WO2021042554A1 - 一种法律文本归档方法、装置、可读存储介质及终端设备 - Google Patents

一种法律文本归档方法、装置、可读存储介质及终端设备 Download PDF

Info

Publication number
WO2021042554A1
WO2021042554A1 PCT/CN2019/118148 CN2019118148W WO2021042554A1 WO 2021042554 A1 WO2021042554 A1 WO 2021042554A1 CN 2019118148 W CN2019118148 W CN 2019118148W WO 2021042554 A1 WO2021042554 A1 WO 2021042554A1
Authority
WO
WIPO (PCT)
Prior art keywords
word
server
subset
legal text
legal
Prior art date
Application number
PCT/CN2019/118148
Other languages
English (en)
French (fr)
Inventor
周剀
文莉
Original Assignee
平安科技（深圳）有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2021042554A1 publication Critical patent/WO2021042554A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/11—File system administration, e.g. details of archiving or snapshots
    • G06F16/113—Details of archiving
    • 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

Definitions

  • This application belongs to the field of computer technology, and in particular relates to a method and device for filing legal texts, a computer non-volatile readable storage medium, and terminal equipment.
  • the embodiments of the present application provide a legal text filing method, device, computer non-volatile readable storage medium, and terminal equipment to solve the problem that the existing legal text filing method consumes a lot of labor costs and is extremely inefficient. The problem.
  • the first aspect of the embodiments of the present application provides a method for filing legal documents, which may include:
  • the core word subset including each word whose term density is greater than a preset first threshold and evenness is greater than a preset second threshold;
  • Target server is a server for archiving the legal text
  • a subset of auxiliary words is selected from the set of words, the subset of auxiliary words includes each word whose ratio of the first word frequency to the second word frequency is greater than a preset third threshold, and the first word frequency is in the legal text
  • the frequency of appearance in, the second word frequency is the frequency of appearance in the legal text database corresponding to the target server;
  • the second aspect of the embodiments of the present application provides a legal text filing device, which may include modules for implementing the steps of the above-mentioned legal text filing method.
  • a third aspect of the embodiments of the present application provides a computer non-volatile readable storage medium, the computer non-volatile readable storage medium stores computer readable instructions, and the computer readable instructions are executed by a processor When implementing the steps of the above-mentioned legal text filing method.
  • the fourth aspect of the embodiments of the present application provides a terminal device, including a memory, a processor, and computer-readable instructions stored in the memory and running on the processor, and the processor executes the computer
  • the steps of the above-mentioned legal text filing method are realized when the instructions are readable.
  • the legal text is archived into the disk partition of each server according to its actual core content.
  • the user needs to query related materials, he only needs to search in the disk partition of the corresponding server.
  • the labor cost has greatly improved work efficiency.
  • FIG. 1 is a flowchart of an embodiment of a method for filing legal text in an embodiment of the application
  • Figure 2 is a schematic flow chart of selecting a core word subset from a word set
  • Figure 3 is a schematic flow chart of determining a target server according to a core word subset
  • FIG. 4 is a schematic flowchart of the setting process of the first word list
  • Figure 5 is a schematic flow chart of determining the category of the legal text in the target server according to the auxiliary word subset
  • Fig. 6 is a structural diagram of an embodiment of a legal document filing device in an embodiment of the application.
  • FIG. 7 is a schematic block diagram of a terminal device in an embodiment of the application.
  • an embodiment of a method for filing legal texts in an embodiment of the present application may include:
  • Step S101 Receive a legal text filing instruction, extract the target address in the legal text filing instruction, and obtain the legal text in the target address.
  • the legal texts include, but are not limited to, texts in legal provisions, legal essays, legal reports, legal analysis articles, indictments, rulings, and other legal-related materials.
  • the legal text storage instruction carries the address where the legal text is currently located, that is, The target address.
  • the target address may be a certain storage address in the terminal device, or a certain storage address in the network or a designated database.
  • the terminal device is the implementation subject of this embodiment. After receiving the legal text storage instruction, the terminal device can extract the target address from it, and obtain the target address from the local, network, or designated address according to the target address.
  • the legal text is obtained from the database.
  • Step S102 Perform word segmentation processing on the legal text to obtain a set of words constituting the legal text.
  • the terminal device will first perform word segmentation processing on it to obtain a set of words that constitute the legal text.
  • Word segmentation refers to dividing the legal text into individual words.
  • the general dictionary and the legal dictionary can be combined to segment the legal text, that is, the legal dictionary is used to split the legal text.
  • the legal text is segmented in the first round, and then the general dictionary is used to segment the remaining legal texts after the first round of segmentation.
  • the legal-specific terms are firstly segmented, and then the general terms are segmented.
  • single words are separated.
  • Step S103 Select a core word subset from the word set.
  • the core word subset includes each word whose term density is greater than the preset first threshold and the uniformity is greater than the preset second threshold.
  • step S103 may specifically include the following steps:
  • Step S1031 respectively calculate the entry density of each word in the word set.
  • the entry density of each word in the word set can be calculated according to the following formula:
  • WdNum w is the wth word in the word set in the legal text
  • LineNum is the total number of lines of the legal text
  • WdDensity w is the entry density of the w-th word in the word set.
  • Step S1032 Divide the legal text into FN text paragraphs, and respectively count the occurrence of each word in the word set in each text paragraph.
  • each KN line in the legal text can be regarded as a text paragraph, that is, the first line to the KN line in the legal text As the first text paragraph, take line KN+1 to line 2 ⁇ KN in the legal text as the second text paragraph, and change line 2 ⁇ KN+1 to line 3 ⁇ in the legal text Line KN is used as the third text paragraph, and so on.
  • Ceil is a round-up function.
  • the value of KN can be set according to specific conditions, for example, it can be set to 3, 5, 10 or other values and so on.
  • Step S1033 Calculate the uniformity of each word in the word set respectively.
  • the uniformity of each word in the word set can be calculated according to the following formula:
  • f is the serial number of each text paragraph of the legal text, 1 ⁇ f ⁇ FN, and Flag w,f is the flag bit of the occurrence of the wth word in the word set in the fth text paragraph, And WdEqu w is the uniformity of the wth word in the word set.
  • Step S1034 Select each word with a word density greater than the first threshold and a uniformity greater than the second threshold from the word set to form the core word subset.
  • the specific values of the first threshold and the second threshold may be set according to actual conditions.
  • the following entry density sequence can be constructed first according to the order of value from largest to smallest:
  • DensitySet ⁇ WdDensity 1 , WdDensity 2 , ..., WdDensity w , ..., WdDensity WN ⁇
  • DensitySet is the term density sequence.
  • MaxDensitySet ⁇ MaxWdDensity 1 , MaxWdDensity 2 , ..., MaxWdDensity nmax , ..., MaxWdDensity MaxNum ⁇
  • MaxDensitySet is the maximum entry density sequence
  • MaxNum is the number of values in the maximum entry density sequence
  • MaxNum WN ⁇ 1
  • ⁇ 1 is the first selection ratio, which can be based on actual conditions Set it to 0.2, 0.3, 0.4 or other values
  • nmax is the value sequence number in the maximum entry density sequence
  • MaxWdDensity nmax is the nmax of the maximum entry density sequence value.
  • MinDensitySet ⁇ MinWdDensity 1 , MinWdDensity 2 , ..., MinWdDensity nmin , ..., MinWdDensity MinNum ⁇
  • MinDensitySet is the minimum entry density sequence
  • MinNum is the number of values in the minimum entry density sequence
  • MaxNum WN ⁇ 2
  • ⁇ 2 is the second selection ratio, which can be based on actual conditions Set it to 0.2, 0.3, 0.4 or other values
  • nmin is the value sequence number in the minimum entry density sequence
  • MinWdDensity nmin is the nminth value of the minimum entry density sequence value.
  • MidDensitySet ⁇ MidWdDensity 1 , MidWdDensity 2 , ..., MidWdDensity nmid , ..., MidWdDensity MidNum ⁇
  • MidDensitySet is the median term density sequence
  • MidDensitySet DensitySet-MaxDensitySet-MinDensitySet
  • MidNum is the number of values in the median term density sequence
  • MidNum WN ⁇ (1- ⁇ 1- ⁇ 2 )
  • nmid is the value sequence number in the median entry density sequence, 1 ⁇ nmid ⁇ MidNum
  • MidWdDensity nmid is the nmid value in the median entry density sequence.
  • the setting process of the second threshold is similar to the setting process of the first threshold. It is only necessary to replace the density of entries appearing therein with uniformity. For details, please refer to the above content, which will not be repeated here.
  • Step S104 Select a target server from a preset server group according to the core word subset.
  • the target server is a server used to archive the legal text.
  • the server group may include three servers, which are respectively used to archive legal texts in the three legal fields of civil, criminal, and administrative.
  • step S104 may specifically include:
  • Step S1041 respectively query the first feature vector of each word in the core word subset in the preset first word list.
  • the first feature vector of each word is composed of components of T dimensions, and each dimension corresponds to the feature value of a server.
  • T is an integer greater than 1.
  • T 3.
  • Step S10411 Perform word segmentation processing on each piece of legal text in the preset legal text database to obtain each word that composes the legal text database.
  • the general legal text database includes legal text databases corresponding to various legal fields.
  • the total legal text database contains as many legal texts as possible in a certain statistical time period.
  • the statistical time period can be set according to the actual situation, for example, it can be set to a time period within a week, a month, a quarter, or a year from the current moment.
  • All legal texts in the general legal text database will be divided into several legal text databases according to the legal field to which they belong, and each legal text database corresponds to a legal field.
  • the general legal text database can be divided into civil Legal text library, criminal law text library, administrative law text library, etc.
  • each legal text library also corresponds to a server that archives the legal field.
  • step S101 The process of word segmentation is similar to the process in step S101.
  • steps S101 please refer to the description in step S101, which will not be repeated here.
  • Step S10412 Count the number of occurrences of each word constituting the legal text database in each legal text database.
  • the number of occurrences of each word constituting the legal text database in each legal text database can be recorded as a sequence format as shown below:
  • WNSeq sw (WordNum sw,1 ,WordNum sw,2 , whil,WordNum sw,t , whil,WordNum sw,T )
  • t is the serial number of each server in the server group (that is, the serial number of the legal text database)
  • sw is the serial number of each word composing the legal text database
  • 1 ⁇ sw ⁇ SWN SWN is the total number of words that make up the legal text database
  • WordNum sw,t is the number of times that the swth word that makes up the legal text database appears in the legal text database corresponding to the t-th server
  • WNSeq sw It is the sequence of the number of occurrences of the swth word in each legal text database.
