事实实体作为所述裁判结果；

其中，在遍历的过程中，将所述每个主题模块的信息要素映射到所述法律知识图谱上，如果成功映射到对应的节点，则获取到用于生成所述裁判结果的判定事实。

6.根据权利要求5所述的方法，其中，将所述每个主题模块的信息要素在所述法律知识图谱中进行遍历，得到的法律事实实体作为所述裁判结果，包括：

将所述主题模块的信息要素与所述法律知识图谱中的候选节点进行匹配，其中，每个主题模块在所述法律知识图谱中对应不同的候选节点；

在匹配成功的情况下，映射得到至少一个选中节点；

基于所述至少一个选中节点，确定所述主题模块的法律事实实体。

7.根据权利要求1所述的方法，其中，在所述主题模块为证据质证模块的情况下，在从所述庭审记录中抽取得到每个主题模块的信息要素之后，所述方法还包括：

基于所述证据质证模块对应的证据文本，抽取需要质证的证据信息；

将所述证据信息在对应的证据知识图谱中进行遍历，得到的证据的认定结果；

其中，在遍历的过程中，将所述证据信息映射到所述证据知识图谱上，如果成功映射到对应的节点，则获取到用于生成所述认定结果的信息。

8.根据权利要求7所述的方法，其中，在得到的证据的认定结果之后，所述方法还包括：

在成功映射到所述证据的认定结果和所述每个主题模块的信息要素的情况下，确定所述庭审记录在所述法律知识图谱中的激活区域，其中，映射成功用于表征所述法律知识图谱中的节点被激活，激活区域由所述法律知识图谱中被激活的节点所在的区域构成；

在所述激活区域内，使用不确定性推理技术处理所述庭审记录，得到作为裁判结果的法律事实实体。

9.根据权利要求8所述的方法，其中，在所述激活区域内，使用不确定性推理技术处理所述庭审记录，得到作为裁判结果的法律事实实体，包括：

基于所述法律知识图谱中多个节点之间的关联信息和方向信息，将所述庭审记录在所述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法律事实实体作为所述裁判结果。

10.根据权利要求8所述的方法，其中，在所述激活区域内，使用不确定性推理技术处理所述庭审记录，得到作为裁判结果的法律事实实体，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，基于所述庭审记录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。

11.根据权利要求9或10所述的方法，其中，在得到作为所述裁判结果的法律事实实体之后，所述方法还包括：

接收目标对象针对所述裁判结果的反馈信息；

根据所述反馈信息对案件的裁判结果进行调整。

12.根据权利要求9所述的方法，其中，根据每个节点的可信度确定风险点，该步骤包括：

基于风险模型确定所述每个节点的可信度对应的风险程度，其中，所述风险程度用于表征所述裁判结果对所述每个节点的可信度的条件概率；

对所述每个节点对应的风险程度进行排序，将所述风险程度最大的节点设置为所述风险点。

13.根据权利要求12所述的方法，其中，根据所述风险点对所述案件的裁判结果进行调整，得到目标裁判结果，包括：

接收目标对象对所述风险点对应的内容的修改结果；

根据所述修改结果对所述案件的裁判结果进行调整，得到调整后的裁判结果；

将所述调整后的裁判结果作为所述目标裁判结果。

14.根据权利要求1所述的方法，其中，获取庭审过程中记录的庭审记录，包括：

将用于记录庭审过程的多媒体信息中的音频数据转换为文本内容；

对所述文本内容进行分割处理，得到多个所述主题模块。

15.一种获取案件的裁判结果方法，包括：

显示庭审过程中记录的庭审记录，其中，所述庭审记录包括至少一个主题模块，所述主题模块至少记录了所述庭审过程中不同庭审阶段所产生的法律信息；

输出基于每个主题模块对应的信息抽取模型，从所述庭审记录中抽取得到每个主题模块的信息要素，其中，所述信息要素用于初始化法律知识图谱，所述信息抽取模型基于不同主题模块的标识信息，以及对应的预设参数得到。

16.一种获取案件的裁判结果***，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

获取庭审过程中记录的庭审记录，其中，所述庭审记录包括至少一个主题模块，所述主题模块至少记录了所述庭审过程中不同庭审阶段所产生的法律信息；

基于不同主题模块的标识信息，以及对应的预设参数，确定每个主题模块对应的信息抽取模型；

基于所述信息抽取模型，从所述庭审记录中抽取得到每个主题模块的信息要素，其中，所述信息要素用于初始化法律知识图谱。

Images