-
公开(公告)号：CN109308355A
公开(公告)日：2019-02-05
申请号：CN201811083989.1
申请日：2018-09-17
申请人： 清华大学
摘要： 本发明实施例提供一种法律判决结果预测方法及装置，所述方法包括：将待预测法律文书中的第一事实信息转化为第一词向量矩阵，将预先获取的各法律文书样本中的第二事实信息分别转化为第二词向量矩阵；对所述第一词向量矩阵进行编码获取第一编码结果，对各所述第二词向量矩阵分别进行编码获取第二编码结果；根据所述第一编码结果、各所述第二编码结果和预先获取的各所述法律文书样本的判决结果，基于长短时记忆神经网络对所述待预测法律文书的各判决任务的判决结果进行预测；其中，所述长短时记忆神经网络根据各所述判决任务之间的依赖关系进行构建。本发明实施例提高了判决结果的准确性，具有良好的可拓展性。
-
公开(公告)号：CN111325387B
公开(公告)日：2023-08-18
申请号：CN202010091848.5
申请日：2020-02-13
申请人： 清华大学 , 北京幂律智能科技有限责任公司
IPC分类号： G06Q10/04 , G06Q50/18 , G06N3/0499 , G06N3/08
摘要： 本发明实施例提供一种可解释法律自动判决预测方法及装置，所述方法包括：编码步骤：获取事实编码结果；问题生成步骤：将事实编码结果和预设的问题答案集合，输入至全连接神经网络模型，输出问题编号；答案生成步骤：将分字结果和问题编号，输入至BERT‑QA模型，输出问题答案；循环步骤：重复问题生成步骤和答案生成步骤，直到达到预设的重复次数，确定所有问题的答案；判决步骤：将所有问题的答案，输入至统计机器学习模型，输出判决结果。本发明实施例提供的可解释法律自动判决预测方法及装置，仿照实际审讯过程，利用人工智能进行若干轮提问和回答，并最终根据问答结果进行自动判决，实现了为自动判决的结果提供可解释性。
-
公开(公告)号：CN110263323A
公开(公告)日：2019-09-20
申请号：CN201910379144.5
申请日：2019-05-08
申请人： 清华大学
摘要： 本发明实施例提供一种基于栅栏式长短时记忆神经网络的关键词抽取方法及系统，所述方法包括：将待抽取关键词的法律文本语料输入到基于栅栏式长短时记忆神经网络的文本编码模型中，获得文本语义特征向量序列；将所述文本语义特征向量序列输入至关键词识别模型中，获得关键词抽取结果；其中，所述文本语义特征向量序列包含了所述待抽取关键词的法律文本语料中的字语义信息、词语义信息和上下文信息；其中，所述文本编码模型和所述关键词识别模型是根据带有关键词标注的法律文本语料样本进行联合训练后获得的。本发明实施例可以应对智慧司法领域中的复杂输入，在不依赖分词的情况下获取词的语义信息，实现关键词抽取在智慧司法领域的性能提升。
-
公开(公告)号：CN110276068B
公开(公告)日：2020-08-28
申请号：CN201910379141.1
申请日：2019-05-08
申请人： 清华大学
IPC分类号： G06F40/253 , G06N3/04 , G06N3/08 , G06Q50/18
摘要： 本发明实施例提供一种法律案情分析方法及装置。其中，方法包括：对待分析的案件描述文本进行分词和命名实体识别，获取句子序列；根据句子序列包含的各词语获取多个词向量，利用第一循环神经网络对每一词向量进行编码，并获取各分析任务对应的任务文本向量；将各要素判断任务对应的任务文本向量进行最大池化，获得要素判断任务的整体任务文本向量，利用第二循环神经网络对要素判断任务的整体任务文本向量和案由预测任务对应的任务文本向量进行编码，获取案由预测任务对应的第一隐向量，并将案由预测任务对应的第一隐向量输入至案由预测模型，获取案由预测结果。本发明实施例提供的法律案情分析方法及装置，能提高分析准确度。
-
公开(公告)号：CN110263323B
公开(公告)日：2020-08-28
申请号：CN201910379144.5
申请日：2019-05-08
申请人： 清华大学
IPC分类号： G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
摘要： 本发明实施例提供一种基于栅栏式长短时记忆神经网络的关键词抽取方法及系统，所述方法包括：将待抽取关键词的法律文本语料输入到基于栅栏式长短时记忆神经网络的文本编码模型中，获得文本语义特征向量序列；将所述文本语义特征向量序列输入至关键词识别模型中，获得关键词抽取结果；其中，所述文本语义特征向量序列包含了所述待抽取关键词的法律文本语料中的字语义信息、词语义信息和上下文信息；其中，所述文本编码模型和所述关键词识别模型是根据带有关键词标注的法律文本语料样本进行联合训练后获得的。本发明实施例可以应对智慧司法领域中的复杂输入，在不依赖分词的情况下获取词的语义信息，实现关键词抽取在智慧司法领域的性能提升。
