买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：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。

主权项：1.一种双向注意力和判案逻辑结合的辅助判案方法，其特征在于，包括如下步骤：S1：获取法院查明事实文本、原告诉请及对应的标签，得到司法判案训练集；S2：使用词嵌入层对基于单词的查明事实文本、原告诉请文本进行嵌入，得到词向量表示；S3：使用长短时记忆网络对法院查明事实文本、原告诉请文本进行建模，得到文本特征表示；S4：基于各文本特征表示，使用双向注意力机制分别构建查明事实感知的原告诉请表示，以及原告诉请感知的查明事实表示；S5：基于上述双向注意力机制输出的深度神经网络表示，构建交叉特征，并输入到一个激活函数为softmax的全连接层；S6：定义软逻辑编码原则，用于将离散的一阶谓词逻辑司法专家知识转化为可微的端到端训练的神经网络组成部分；S7：使用上述全连接神经网络层的输出，对查明事实和诉请之间的判案逻辑、以及诉请与诉请之间的判案逻辑知识进行编码表示，并将编码表示输出与神经网络输出进行相加；S8：将S7中相加后得到的结合了神经网络和判案逻辑知识的总输出，输入到另外一个激活函数为softmax的全连接层，基于该全连接层输出y’和真实标签，使用交叉熵作为损失函数，并使用反向传播算法学习模型参数，将学习得到的深度神经网络用于进行司法辅助判案；所述的步骤S6具体包含以下步骤：S601：定义关键证据事实，用于构成一阶谓词逻辑变量集合，其中：XTIR：表示当前原告诉请是否为利息请求；XRIO：表示当前约定利率是否合法；XRIA：表示当前借贷双方是否约定利率；XDIL：表示当前原告请求逾期还贷日期是否合法；XTIC：表示当前原告诉请是否为诉讼费请求；S602：定义一阶逻辑规则用于表示法律知识，其中：K1：规则K1表示当约定利率违反法律规定时，不应支持原告诉请；K2：规则K2表示当逾期利息还款日期违反法律规定时，不应支持原告诉请；K3：∧j≠iYj∧XTIC→Yi：规则K3表示当原告其余诉请皆判支持时，原告对于诉讼费的诉请也应该被支持；S603：定义软逻辑编码原则，用于将离散的一阶谓词逻辑司法专家知识转化为可微的、端到端训练的神经网络组成部分：ΓP＝yP ΓP1∧...∧Pn＝max0，∑ΓPi-N+1ΓP1∨...∨Pn＝min1，∑ΓPi其中：max，表示取最大值操作，min，表示取最小值操作，P表示基本命题，Pi表示第i个基本命题；N为第i个查明事实文本中的单词个数；所述的步骤S8具体包含以下步骤：S801：定义另一个使用softmax作为激活函数的第二全连接层，将S7中的编码表示结果ΓX和双向注意力神经网络输出y的相加结果，输入第二全连接层中：y′＝softmaxy+ΓX其中：y′为第二全连接层的输出结果；S802：输入训练集中的训练样本，根据损失函数对深度神经网络进行反向回馈以得到深度神经网络的各层的参数θ；所述损失函数为交叉熵损失： 其中：y′ik为第i个样本的第k个原告诉请在第二全连接层中的输出结果y′；S803：根据学习得到的深度神经网络，进行司法辅助判案以输出审判结果。

全文数据：

权利要求：

百度查询： 浙江大学 双向注意力和判案逻辑结合的辅助判案方法、装置、介质