  • Step S10413 Calculate the feature values corresponding to each server and each word that composes the legal text database.
  • the feature values corresponding to each server and each word constituting the legal text database can be calculated separately according to the following formula:
  • ln is a natural logarithmic function
  • EigVal sw,t is the feature value corresponding to the t-th server and the sw-th word that constitutes the total legal text database.
  • Step S10414 Construct a first feature vector of each word composing the legal text database.
  • the first feature vector of each word composing the legal text database can be constructed according to the following formula:
  • EigVec sw (EigVal sw,1 ,EigVal sw,2 , whil,EigVal sw,t , whil,EigVal sw,T )
  • EigVec sw is the first feature vector of the sw-th word constituting the general database of legal texts.
  • Step S10415 Construct a first feature vector of each word constituting the legal text database as the first word list.
  • Step S1042 according to the first feature vector of each word in the core word subset, respectively calculate the probability value of the legal text filed into each server in the server group.
  • the probability value of the legal text filed into each server in the server group can be calculated according to the following formula:
  • c is the sequence number of each word in the core word subset, 1 ⁇ c ⁇ CoreNum, CoreNum is the number of words in the core word subset, and EigVal c,t is the c-th word in the core word subset
  • the characteristic value corresponding to the t-th server, and LawDom t is the probability value of the legal text being filed into the t-th server.
  • Step S1043 Determine the server with the largest probability value as the target server.
  • the target server can be selected according to the following formula:
  • TgtLawDom Argmax(LawDomSq)
  • Argmax is the largest independent variable function
  • LawDomSq is the first probability value sequence of the legal text
  • LawDomSq (LawDom 1 ,LawDom 2 , whil,LawDom t , whil, LawDom T )
  • TgtLawDom is the serial number of the target server.
  • Step S105 Select an auxiliary word subset from the word set.
  • the auxiliary word subset includes each word whose ratio of the first word frequency to the second word frequency is greater than a preset third threshold, the first word frequency is the frequency that appears in the legal text, and the second word frequency is the The frequency of appearance in the legal text database corresponding to the target server.
  • the first word frequency of each word in the word set can be calculated separately according to the following formula:
  • FstFrq w is the first word frequency of the wth word in the word set.
  • LibWdNum w is the number of times the w-th word in the word set appears in the legal text database corresponding to the target server
  • SndFrq w is the second word frequency of the w-th word in the word set.
  • each word whose ratio of the first word frequency to the second word frequency is greater than the third threshold is selected from the word set to form the auxiliary word subset.
  • the process of setting the third threshold is similar to the process of setting the first threshold. It is only necessary to replace the term density that appears in it with the ratio of the first term frequency to the second term frequency. For details, please refer to the above content, here No longer.
  • Step S106 Determine the target partition of the legal text in the target server according to the auxiliary word subset.
  • the target partition is a disk partition used to archive the legal text.
  • each legal field can be subdivided into multiple categories. Taking the civil legal field as an example, it can be divided into the following eight categories: (1) Between citizens, between citizens and legal persons due to property rights Most of the disputes refer to disputes over the possession, use, profit and disposal of property. (2) Disputes between citizens due to contractual acts such as sale, lease, loan, gift, pawn, etc. and disputes arising from inheritance. (3) Due to improper gains, no debt disputes due to management, etc. and compensation disputes caused by damage to property. (4) Disputes caused by personal rights mainly refer to the infringement of citizens' health rights, name rights, reputation rights, honor rights and portrait rights.
  • each server can be divided into a number of disk partitions, and each disk partition is used to archive a certain type of legal text.
  • step S106 may specifically include:
  • Step S1061 respectively query the second feature vector of each word in the auxiliary word subset in the preset second word list.
  • the second feature vector of each word is composed of components of ST dimensions, each dimension corresponds to a feature value of a disk partition, and ST is the total number of disk partitions in the target server.
  • the setting process of the second word list is similar to the setting process of the first word list shown in FIG. 4, and the legal text library corresponding to the target server includes legal text sub-libraries corresponding to each disk partition. Firstly, count the number of occurrences of each word in the legal text library in each legal text sub-database, and then calculate the feature value of each word and each disk partition in the target server according to the following formula:
  • st is the disk partition number in the target server, 1 ⁇ st ⁇ ST
  • WordNum sw,st is the st disk partition of the swth word that composes the legal text database in the target server
  • EigVal sw,st is the feature value corresponding to the sw-th word constituting the legal text general library and the st-th disk partition in the target server.
  • SdEigVec sw is the second feature vector of the sw-th word constituting the general database of legal texts.
  • Step S1062 according to the second feature vector of each word in the auxiliary word subset, respectively calculate the probability value of the legal text belonging to each disk partition in the target server.
  • the probability value of the legal text belonging to each disk partition in the target server can be calculated according to the following formula:
  • sub is the sequence number of each word in the auxiliary word subset, 1 ⁇ sub ⁇ SubNum, SubNum is the number of words in the auxiliary word subset, EigVal sub,st is the sub-th word in the auxiliary word subset
  • the characteristic value corresponding to the st-th disk partition in the target server, and LawType st is the probability value of the legal text belonging to the st-th disk partition in the target server.
  • Step S1063 Determine the disk partition with the largest probability value as the target partition of the legal text in the target server.
  • the target partition of the legal text in the target server can be selected according to the following formula:
  • Step S107 File the legal text into the target partition in the target server.
  • the legal text after receiving the relevant instructions, the legal text can be automatically obtained, and the core of the legal text can be effectively represented from the legal text by means of automatic text analysis.
  • Word subset and determine the basis for the server (ie, the target server) that archives the legal text based on this, and then select an auxiliary word subset from the word set, and determine the disk for filing the legal text accordingly Partition (ie, target partition), and file legal texts into the target partition in the target server.
  • Partition ie, target partition
  • file legal texts into the target partition in the target server.
  • FIG. 6 shows a structural diagram of an embodiment of a legal text filing device provided in an embodiment of the present application.
  • a legal document filing device may include:
  • the legal text obtaining module 601 is configured to receive a legal text filing instruction, extract the target address in the legal text filing instruction, and obtain the legal text in the target address;
  • the word segmentation processing module 602 is configured to perform word segmentation processing on the legal text to obtain a set of words that make up the legal text;
  • the core word subset selection module 603 is configured to select a core word subset from the word set, and the core word subset includes those whose term density is greater than a preset first threshold and their uniformity is greater than a preset second threshold Various words
  • the target server determining module 604 is configured to select a target server from a preset server group according to the core word subset, where the target server is a server for archiving the legal text;
  • the auxiliary word subset selection module 605 is configured to select an auxiliary word subset from the word set, and the auxiliary word subset includes each word whose ratio of the first word frequency to the second word frequency is greater than the preset third threshold, so The first word frequency is the frequency of appearance in the legal text, and the second word frequency is the frequency of appearance in the legal text database corresponding to the target server;
  • a partition determining module 606, configured to determine a target partition of the legal text in the target server according to the auxiliary word subset, where the target partition is a disk partition for archiving the legal text;
  • the archiving module 607 is configured to archive the legal text into the target partition in the target server.
  • the core word subset selection module may include:
  • the term density calculation unit is used to calculate the term density of each word in the word set
  • the text paragraph dividing unit is used to divide the legal text into FN text paragraphs, and respectively count the occurrence of each word in the word set in each text paragraph, and FN is an integer greater than one;
  • a uniformity calculation unit for calculating the uniformity of each word in the word set
  • the core word subset selection unit is configured to select, from the word set, each word whose term density is greater than the first threshold and the uniformity is greater than the second threshold to form the core word subset.
  • the target server determining module may include:
  • the first feature vector query unit is configured to query the first feature vector of each word in the core word subset in the preset first word list;
  • a probability value calculation unit configured to calculate the probability value of the legal text filed into each server in the server group according to the first feature vector of each word in the core word subset;
  • the target server determining unit is configured to determine the server with the largest probability value as the target server.
  • auxiliary word subset selection module may include:
  • the first word frequency calculation unit is configured to calculate the first word frequency of each word in the word set
  • the second word frequency calculation unit is configured to calculate the second word frequency of each word in the word set
  • the auxiliary word subset selection unit is configured to select, from the word set, each word whose ratio of the first word frequency to the second word frequency is greater than the third threshold value to form the auxiliary word subset.
  • FIG. 7 shows a schematic block diagram of a terminal device provided by an embodiment of the present application. For ease of description, only parts related to the embodiment of the present application are shown.
  • the terminal device 7 may be a computing device such as a desktop computer, a notebook, a palmtop computer, and a cloud server.
  • the terminal device 7 may include: a processor 70, a memory 71, and computer-readable instructions 72 stored in the memory 71 and running on the processor 70, for example, a computer-readable instruction for executing the above-mentioned legal text filing method instruction.
  • the processor 70 executes the computer-readable instructions 72, the steps in the foregoing legal document filing method embodiments are implemented.
  • Non-volatile memory may include read only memory (ROM), programmable ROM (PROM), electrically programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), or flash memory.
  • Volatile memory may include random access memory (RAM) or external cache memory.
  • RAM is available in many forms, such as static RAM (SRAM), dynamic RAM (DRAM), synchronous DRAM (SDRAM), double data rate SDRAM (DDRSDRAM), enhanced SDRAM (ESDRAM), synchronous chain Channel (Synchlink) DRAM (SLDRAM), memory bus (Rambus) direct RAM (RDRAM), direct memory bus dynamic RAM (DRDRAM), and memory bus dynamic RAM (RDRAM), etc.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

