(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210040258.9 (22)申请日 2022.01.14 (71)申请人 平安普惠企业管理有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 牛继苓　 (74)专利代理 机构 深圳国新 南方知识产权代理 有限公司 4 4374 代理人 康雅文 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/18(2012.01) G06F 40/30(2020.01) G06K 9/62(2022.01)G06N 3/02(2006.01) (54)发明名称 基于神经网络的案件推荐方法、 系统、 设备 及存储介质 (57)摘要 本发明属于人工智能技术领域， 提出一种基 于神经网络的案件推荐方法、 系统、 设备及存储 介质， 该方法包括： 分别对预处理后的目标委案 文书进行特征提取， 并将提取后的特征进行融合 获取融合特征； 将融合特征、 法官库中每一法官 历史案件的第一表示特征和律师库中每一律师 历史案件的第二表示特征输入到案件投放模型 中， 获取每一备选审查法官的评分和每一备选委 案律师的评分； 根据每一地区的风险等级、 每一 法院的风险等级、 每一备选审查法官的评分和每 一备选委案律师的评分， 通过综合评分模型， 获 取目标立案地区、 目标立案法院、 目标审查法官 和目标委案律师。 本发明综合考虑地区、 法院、 法 官和律师等各项变化因素， 有效提高案件诉讼胜 利概率。 权利要求书2页 说明书12页 附图2页 CN 114358647 A 2022.04.15 CN 114358647 A 1.一种基于神经网络的案件推荐方法， 其特 征在于， 包括： 分别对预处理后的目标委案文书词频特征、 词位置特征和上下文语义特征进行提取， 并将提取后的特 征进行融合， 获取融合特 征； 将所述融合特征、 法官库中表征每一法官历史案件的第 一表示特征和律师库中每一律 师历史案件的第二表 示特征输入到案件投放模 型中， 获取每一备选审查法官的评分和每一 备选委案律师的评分， 其中， 所述案件投放模型通过样本文 书和样本标签进行训练得到； 根据每一地区的风险等级、 每一法院的风险等级、 每一备选审查法官的评分和每一备 选委案律师的评分， 通过综合评分模型， 获取目标立案地区、 目标立案法院、 目标审查法官 和目标委案律师， 其中， 所述综合评 分模型通过多层注意力机制结合地区、 法官和法院之间 的属地特性、 地区最新规则、 法院预设时间段内与所述 目标委案文书相似案件的判决情况 来实现。 2.根据权利要求1所述的基于神经网络的案件推荐方法， 其特征在于， 所述案件投放模 型包括法官预测单元和律师预测单元， 所述将所述融合特征、 法官库中表征每一法官历史 案件的第一表示特征和 律师库中每一律师历史案件的第二表示特征输入到案件投放模型 中， 获取每一备选审查法官的评分和每一备选委案律师的评分， 包括： 将所述融合特征和法官库中每一法官历史案件的第一表示特征输入到所述法官预测 单元中， 计算所述融合特征与每一法官历史案件的第一表示特征之间的相似度， 获取相似 度最高的若干候选法官， 并结合每一 候选法官的结案时间， 获取每一备选审查法官的评分； 将所述融合特征和律师库中每一律师历史案件的第二表示特征输入到所述律师预测 单元中， 计算所述融合特征与每一律师历史案件的第二表示特征之间的相似度， 获取相似 度最高的若干候选律师， 并结合每一 候选律师的胜诉率， 获取每一备选委案律师的评分。 3.根据权利要求1所述的基于神经网络的案件推荐方法， 其特征在于， 所述法官库中每 一法官历史案件的第一表示特 征， 通过如下 方式获得： 对于所述法官库中的任一法官， 根据一审改判发回重审率、 案均审理时间、 法定正常审 限内结案率， 获取 所述任一法官对每一类案件审判质量的权 重； 根据每一类案件审判质量的权 重， 获取权 重较高的若干个法官代 表案件； 将所述法官代 表案件的语义特 征作为所述任一法官历史案件的第一表示特 征。 4.