公开(公告)号：CN112329891A

公开(公告)日：2021-02-05

申请号：CN202011367208.9

申请日：2020-11-27

Applicant: 浙江大学

Inventor： 吴飞 ,  况琨 ,  甘磊磊 ,  杨易

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/18

Abstract: 本申请提供一种双向注意力和判案逻辑结合的辅助判案方法、装置、介质。本发明将判案逻辑和类案知识应用于基于深度学习的法律判决自动预测任务，相比一般的法律判决自动预测算法，本发明对查明事实和原告诉请、原告诉请之间的判案逻辑知识进行了建模，能有效提升算法的可解释性。本发明首次运用判案逻辑知识对法律判决进行自动预测，与其它在该认为上尝试过的模型相比较，本发明在算法和运用上都有自己的独创性和独特性。本发明可以将司法领域专家知识显性地与深度神经网络相结合，提升智能司法判案准确率，并提供判案可解释性。

公开(公告)号：CN112329464A

公开(公告)日：2021-02-05

申请号：CN202011367044.X

申请日：2020-11-27

Applicant: 浙江大学

Inventor： 吴飞 ,  况琨 ,  钱天驰

IPC: G06F40/289 ,  G06F40/216 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度神经网络的司法审理首问题生成方法、装置、介质。所述方法包括：1)获取法律文书，包括原告诉称文本和庭审记录问题，提取审理过程中的首问题和争议焦点，并构建训练样本；2)结合注意力机制和LSTM(长短时记忆模型)搭建序列到序列模型，分别完成司法审理首问题生成和争议焦点生成任务；3)搭建多任务学习框架，利用争议焦点生成任务作为首问题生成任务的辅助任务，更好地完成首问题生成。本发明将深度神经网络和多任务学习技术应用于司法审理首问题的生成，从而帮助提升法庭审理工作的效率。相比一般的自然语言的生成算法，本发明利用多任务学习框架，有效保留了争议焦点与首问题间的共享特征，提升了首问题的生成效果。