一种法律文本归档方法、装置、计算机非易失性可读存储介质及终端设备。所述方法接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本（S101）；对所述法律文本进行分词处理，得到组成所述法律文本的词语集合（S102）；从所述词语集合中选取核心词子集（S103）；根据所述核心词子集从预设的服务器群组中选取目标服务器（S104）；从所述词语集合中选取辅助词子集（S105），所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语；根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区（S106）；将所述法律文本归档入所述目标服务器中的所述目标分区（S107）。

Description

一种法律文本归档方法、装置、可读存储介质及终端设备
本申请要求于2019年9月3日提交中国专利局、申请号为201910826813.9、发明名称为“一种法律文本归档方法、装置、可读存储介质及终端设备”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请属于计算机技术领域，尤其涉及一种法律文本归档方法、装置、计算机非易失性可读存储介质及终端设备。
背景技术
在法院、律所等机构中，往往需要对大量的法律文本及时进行归档处理，以便于后续查询。现有技术中提供了多种对这些法律文本进行归档的方法，例如，可以按照处理人、处理单位以及处理日期等进行归档。这样的归档方法虽然可以使得这些法律文本看起来井然有序，但却并未考虑到这些法律文本内在的关联性，不便于用户进行查询，当用户需要从中查询相关的资料时，往往需要逐个进行查看，耗费大量的人力成本，效率极为低下。
技术问题
有鉴于此，本申请实施例提供了一种法律文本归档方法、装置、计算机非易失性可读存储介质及终端设备，以解决现有的法律文本归档方法耗费大量的人力成本，效率极为低下的问题。
技术解决方案
本申请实施例的第一方面提供了一种法律文本归档方法，可以包括：
接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本；
对所述法律文本进行分词处理，得到组成所述法律文本的词语集合；
从所述词语集合中选取核心词子集，所述核心词子集中包括词条密度大于预设的第一阈值且均匀度大于预设的第二阈值的各个词语；
根据所述核心词子集从预设的服务器群组中选取目标服务器，所述目标服务器为用于对所述法律文本归档的服务器；
从所述词语集合中选取辅助词子集，所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语，所述第一词频为在所述法律文本中出现的频率，所述第二词频为在与所述目标服务器对应的法律文本库中出现的频率；
根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区，所述目标分区为用于对所述法律文本归档的磁盘分区；
将所述法律文本归档入所述目标服务器中的所述目标分区。
本申请实施例的第二方面提供了一种法律文本归档装置，可以包括用于实现上述法律文本归档方法的步骤的模块。
本申请实施例的第三方面提供了一种计算机非易失性可读存储介质，所述计算机非易失性可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下上述法律文本归档方法的步骤。
本申请实施例的第四方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述法律文本归档方法的步骤。
有益效果
在本申请实施例中，将法律文本按其实际核心内容归档入各个服务器的磁盘分区中，当用户需要查询相关资料时，仅需在对应的服务器的磁盘分区中进行查找即可，节省了对于人力成本的耗费，大大提高了工作效率。
附图说明
图1为本申请实施例中一种法律文本归档方法的一个实施例流程图；
图2为从词语集合中选取核心词子集的示意流程图；
图3为根据核心词子集确定目标服务器的示意流程图；
图4为第一词语列表的设置过程的示意流程图；
图5为根据辅助词子集确定法律文本在目标服务器中的类别的示意流程图；
图6为本申请实施例中一种法律文本归档装置的一个实施例结构图；
图7为本申请实施例中一种终端设备的示意框图。
本发明的实施方式
请参阅图1，本申请实施例中一种法律文本归档方法的一个实施例可以包括：
步骤S101、接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本。
所述法律文本包括但不限于法律条文、法律论文、法律报道、法律分析文章以及法院的起诉书、裁决书等等与法律相关的材料中的文本。
当用户需要对某一法律文本进行存储时，可以通过人机交互界面向预设的终端设备下发法律文本存储指令，在所述法律文本存储指令中携带着法律文本当前所在的地址，也即所述目标地址。所述目标地址可以是所述终端设备中的某一存储地址，也可以是网络中或者指定的数据库中的某一存储地址。所述终端设备即为本实施例的实施主体，在接收到所述法律文本存储指令之后，所述终端设备可以从中提取出所述目标 地址，并根据所述目标地址从本地、网络或者指定的数据库中获取到法律文本。
步骤S102、对所述法律文本进行分词处理，得到组成所述法律文本的词语集合。
在进行法律文本归档的过程中，所述终端设备首先会对会对其进行分词处理，得到组成所述法律文本的词语集合。分词处理是指将所述法律文本切分成一个一个单独的词语，在本实施例中，可以采用通用词典与法律专用词典相结合的方式对所述法律文本进行切分，即使用法律专用词典对所述法律文本进行第一轮切分，再使用通用词典对第一轮切分后剩下的法律文本进行切分，通过这样的方式，优先切分出法律专用词语，再切分出通用词语，对于既无法切分出法律专用词语又无法切分出通用词语的法律文本，则切分出单字。
步骤S103、从所述词语集合中选取核心词子集。
所述核心词子集中包括词条密度大于预设的第一阈值且均匀度大于预设的第二阈值的各个词语。
如图2所示，步骤S103具体可以包括如下步骤：
步骤S1031、分别计算所述词语集合中的各个词语的词条密度。
具体地，可以根据下式分别计算所述词语集合中的各个词语的词条密度：
Figure PCTCN2019118148-appb-000001
其中，w为所述词语集合中的各个词语的序号，1≤w≤WN，WN为所述词语集合中的词语数目，WdNum w为所述词语集合中的第w个词语在所述法律文本中出现的次数，LineNum为所述法律文本的总行数，WdDensity w为所述词语集合中的第w个词语的词条密度。
步骤S1032、将所述法律文本划分为FN个文本段落，并分别统计所述词语集合中的各个词语在各个文本段落中的出现情况。
FN为大于1的整数。文本段落可以根据具体情况来划分，在本实施例的一种具体实现中，可以将所述法律文本中的每KN行作为一个文本段落，即将所述法律文本中的第1行至第KN行作为第一个文本段落，将所述法律文本中的第KN+1行至第2×KN行作为第二个文本段落，将所述法律文本中的第2×KN+1行至第3×KN行作为第三个文本段落，以此类推。则有：
Figure PCTCN2019118148-appb-000002
其中，Ceil为向上取整函数。KN的取值可以根据具体情况进行设置，例如，可以将其设置为3、5、10或者其它取值等等。
步骤S1033、分别计算所述词语集合中的各个词语的均匀度。
具体地，可以根据下式分别计算所述词语集合中的各个词语的均匀度：
Figure PCTCN2019118148-appb-000003
其中，f为所述法律文本的各个文本段落的序号，1≤f≤FN，Flag w,f为所述词语集合中的第w个词语在第f个文本段落中的出现情况的标志位，且
Figure PCTCN2019118148-appb-000004
WdEqu w为所述词语集合中的第w个词语的均匀度。
步骤S1034、从所述词语集合中选取词条密度大于所述第一阈值且均匀度大于所述第二阈值的各个词语组成所述核心词子集。
所述第一阈值和所述第二阈值的具体取值可以根据实际情况进行设置。
在本实施例的一种具体实现中，可以首先按照取值从大到小的顺序构造如下所示的词条密度序列：
DensitySet＝{WdDensity 1、WdDensity 2、……、WdDensity w、……、WdDensity WN}
其中，DensitySet即为所述词条密度序列。
然后，按照预设的第一选取比例从所述词条密度序列中选取排序在前的若干个取值，并将选取的取值构造为如下所示的最大词条密度序列：
