(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210511295.3 (22)申请日 2022.05.12 (65)同一申请的已公布的文献号 申请公布号 CN 114610891 A (43)申请公布日 2022.06.10 (73)专利权人 湖南工商大 学 地址 410205 湖南省长 沙市岳麓 大道569号 (72)发明人 陈晓红　郑旭哲　梁伟　吴嘉懿　 胡东滨　 (74)专利代理 机构 长沙轩荣专利代理有限公司 43235 专利代理师 董崇东 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/253(2020.01) G06F 40/284(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 10/04(2012.01) G06Q 50/18(2012.01) (56)对比文件 CN 113536780 A,2021.10.2 2 CN 110750635 A,2020.02.04 CN 110717843 A,2020.01.21 CN 112183094 A,2021.01.0 5 WO 202025 3052 A1,2020.12.24 陶永才等.一种结合 LSTM和集成算法的文本 校对模型. 《小型微型计算机系统》 .2020,(第0 5 期), 张虎等.面向法律裁判文 书的法条推荐方 法. 《计算机科 学》 .2019,第46卷(第9期), (续) 审查员 王辞 (54)发明名称 面向不平衡司法裁判文书数据的法条推荐 方法及系统 (57)摘要 本发明提供了一种面向不平衡司法裁判文 书数据的法条推荐方法及系统， 将获取的司法裁 判文书数据输入模型并预处理， 进行序列化得到 模型的训练集； 将训练集通过基于预训练模型的 嵌入层， 得到文本的向量表示； 将文本向量通过 CNN （卷积神经网络） 获取文本特征； 将训练集通 过基于语 法依赖信息的词语搭配算法， 得到文本 的词语搭配特征； 将文本特征和词语搭配特征通 过神经网络进行融合， 得到混合语义向量； 将混 合语义向量输入到深层神经网络中， 输出法条预 测结果； 基于法条预测结果和真实司法裁判文书 的法条标签进行模型训练， 并将训练完成的模型 用于司法案件的辅助判决， 能有效在极度不平衡数据下推荐适用的法条辅助法官进行司法裁判。 [转续页] 权利要求书3页 说明书9页 附图2页 CN 114610891 B 2022.07.22 CN 114610891 B (56)对比文件 Matthew E.Peters等.De ep contextual ized word representati ons. 《Proceedings of the 2018 Co nference of the North American C hapter of the Association for Computati onal Linguistics》 .2018, 王旭.基于法律裁判文 书的法条推荐研究与 应用. 《万方数据库》 .2021, 肖莉才.文本摘要生成技 术研究与应用. 《万 方数据库》 .2021,2/2 页 2[接上页] CN 114610891 B1.一种面向不平衡司法裁判文 书数据的法条推荐方法， 其特 征在于， 包括如下步骤： S1， 将获取的司法裁判文书数据输入模型， 对原始的裁判文书进行数据预处理， 并且将 预处理后的文本数据进行序列化得到模型的训练集； S2， 将训练集 通过基于预训练模型的嵌入层， 得到文本的向量表示； S3， 将文本向量 通过卷积神经网络获取文本特 征； S4， 将训练集通过基于语法依赖信息的词语搭配算法， 得到文本的词语搭配特征； 通过 句中词语语法依赖信息获取词语的搭配信息， 并通过结合注意力机制的双向长 短期记忆神 经网络将搭配的单词向量 合并， 得到词语搭配特 征； 具体包括如下子步骤： S 4 1 ，通 过 词 语 的 依 赖 关 系 提 取 词 语 序 列 的 词 语 搭 配 序 列 ， ， 其中 ， 代表了 中的两个词； S42， 将每个词转换成其对应的语义向量， 得到搭配嵌入 和句向量 ， 其中 是搭配词语 的嵌入向量； S43， 将每个单词组中的单词嵌入向量 和 通过一层结合注意力机制的双向长 短期记忆神经网络进行合并， 得到搭配 语义向量 ， 具体计算公式如下 所示： 其中， 是第j时间下长短期记忆神经网络的正向 隐藏状态， 是第j时间下LSTM的反 向隐藏状态， 计算公式如下： 对于每一个搭配语义向量 ， 将注意力 机制应用到词语搭配特征的计算过程中， 并且 得到词语搭配特 征 ， 其具体的计算方式如下： 其中 是搭配语义向量 的注意力权 重值， 其计算公式如下： 其中 是权重矩阵， 是激活函数； S5， 将文本特征和词语搭配 特征通过神经网络进行融合， 得到混合语义向量 ， 其计算 公式如下： 其中 是神经网络的权 重矩阵， 是偏置向量， 是矩阵加法； S6， 将混合语义向量输入到使用 作为激活函数的双层神经网络中进行法条的权　利　要　求　书 1/3 页 2 CN 114610891 B 3