根据权利要求3所述的基于神经网络的案件推荐方法， 其特征在于， 所述一审改判发 回重审率、 案均审理时间、 法定正常审限内结案率 通过如下 方式获得： 根据所述任一法官对应的第一编号， 在所述法官库中进行查找， 获取所述任一法官对 应的一审改判发回重审率、 案均审理时间、 法定正常审限内结案率， 其中， 所述法官库中预 先存储法官对应的第一编号和法官属性信息， 所述法官属性信息包括一审改判发回重审 率、 案均审理时间、 法定正常审限内结案率， 所述法官属性信息从网页上爬取 得到。 5.根据权利要求1所述的基于神经网络的案件推荐方法， 其特征在于， 所述律师库中每 一律师历史案件的第二表示特 征， 通过如下 方式获得： 对于所述律师库中的任一律师， 根据 所述任一律师对应的第 二编号在所述律师库进行 查找得到， 获取所述任一律师对应的律师费用、 胜诉率和 赔偿金额， 其中， 所述律师库中预 先存储律师对应的第二编号和律师基本信息， 所述律师基本信息包括律师费用、 胜诉率和 赔偿金额， 所述 律师基本信息从网页上爬取 得到；权　利　要　求　书 1/2 页 2 CN 114358647 A 2根据所述律师费用、 所述胜诉率和所述赔偿金额， 获取所述任一律师对每一类案件诉 讼质量的权 重； 根据每一类案件 诉讼质量的权 重， 获取权 重较高的若干个律师代 表案件； 将所述律师代表案件的语义特 征作为所述任一 律师历史案件的第二表示特 征。 6.根据权利要求1至5任一所述的基于神经网络的案件推荐方法， 其特征在于， 所述根 据每一地区的风险等级、 每一法院的风险等级、 每一备选审查法官 的评分和每一备选委案 律师的评分， 通过综合评分模型， 获取目标立案地区、 目标立案法院、 目标审查法官和目标 委案律师， 包括： 根据每一备选审查法官 所在法院和地区， 分别确定备选立案法院和备选立案地区； 根据所述备选立案地区对应的风险等级、 所述备选立案法院对应的风险等级， 确定所 述备选立案地区对应的评分和所述备选立案法院对应的评分； 将所述备选立案地区对应的评分、 所述备选立案法院对应的评分、 每一备选审查法官 的评分和每一备选委案律师的评 分， 输入所述 综合评分模型， 获取所述目标立案地区、 所述 目标立案法院、 所述目标审查法官和所述目标委案律师。 7.根据权利要求1至5任一所述的基于神经网络的案件推荐方法， 其特征在于， 所述分 别对预处理后的目标委案文书进行词 频特征、 文本中词位置特征和上下文语义特征提取， 包括： 对预处理后的目标委案文 书进行词频 ‑逆文档特 征提取， 获取 所述词频 特征； 对预处理后的目标委案文书进行word2vec特征提取， 获取所述文本中词位置特征和所 述上下文语义特 征。 8.一种基于神经网络的案件投放系统， 其特 征在于， 包括： 融合模块， 用于分别对预处理后的目标委案文书词频特征、 词位置特征和上下文语义 特征进行提取， 并将提取后的特 征进行融合， 获取融合特 征； 预测模块， 用于将所述融合特征、 法官库中表征每一法官历史案件的第一表示特征和 律师库中每一律师历史案件的第二表示特征输入到案件投放模型中， 获取每一备选审查法 官的评分和每一备选委案律师 的评分， 其中， 所述案件投放模型通过样本文书和样本标签 进行训练得到； 优化模块， 用于根据每一地区的风险等级、 每一法院的风险等级、 每一备选审查法官的 评分和每一备选委案律师的评分， 通过综合评分模型， 获取目标立案地区、 目标立案法院、 目标审查法官和目标委案律师， 其中， 所述综合评 分模型通过多层注意力机制结合地区、 法 官和法院之间的属 地特性、 地区最新规则、 法 院预设时间段内与所述 目标委案文书相似案 件的判决情况来实现。 9.一种计算机设备， 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 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7中任一项所述基于神经网络的案件推荐方法的步骤。 10.一种计算机存储介质， 所述计算机存储介质存储有计算机程序， 其特征在于， 所述 计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于神经网络的案件推荐 方法的步骤。权　利　要　求　书 2/2 页 3 CN 114358647 A 3