MaxDensitySet＝{MaxWdDensity 1、MaxWdDensity 2、……、MaxWdDensity nmax、……、MaxWdDensity MaxNum}
其中，MaxDensitySet为所述最大词条密度序列，MaxNum为所述最大词条密度序列中的取值个数，且MaxNum＝WN×η 1，η 1为所述第一选取比例，可以根据实际情况将其设置为0.2、0.3、0.4或者其它取值，nmax为所述最大词条密度序列中的取值序号，1≤nmax≤MaxNum，MaxWdDensity nmax为所述最大词条密度序列的第nmax个取值。
接着，按照预设的第二选取比例从所述词条密度序列中选取排序在后的若干个取值，并将选取的取值构造为如下所示的最小词条密度序列：
MinDensitySet＝{MinWdDensity 1、MinWdDensity 2、……、MinWdDensity nmin、……、MinWdDensity MinNum}
其中，MinDensitySet为所述最小词条密度序列，MinNum为所述最小词条密度序列中的取值个数，且MaxNum＝WN×η 2，η 2为所述第二选取比例，可以根据实际情况将其设置为0.2、0.3、0.4或者其它取值，nmin为所述最小词条密度序列中的取值序号，1≤nmin≤MinNum，MinWdDensity nmin为所述最小词条密度序列的第nmin个取值。
再构造如下所示的中值词条密度序列：
MidDensitySet＝{MidWdDensity 1、MidWdDensity 2、……、MidWdDensity nmid、……、 MidWdDensity MidNum}
其中，MidDensitySet为所述中值词条密度序列，且MidDensitySet＝DensitySet-MaxDensitySet-MinDensitySet，MidNum为所述中值词条密度序列中的取值个数，且MidNum＝WN×(1-η 1-η 2)，nmid为所述中值词条密度序列中的取值序号，1≤nmid≤MidNum，MidWdDensity nmid为所述中值词条密度序列的第nmid个取值。
最后，根据下式计算所述第一阈值：
Figure PCTCN2019118148-appb-000005
其中，λ为预设的系数，且λ>0，FstThresh为所述第一阈值。
所述第二阈值的设置过程与所述第一阈值的设置过程类似，仅需将其中出现的词条密度替换为均匀度即可，具体可参照上述内容，此处不再赘述。
步骤S104、根据所述核心词子集从预设的服务器群组中选取目标服务器。
所述目标服务器为用于对所述法律文本归档的服务器。在本实施例中，所述服务器群组可以包括三个服务器，分别用于对民事、刑事、行政这三个法律领域的法律文本进行归档。
如图3所示，步骤S104具体可以包括：
步骤S1041、在预设的第一词语列表中分别查询所述核心词子集中的各个词语的第一特征向量。
其中，每个词语的第一特征向量均由T个维度的分量组成，每个维度均对应于一个服务器的特征值，T为大于1的整数，对于将所有的法律文本划分为民事、刑事、行政这三个法律领域的情况，则有T＝3。
对于不同法律领域的法律文本而言，其中的用词往往会存在较大的差异，某些词语会在某一个法律领域中频繁出现，而在其它的法律领域中极少出现，本实施例利用这一特性，预先通过如图4所示的大数据分析过程设置建立所述第一词语列表：
步骤S10411、对预设的法律文本总库中的各条法律文本进行分词处理，得到组成所述法律文本总库的各个词语。
所述法律文本总库中包括与各个法律领域分别对应的法律文本库。在所述法律文本总库中尽可能多的包含某一统计时间段内获取的所有法律文本。该统计时间段可以根据实际情况进行设置，例如，可以将其设置为距离当前时刻一周、一个月、一个季度或者一年内的时间段。
所述法律文本总库中的所有法律文本根据其所属的法律领域会被划分为若干个法律文本库，每个法律文本库均对应于一个法律领域，例如，可以将法律文本总库划分 为民事法律文本库、刑事法律文本库、行政法律文本库等等。相应的，每个法律文本库也均对应于一个对该法律领域进行归档的服务器。
分词处理的过程与步骤S101中的过程类似，具体可参照步骤S101中的叙述，此处不再赘述。
步骤S10412、分别统计组成所述法律文本总库的各个词语在各个法律文本库中出现的次数。
在本实施例中，可以将组成所述法律文本总库的各个词语在各个法律文本库中出现的次数记为如下所示的序列形式：
WNSeq sw＝(WordNum sw,1,WordNum sw,2,......,WordNum sw,t,......,WordNum sw,T)
其中，t为所述服务器群组中的各个服务器的序号(也即法律文本库的序号)，1≤t≤T，sw为组成所述法律文本总库的各个词语的序号，1≤sw≤SWN，SWN组成所述法律文本总库的词语的总数，WordNum sw,t为组成所述法律文本总库的第sw个词语在与第t个服务器对应的法律文本库中出现的次数，WNSeq sw为第sw个词语在各个法律文本库中出现的次数序列。
步骤S10413、分别计算组成所述法律文本总库的各个词语与各个服务器对应的特征值。
具体地，可以根据下式分别计算组成所述法律文本总库的各个词语与各个服务器对应的特征值：
Figure PCTCN2019118148-appb-000006
其中，ln为自然对数函数，EigVal sw,t为组成所述法律文本总库的第sw个词语与第t个服务器对应的特征值。
由该式可以看出，EigVal sw,t与WordNum sw,t正相关，即某一词语在某个服务器对应的法律文本库中出现的次数越多，则该词语与该服务器对应的特征值也越高。
步骤S10414、构造组成所述法律文本总库的各个词语的第一特征向量。
具体地，可以根据下式构造组成所述法律文本总库的各个词语的第一特征向量：
EigVec sw＝(EigVal sw,1,EigVal sw,2,......,EigVal sw,t,......,EigVal sw,T)
其中，EigVec sw为组成所述法律文本总库的第sw个词语的第一特征向量。
步骤S10415、将组成所述法律文本总库的各个词语的第一特征向量构造为所述第一词语列表。
通过图4所示的过程，即可完成对所述第一词语列表的设置过程，为后续的法律文本归档提供依据。
步骤S1042、根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值。
具体地，可以根据下式计算所述法律文本归档入所述服务器群组中的各个服务器的概率值：
Figure PCTCN2019118148-appb-000007
其中，c为所述核心词子集中的各个词语的序号，1≤c≤CoreNum，CoreNum为所述核心词子集中的词语数目，EigVal c,t为所述核心词子集中的第c个词语与第t个服务器对应的特征值，LawDom t为所述法律文本归档入第t个服务器的概率值。
步骤S1043、将概率值最大的服务器确定为所述目标服务器。
具体地，可以根据下式选取出所述目标服务器：
TgtLawDom＝Argmax(LawDomSq)
＝Argmax(LawDom 1,LawDom 2,......,LawDom t,......,LawDom T)
其中，Argmax为最大自变量函数，LawDomSq为所述法律文本的第一概率值序列，且：LawDomSq＝(LawDom 1,LawDom 2,......,LawDom t,......,LawDom T)，TgtLawDom为所述目标服务器的序号。
步骤S105、从所述词语集合中选取辅助词子集。
所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语，所述第一词频为在所述法律文本中出现的频率，所述第二词频为在与所述目标服务器对应的法律文本库中出现的频率。
具体地，首先可以根据下式分别计算所述词语集合中的各个词语的第一词频：
Figure PCTCN2019118148-appb-000008
其中，FstFrq w为所述词语集合中的第w个词语的第一词频。
然后，根据下式分别计算所述词语集合中的各个词语的第二词频：
Figure PCTCN2019118148-appb-000009
其中，LibWdNum w为所述词语集合中的第w个词语在与所述目标服务器对应的法律文本库中出现的次数，SndFrq w为所述词语集合中的第w个词语的第二词频。
最后，从所述词语集合中选取第一词频与第二词频之比大于所述第三阈值的各个词语组成所述辅助词子集。
所述第三阈值的设置过程与所述第一阈值的设置过程类似，仅需将其中出现的词条密度替换为第一词频与第二词频之比即可，具体可参照上述内容，此处不再赘述。
