NLPIR運用知識圖譜技術提供司法裁判依據

 

 

 

人工智慧透過建立知識圖譜，在司法裁判領域運用範圍相當廣泛，基本上涵蓋法官決策的全過程。今天列舉幾種知識圖譜在司法領域的應用場景。

1.  庭前抽剝案件筋骨，形成爭議焦點
依託電子卷宗隨案同步生成系統，透過OCR 技術，使電子卷宗轉變為可複製、結構化、資料化的電子檔案，實現案件資訊自動回填，方便法官快速定位、檢索相應內容及複製引用文字。透過構建法律知識圖譜，運用自然語言處理、語義分析等技術自動提取和比對公訴意見書、起訴書、答辯狀等材料中的訴辯意見和事實理由，自動歸納案件情節和爭議焦點，自動生成庭審提綱，為法官提供庭審智慧輔助。

 

2. 裁判前提取案件要素，實現類案智推
類案推薦是透過對情節、證據、爭議焦點、法律適用等關鍵資訊的自然語義識別，形成案件知識庫，當出現目標案件時，透過提取型別案件的關鍵要素，與系統內的歷史案件進行匹配，自動推送類似的案例。類案智推有主動檢索和自動推送兩種實現方式：一是支援使用者以關鍵字、短文字等方式檢索，二是自動為使用者推送同類案件、法律知識等輔助參考資訊。

 

3.  裁判中配對類案判決，提供量刑建議
系統透過對海量裁判文書進行情節特徵的自動提取和判決結果的智慧學習，建立案件裁判模型，當案件匯入系統後，透過提取案件事實、情節，自動統計、實時展示同類案件裁判情況，推導量刑結果。從目前來看，部分系統可以根據起訴書、庭審筆錄等自動提取情節，匹配案件並進行量刑推薦。

 

NLPIR 大資料語義智慧分析平臺平臺是根據中文資料探勘的綜合需求 , 融合了網路精準採集、自然語言理解、文字挖掘和語義搜尋的研究成果 , 並針對網際網路內容處理的全技術鏈條的共享開發平臺。 其中 KGB(Knowledge Graph Builder) 知識圖譜引擎是我們自主研發的知識圖譜構建與推理引擎，基於漢語詞法分析的基礎上，採用 KGB 語法實現了實時高效的知識生成，可以從非結構化文字中抽取各類知識，並實現了從表格中抽取指定的內容等。 KGB 同時可以定義不同的動作，如抽取動作，並能自定義各類後處理程式。利用 KGB 知識圖譜引擎可以抽取到產品的詳細報價資訊，方便進行下一步的資料探勘與圖譜構建。

 

KGB 知識圖譜特色包括： 1 、跨領域可擴充套件：知識圖譜加工廠具有通用的圖譜構建引擎。知識抽取、知識關聯與質量核查過程不依賴特定業務知識，結合使用者知識圖譜構建的需求，可以快速構建使用者領域知識圖譜。 2 、知識質量智慧核查 : 知識圖譜加工廠實現對多種知識錯誤與衝突的智慧核查與校驗，並對知識庫進行實時自動更新，保證知識圖譜準確性。 3 、人機結合的服務 : 知識圖譜加工場人機構成： 90% 機器 +10% 的人工，只需要提供語料，就可以快速得到對應的知識圖譜構建成果。