-
公开(公告)号：CN109308355B
公开(公告)日：2020-03-13
申请号：CN201811083989.1
申请日：2018-09-17
申请人： 清华大学
IPC分类号： G06F40/284 , G06N3/04 , G06Q10/04 , G06Q50/18
摘要： 本发明实施例提供一种法律判决结果预测方法及装置，所述方法包括：将待预测法律文书中的第一事实信息转化为第一词向量矩阵，将预先获取的各法律文书样本中的第二事实信息分别转化为第二词向量矩阵；对所述第一词向量矩阵进行编码获取第一编码结果，对各所述第二词向量矩阵分别进行编码获取第二编码结果；根据所述第一编码结果、各所述第二编码结果和预先获取的各所述法律文书样本的判决结果，基于长短时记忆神经网络对所述待预测法律文书的各判决任务的判决结果进行预测；其中，所述长短时记忆神经网络根据各所述判决任务之间的依赖关系进行构建。本发明实施例提高了判决结果的准确性，具有良好的可拓展性。
-
公开(公告)号：CN110276068A
公开(公告)日：2019-09-24
申请号：CN201910379141.1
申请日：2019-05-08
申请人： 清华大学
摘要： 本发明实施例提供一种法律案情分析方法及装置。其中，方法包括：对待分析的案件描述文本进行分词和命名实体识别，获取句子序列；根据句子序列包含的各词语获取多个词向量，利用第一循环神经网络对每一词向量进行编码，并获取各分析任务对应的任务文本向量；将各要素判断任务对应的任务文本向量进行最大池化，获得要素判断任务的整体任务文本向量，利用第二循环神经网络对要素判断任务的整体任务文本向量和案由预测任务对应的任务文本向量进行编码，获取案由预测任务对应的第一隐向量，并将案由预测任务对应的第一隐向量输入至案由预测模型，获取案由预测结果。本发明实施例提供的法律案情分析方法及装置，能提高分析准确度。
-
公开(公告)号：CN110287396B
公开(公告)日：2021-08-03
申请号：CN201910374177.0
申请日：2019-05-07
申请人： 清华大学
IPC分类号： G06F16/953 , G06F16/33
摘要： 本发明实施例提供一种文本匹配方法及装置，其中方法包括对于文本集合中的任意一个文本，根据文本中的各词汇在文本中的词频以及文本中的各词汇在文本集合中的逆文本频率，获得文本的语法表示；将文本输入至预先训练的深度双向转换编码器中，输出文本的语义表示；将文本的语法表示和语义表示组合为文本的文本特征；从文本集合中选择待匹配文本，计算待匹配文本的文本特征与文本集合中其他文本的文本特征间的欧氏距离，将欧氏距离最近的k个其他文本作为与待匹配文本类似的文本。本发明实施例将语义信息和语法信息进行了综合的考虑和计算，使得本发明实施例相比传递方法在文本匹配上具有更好的效果。
-
公开(公告)号：CN111325387A
公开(公告)日：2020-06-23
申请号：CN202010091848.5
申请日：2020-02-13
申请人： 清华大学 , 北京幂律智能科技有限责任公司
摘要： 本发明实施例提供一种可解释法律自动判决预测方法及装置，所述方法包括：编码步骤：获取事实编码结果；问题生成步骤：将事实编码结果和预设的问题答案集合，输入至全连接神经网络模型，输出问题编号；答案生成步骤：将分字结果和问题编号，输入至BERT-QA模型，输出问题答案；循环步骤：重复问题生成步骤和答案生成步骤，直到达到预设的重复次数，确定所有问题的答案；判决步骤：将所有问题的答案，输入至统计机器学习模型，输出判决结果。本发明实施例提供的可解释法律自动判决预测方法及装置，仿照实际审讯过程，利用人工智能进行若干轮提问和回答，并最终根据问答结果进行自动判决，实现了为自动判决的结果提供可解释性。
-
公开(公告)号：CN110287396A
公开(公告)日：2019-09-27
申请号：CN201910374177.0
申请日：2019-05-07
申请人： 清华大学
IPC分类号： G06F16/953 , G06F16/33
摘要： 本发明实施例提供一种文本匹配方法及装置，其中方法包括对于文本集合中的任意一个文本，根据文本中的各词汇在文本中的词频以及文本中的各词汇在文本集合中的逆文本频率，获得文本的语法表示；将文本输入至预先训练的深度双向转换编码器中，输出文本的语义表示；将文本的语法表示和语义表示组合为文本的文本特征；从文本集合中选择待匹配文本，计算待匹配文本的文本特征与文本集合中其他文本的文本特征间的欧氏距离，将欧氏距离最近的k个其他文本作为与待匹配文本类似的文本。本发明实施例将语义信息和语法信息进行了综合的考虑和计算，使得本发明实施例相比传递方法在文本匹配上具有更好的效果。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.018 秒)