步骤S106、根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区。
所述目标分区为用于对所述法律文本归档的磁盘分区。在本实施例中，每个法律领域又可细分为多个类别，以民事法律领域为例，可以分为以下8个类别：(1)公民之间、公民与法人之间因财产权而发生的纠纷，多数指对财产的占有、使用、收益和处分所发生的纠纷。(2)公民之间因买卖、租赁、借贷、赠与、典当等合同行为而发生的纠纷以及继承遗产所引起的纠纷。(3)因不当得利，无因管理等所产生的债务纠纷以及损坏财产引起的赔偿纠纷。(4)因人身权利引起的纠纷，这主要是指侵害公民健康权、姓名权、名誉权、荣誉权和肖像权。(5)因侵害公民的发明权(专利权)、著作权(版权)而引起的纠纷。(6)婚姻家庭引起的纠纷，主要有离婚以及因离婚引起的财产分割、子女抚养方面的纠纷，家庭成员间的赡养、抚育、扶养等纠纷。(7)因经济合同、企业劳动用工、企业承包、土地承包、相邻权等引起的纠纷。(8)法律规定的或最高人民法院司法解释文件规定的应由人民法院受理的其他民事诉讼案件。本实施例可以将每个服务器均划分为若干个磁盘分区，每个磁盘分区用于对某一类别的法律文本进行归档。
如图5所示，步骤S106具体可以包括：
步骤S1061、在预设的第二词语列表中分别查询所述辅助词子集中的各个词语的第二特征向量。
其中，每个词语的第二特征向量均由ST个维度的分量组成，每个维度均对应于一个磁盘分区的特征值，ST为所述目标服务器中的磁盘分区总数。
所述第二词语列表的设置过程与图4所示的所述第一词语列表的设置过程类似，与所述目标服务器对应的法律文本库中包括与各个磁盘分区分别对应的法律文本子库，首先分别统计所述法律文本总库的各个词语在各个法律文本子库中出现的次数，然后可以根据下式分别计算各个词语与所述目标服务器中的各个磁盘分区对应的特征值：
Figure PCTCN2019118148-appb-000010
其中，st为所述目标服务器中的磁盘分区序号，1≤st≤ST，WordNum sw,st为组成所述法律文本总库的第sw个词语在与所述目标服务器中的第st个磁盘分区对应的法律文本子库中出现的次数，EigVal sw,st为组成所述法律文本总库的第sw个词语与所述目标服务器中的第st个磁盘分区对应的特征值。
最后，根据下式构造组成所述法律文本总库的各个词语的第二特征向量，并将组成所述法律文本总库的各个词语的第二特征向量构造为所述第二词语列表：
SdEigVec sw＝(EigVal sw,1,EigVal sw,2,......,EigVal sw,st,......,EigVal sw,ST)
其中，SdEigVec sw为组成所述法律文本总库的第sw个词语的第二特征向量。
步骤S1062、根据所述辅助词子集中的各个词语的第二特征向量分别计算所述法律文本属于所述目标服务器中的各个磁盘分区的概率值。
具体地，可以根据下式计算所述法律文本属于所述目标服务器中的各个磁盘分区的概率值：
Figure PCTCN2019118148-appb-000011
其中，sub为所述辅助词子集中的各个词语的序号，1≤sub≤SubNum，SubNum为所述辅助词子集中的词语数目，EigVal sub,st为所述辅助词子集中的第sub个词语与所述目标服务器中的第st个磁盘分区对应的特征值，LawType st为所述法律文本属于所述目标服务器中的第st个磁盘分区的概率值。
步骤S1063、将概率值最大的磁盘分区确定为所述法律文本在所述目标服务器中的目标分区。
具体地，可以根据下式选取出所述法律文本在所述目标服务器中的目标分区：
TgtLawType＝Argmax(LawTypeSq)
＝Argmax(LawType 1,LawType 2,......,LawType st,......,LawType ST)
其中，LawTypeSq为所述法律文本的第二概率值序列，且：LawTypeSq＝(LawType 1,LawType 2,......,LawType st,......,LawType ST)，TgtLawType为所述法律文本在所述目标服务器中的目标分区的序号。
步骤S107、将所述法律文本归档入所述目标服务器中的所述目标分区。
综上所述，在本申请实施例中，在接收到相关指令后，可以自动获取法律文本，并通过文本自动化分析的方式，自动从法律文本中选取出可以有效地表征法律文本核心内容的核心词子集，并据此确定对所述法律文本归档的服务器(即目标服务器)的依据，接着，从所述词语集合中选取辅助词子集，并据此确定对所述法律文本归档的磁盘分区(即目标分区)，并将法律文本归档入所述目标服务器中的所述目标分区。通过这样的方式，将法律文本按其实际核心内容归档入各个服务器的磁盘分区中，当用户需要查询相关资料时，仅需在对应的服务器的磁盘分区中进行查找即可，节省了对于人力成本的耗费，大大提高了工作效率。
对应于上文实施例所述的一种法律文本归档方法，图6示出了本申请实施例提供 的一种法律文本归档装置的一个实施例结构图。
本实施例中，一种法律文本归档装置可以包括：
法律文本获取模块601，用于接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本；
分词处理模块602，用于对所述法律文本进行分词处理，得到组成所述法律文本的词语集合；
核心词子集选取模块603，用于从所述词语集合中选取核心词子集，所述核心词子集中包括词条密度大于预设的第一阈值且均匀度大于预设的第二阈值的各个词语；
目标服务器确定模块604，用于根据所述核心词子集从预设的服务器群组中选取目标服务器，所述目标服务器为用于对所述法律文本归档的服务器；
辅助词子集选取模块605，用于从所述词语集合中选取辅助词子集，所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语，所述第一词频为在所述法律文本中出现的频率，所述第二词频为在与所述目标服务器对应的法律文本库中出现的频率；
分区确定模块606，用于根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区，所述目标分区为用于对所述法律文本归档的磁盘分区；
归档模块607，用于将所述法律文本归档入所述目标服务器中的所述目标分区。
进一步地，所述核心词子集选取模块可以包括：
词条密度计算单元，用于分别计算所述词语集合中的各个词语的词条密度；
文本段落划分单元，用于将所述法律文本划分为FN个文本段落，并分别统计所述词语集合中的各个词语在各个文本段落中的出现情况，FN为大于1的整数；
均匀度计算单元，用于分别计算所述词语集合中的各个词语的均匀度；
核心词子集选取单元，用于从所述词语集合中选取词条密度大于所述第一阈值且均匀度大于所述第二阈值的各个词语组成所述核心词子集。
进一步地，所述目标服务器确定模块可以包括：
第一特征向量查询单元，用于在预设的第一词语列表中分别查询所述核心词子集中的各个词语的第一特征向量；
概率值计算单元，用于根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值；
目标服务器确定单元，用于将概率值最大的服务器确定为所述目标服务器。
进一步地，所述辅助词子集选取模块可以包括：
第一词频计算单元，用于分别计算所述词语集合中的各个词语的第一词频；
第二词频计算单元，用于分别计算所述词语集合中的各个词语的第二词频；
辅助词子集选取单元，用于从所述词语集合中选取第一词频与第二词频之比大于所述第三阈值的各个词语组成所述辅助词子集。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图7示出了本申请实施例提供的一种终端设备的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。
在本实施例中，所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备7可包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机可读指令72，例如执行上述的法律文本归档方法的计算机可读指令。所述处理器70执行所述计算机可读指令72时实现上述各个法律文本归档方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机非易失性可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (20)

  1. 一种法律文本归档方法，其特征在于，包括：
    接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本；
    对所述法律文本进行分词处理，得到组成所述法律文本的词语集合；
    从所述词语集合中选取核心词子集，所述核心词子集中包括词条密度大于预设的第一阈值且均匀度大于预设的第二阈值的各个词语；
    根据所述核心词子集从预设的服务器群组中选取目标服务器，所述目标服务器为用于对所述法律文本归档的服务器；
    从所述词语集合中选取辅助词子集，所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语，所述第一词频为在所述法律文本中出现的频率，所述第二词频为在与所述目标服务器对应的法律文本库中出现的频率；
    根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区，所述目标分区为用于对所述法律文本归档的磁盘分区；
    将所述法律文本归档入所述目标服务器中的所述目标分区。
  2. 根据权利要求1所述的法律文本归档方法，其特征在于，所述从所述词语集合中选取核心词子集包括：
    根据下式分别计算所述词语集合中的各个词语的词条密度：
    Figure PCTCN2019118148-appb-100001
    其中，w为所述词语集合中的各个词语的序号，1≤w≤WN，WN为所述词语集合中的词语数目，WdNum w为所述词语集合中的第w个词语在所述法律文本中出现的次数，LineNum为所述法律文本的总行数，WdDensity w为所述词语集合中的第w个词语的词条密度；
    将所述法律文本划分为FN个文本段落，并分别统计所述词语集合中的各个词语在各个文本段落中的出现情况，FN为大于1的整数；
    根据下式分别计算所述词语集合中的各个词语的均匀度：
    Figure PCTCN2019118148-appb-100002
    其中，f为所述法律文本的各个文本段落的序号，1≤f≤FN，Flag w,f为所述词语集合中的第w个词语在第f个文本段落中的出现情况的标志位，且
    Figure PCTCN2019118148-appb-100003
    WdEqu w为所述词语集合中 的第w个词语的均匀度；
    从所述词语集合中选取词条密度大于所述第一阈值且均匀度大于所述第二阈值的各个词语组成所述核心词子集。
  3. 根据权利要求1所述的法律文本归档方法，其特征在于，所述根据所述核心词子集从预设的服务器群组中选取目标服务器包括：
    在预设的第一词语列表中分别查询所述核心词子集中的各个词语的第一特征向量，其中，每个词语的第一特征向量均由T个维度的分量组成，每个维度均对应于一个服务器的特征值，T为大于1的整数；
    根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值；
    将概率值最大的服务器确定为所述目标服务器。
  4. 根据权利要求3所述的法律文本归档方法，其特征在于，所述根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值包括：
    根据下式计算所述法律文本归档入所述服务器群组中的各个服务器的概率值：
    Figure PCTCN2019118148-appb-100004
    其中，t为所述服务器群组中的各个服务器的序号，1≤t≤T，c为所述核心词子集中的各个词语的序号，1≤c≤CoreNum，CoreNum为所述核心词子集中的词语数目，EigVal c,t为所述核心词子集中的第c个词语与第t个服务器对应的特征值，LawDom t为所述法律文本归档入第t个服务器的概率值。
  5. 根据权利要求1至4中任一项所述的法律文本归档方法，其特征在于，所述从所述词语集合中选取辅助词子集包括：
    分别计算所述词语集合中的各个词语的第一词频；
    分别计算所述词语集合中的各个词语的第二词频；
    从所述词语集合中选取第一词频与第二词频之比大于所述第三阈值的各个词语组成所述辅助词子集。
  6. 一种法律文本归档装置，其特征在于，包括：
    法律文本获取模块，用于接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本；
    分词处理模块，用于对所述法律文本进行分词处理，得到组成所述法律文本的词 语集合；
    核心词子集选取模块，用于从所述词语集合中选取核心词子集，所述核心词子集中包括词条密度大于预设的第一阈值且均匀度大于预设的第二阈值的各个词语；
    目标服务器确定模块，用于根据所述核心词子集从预设的服务器群组中选取目标服务器，所述目标服务器为用于对所述法律文本归档的服务器；
    辅助词子集选取模块，用于从所述词语集合中选取辅助词子集，所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语，所述第一词频为在所述法律文本中出现的频率，所述第二词频为在与所述目标服务器对应的法律文本库中出现的频率；
    分区确定模块，用于根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区，所述目标分区为用于对所述法律文本归档的磁盘分区；
    归档模块，用于将所述法律文本归档入所述目标服务器中的所述目标分区。
  7. 根据权利要求6所述的法律文本归档装置，其特征在于，所述核心词子集选取模块包括：
    词条密度计算单元，用于分别计算所述词语集合中的各个词语的词条密度；
    文本段落划分单元，用于将所述法律文本划分为FN个文本段落，并分别统计所述词语集合中的各个词语在各个文本段落中的出现情况，FN为大于1的整数；
    均匀度计算单元，用于分别计算所述词语集合中的各个词语的均匀度；
    核心词子集选取单元，用于从所述词语集合中选取词条密度大于所述第一阈值且均匀度大于所述第二阈值的各个词语组成所述核心词子集。
  8. 根据权利要求6所述的法律文本归档装置，其特征在于，所述目标服务器确定模块包括：
    第一特征向量查询单元，用于在预设的第一词语列表中分别查询所述核心词子集中的各个词语的第一特征向量，其中，每个词语的第一特征向量均由T个维度的分量组成，每个维度均对应于一个服务器的特征值，T为大于1的整数；
    概率值计算单元，用于根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值；
    目标服务器确定单元，用于将概率值最大的服务器确定为所述目标服务器。
  9. 根据权利要求8所述的法律文本归档装置，其特征在于，所述概率值计算单元具体用于根据下式计算所述法律文本归档入所述服务器群组中的各个服务器的概率值：
    Figure PCTCN2019118148-appb-100005
    其中，t为所述服务器群组中的各个服务器的序号，1≤t≤T，c为所述核心词子集中的各个词语的序号，1≤c≤CoreNum，CoreNum为所述核心词子集中的词语数目，EigVal c,t为所述核心词子集中的第c个词语与第t个服务器对应的特征值，LawDom t为所述法律文本归档入第t个服务器的概率值。
  10. 根据权利要求6至9中任一项所述的法律文本归档装置，其特征在于，所述辅助词子集选取模块包括：
    第一词频计算单元，用于分别计算所述词语集合中的各个词语的第一词频；
    第二词频计算单元，用于分别计算所述词语集合中的各个词语的第二词频；
    辅助词子集选取单元，用于从所述词语集合中选取第一词频与第二词频之比大于所述第三阈值的各个词语组成所述辅助词子集。
  11. 一种计算机非易失性可读存储介质，所述计算机非易失性可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如下步骤：
    接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本；
    对所述法律文本进行分词处理，得到组成所述法律文本的词语集合；
    从所述词语集合中选取核心词子集，所述核心词子集中包括词条密度大于预设的第一阈值且均匀度大于预设的第二阈值的各个词语；
    根据所述核心词子集从预设的服务器群组中选取目标服务器，所述目标服务器为用于对所述法律文本归档的服务器；
    从所述词语集合中选取辅助词子集，所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语，所述第一词频为在所述法律文本中出现的频率，所述第二词频为在与所述目标服务器对应的法律文本库中出现的频率；
    根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区，所述目标分区为用于对所述法律文本归档的磁盘分区；
    将所述法律文本归档入所述目标服务器中的所述目标分区。
  12. 根据权利要求11所述的计算机非易失性可读存储介质，其特征在于，所述从所述词语集合中选取核心词子集包括：
    分别计算所述词语集合中的各个词语的词条密度；
    将所述法律文本划分为FN个文本段落，并分别统计所述词语集合中的各个词语在 各个文本段落中的出现情况，FN为大于1的整数；
    分别计算所述词语集合中的各个词语的均匀度；
    从所述词语集合中选取词条密度大于所述第一阈值且均匀度大于所述第二阈值的各个词语组成所述核心词子集。
  13. 根据权利要求11所述的计算机非易失性可读存储介质，其特征在于，所述根据所述核心词子集从预设的服务器群组中选取目标服务器包括：
    在预设的第一词语列表中分别查询所述核心词子集中的各个词语的第一特征向量，其中，每个词语的第一特征向量均由T个维度的分量组成，每个维度均对应于一个服务器的特征值，T为大于1的整数；
    根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值；
    将概率值最大的服务器确定为所述目标服务器。
  14. 根据权利要求13所述的计算机非易失性可读存储介质，其特征在于，所述根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值包括：
    根据下式计算所述法律文本归档入所述服务器群组中的各个服务器的概率值：
    Figure PCTCN2019118148-appb-100006
    其中，t为所述服务器群组中的各个服务器的序号，1≤t≤T，c为所述核心词子集中的各个词语的序号，1≤c≤CoreNum，CoreNum为所述核心词子集中的词语数目，EigVal c,t为所述核心词子集中的第c个词语与第t个服务器对应的特征值，LawDom t为所述法律文本归档入第t个服务器的概率值。
  15. 根据权利要求11至14中任一项所述的计算机非易失性可读存储介质，其特征在于，所述从所述词语集合中选取辅助词子集包括：
    分别计算所述词语集合中的各个词语的第一词频；
    分别计算所述词语集合中的各个词语的第二词频；
    从所述词语集合中选取第一词频与第二词频之比大于所述第三阈值的各个词语组成所述辅助词子集。
  16. 一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如下步骤：
    接收法律文本归档指令，提取所述法律文本归档指令中的目标地址，并获取所述目标地址中的法律文本；
    对所述法律文本进行分词处理，得到组成所述法律文本的词语集合；
    从所述词语集合中选取核心词子集，所述核心词子集中包括词条密度大于预设的第一阈值且均匀度大于预设的第二阈值的各个词语；
    根据所述核心词子集从预设的服务器群组中选取目标服务器，所述目标服务器为用于对所述法律文本归档的服务器；
    从所述词语集合中选取辅助词子集，所述辅助词子集中包括第一词频与第二词频之比大于预设的第三阈值的各个词语，所述第一词频为在所述法律文本中出现的频率，所述第二词频为在与所述目标服务器对应的法律文本库中出现的频率；
    根据所述辅助词子集确定所述法律文本在所述目标服务器中的目标分区，所述目标分区为用于对所述法律文本归档的磁盘分区；
    将所述法律文本归档入所述目标服务器中的所述目标分区。
  17. 根据权利要求16所述的终端设备，其特征在于，所述从所述词语集合中选取核心词子集包括：
    分别计算所述词语集合中的各个词语的词条密度；
    将所述法律文本划分为FN个文本段落，并分别统计所述词语集合中的各个词语在各个文本段落中的出现情况，FN为大于1的整数；
    分别计算所述词语集合中的各个词语的均匀度；
    从所述词语集合中选取词条密度大于所述第一阈值且均匀度大于所述第二阈值的各个词语组成所述核心词子集。
  18. 根据权利要求16所述的终端设备，其特征在于，所述根据所述核心词子集从预设的服务器群组中选取目标服务器包括：
    在预设的第一词语列表中分别查询所述核心词子集中的各个词语的第一特征向量，其中，每个词语的第一特征向量均由T个维度的分量组成，每个维度均对应于一个服务器的特征值，T为大于1的整数；
    根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值；
    将概率值最大的服务器确定为所述目标服务器。
  19. 根据权利要求18所述的终端设备，其特征在于，所述根据所述核心词子集中的各个词语的第一特征向量分别计算所述法律文本归档入所述服务器群组中的各个服务器的概率值包括：
    根据下式计算所述法律文本归档入所述服务器群组中的各个服务器的概率值：
    Figure PCTCN2019118148-appb-100007
    其中，t为所述服务器群组中的各个服务器的序号，1≤t≤T，c为所述核心词子集中的各个词语的序号，1≤c≤CoreNum，CoreNum为所述核心词子集中的词语数目，EigVal c,t为所述核心词子集中的第c个词语与第t个服务器对应的特征值，LawDom t为所述法律文本归档入第t个服务器的概率值。
  20. 根据权利要求16至19中任一项所述的终端设备，其特征在于，所述从所述词语集合中选取辅助词子集包括：
    分别计算所述词语集合中的各个词语的第一词频；
    分别计算所述词语集合中的各个词语的第二词频；
    从所述词语集合中选取第一词频与第二词频之比大于所述第三阈值的各个词语组成所述辅助词子集。
PCT/CN2019/118148 2019-09-03 2019-11-13 一种法律文本归档方法、装置、可读存储介质及终端设备 WO2021042554A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910826813.9 2019-09-03
CN201910826813.9A CN110750493B (zh) 2019-09-03 2019-09-03 一种法律文本归档方法、装置、可读存储介质及终端设备

Publications (1)

Publication Number Publication Date
WO2021042554A1 true WO2021042554A1 (zh) 2021-03-11

Family

ID=69275998

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/118148 WO2021042554A1 (zh) 2019-09-03 2019-11-13 一种法律文本归档方法、装置、可读存储介质及终端设备

Country Status (2)

Country Link
CN (1) CN110750493B (zh)
WO (1) WO2021042554A1 (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150169745A1 (en) * 2012-03-30 2015-06-18 Ubic, Inc. Document Sorting System, Document Sorting Method, and Document Sorting Program
CN107783989A (zh) * 2016-08-25 2018-03-09 北京国双科技有限公司 文书归属领域的确定方法和装置
CN108009284A (zh) * 2017-12-22 2018-05-08 重庆邮电大学 采用半监督卷积神经网络的法律文本分类方法
CN108984518A (zh) * 2018-06-11 2018-12-11 人民法院信息技术服务中心 一种面向裁判文书的文本分类方法
CN109344400A (zh) * 2018-09-18 2019-02-15 江苏润桐数据服务有限公司 一种文献入库的判断方法和装置
CN109460468A (zh) * 2018-10-23 2019-03-12 出门问问信息科技有限公司 法律相关文本的归类方法、归类装置及相应的电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6985908B2 (en) * 2001-11-01 2006-01-10 Matsushita Electric Industrial Co., Ltd. Text classification apparatus
WO2010087882A1 (en) * 2009-01-30 2010-08-05 Cbs Interactive, Inc. Personalization engine for building a user profile
US9002838B2 (en) * 2009-12-17 2015-04-07 Wausau Financial Systems, Inc. Distributed capture system for use with a legacy enterprise content management system
US9483557B2 (en) * 2011-03-04 2016-11-01 Microsoft Technology Licensing Llc Keyword generation for media content
US8442951B1 (en) * 2011-12-07 2013-05-14 International Business Machines Corporation Processing archive content based on hierarchical classification levels
CN109062972A (zh) * 2018-06-29 2018-12-21 平安科技（深圳）有限公司 网页分类方法、装置及计算机可读存储介质
CN109033212B (zh) * 2018-07-01 2021-09-07 上海新诤信知识产权服务股份有限公司 一种基于相似度匹配的文本分类方法
CN109413192A (zh) * 2018-11-08 2019-03-01 内蒙古伊泰煤炭股份有限公司 数据处理方法、装置、服务器及可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150169745A1 (en) * 2012-03-30 2015-06-18 Ubic, Inc. Document Sorting System, Document Sorting Method, and Document Sorting Program
CN107783989A (zh) * 2016-08-25 2018-03-09 北京国双科技有限公司 文书归属领域的确定方法和装置
CN108009284A (zh) * 2017-12-22 2018-05-08 重庆邮电大学 采用半监督卷积神经网络的法律文本分类方法
CN108984518A (zh) * 2018-06-11 2018-12-11 人民法院信息技术服务中心 一种面向裁判文书的文本分类方法
CN109344400A (zh) * 2018-09-18 2019-02-15 江苏润桐数据服务有限公司 一种文献入库的判断方法和装置
CN109460468A (zh) * 2018-10-23 2019-03-12 出门问问信息科技有限公司 法律相关文本的归类方法、归类装置及相应的电子设备

Also Published As

Publication number Publication date
CN110750493B (zh) 2022-08-09
CN110750493A (zh) 2020-02-04

Similar Documents

Publication Publication Date Title
WO2021114810A1 (zh) 基于图结构的公文推荐方法、装置、计算机设备及介质
WO2022095374A1 (zh) 关键词抽取方法、装置、终端设备及存储介质
US8965889B2 (en) Bi-temporal user profiles for information brokering in collaboration systems
CN105760474B (zh) 一种基于位置信息的文档集的特征词提取方法及***
CN107122382B (zh) 一种基于说明书的专利分类方法
WO2017166912A1 (zh) 商品短文本核心词提取方法和装置
US8725781B2 (en) Sentiment cube
CN112507711B (zh) 文本摘要抽取方法及***
WO2020248379A1 (zh) 一种相似网络页面的搜索方法及设备
CN108170666A (zh) 一种基于tf-idf关键词提取的改进方法
CN111506727B (zh) 文本内容类别获取方法、装置、计算机设备和存储介质
CN111291177A (zh) 一种信息处理方法、装置和计算机存储介质
US20140006369A1 (en) Processing structured and unstructured data
CN104391852B (zh) 一种建立关键词词库的方法和装置
CN106776695A (zh) 实现文书档案价值自动鉴定的方法
CN109740059B (zh) 一种热门话题舆情分析方法
CN116610853A (zh) 搜索推荐方法、搜索推荐***、计算机设备及存储介质
WO2021042554A1 (zh) 一种法律文本归档方法、装置、可读存储介质及终端设备
Song et al. A novel automatic ontology construction method based on web data
Savyanavar et al. Multi-document summarization using TF-IDF Algorithm
WO2021027162A1 (zh) 一种非满格表格内容提取方法、装置及终端设备
CN109783175B (zh) 应用程序图标管理方法、装置、可读存储介质及终端设备
CN115687579B (zh) 文档标签生成及匹配方法、装置和计算机设备
CN109462635B (zh) 一种信息推送方法、计算机可读存储介质及服务器
WO2021042511A1 (zh) 一种法律文本存储方法、装置、可读存储介质及终端设备

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19944435

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19944435

Country of ref document: EP

Kind code of ref document: A1