基于神经网络的律师推荐方法及相关设备与流程

本发明涉及大数据技术领域，尤其涉及一种基于神经网络的律师推荐方法及相关设备。

背景技术：

随着社会进步，信息时代的到来，人们法律意识和法律需求也随着生活质量的提高不断地膨胀。律师行业门槛高，用户的法律常识浅薄，律师与业者的沟通手段和渠道的局限性等等因素，导致了传统的律师行业与人们的日常生活之间出现了难以逾越的屏障。不同的律师熟悉、专长于不同的领域，例如有些律师专长保险领域，有些律师专长经济领域等。

随着诉讼案件越来越多，智能律师推荐显得尤为重要，目前在律师推荐领域中，用户通常不知道某个律师专长的领域是什么，甚至不知道通过什么渠道来找律师，或者在根据案件类型向用户推荐相同类型案件的成功率高的律师，可能出现同一个律师存在时间冲突的情况，增加沟通成本，案件处理效率低。

技术实现要素：

有鉴于此，有必要针对现有技术中智能律师推荐存在的问题，提供一种基于神经网络的律师推荐方法及相关设备。

一种基于神经网络的律师推荐方法，包括：

获取若干律师的律师信息并生成律师信息库,根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口；

接收案件跟踪方发起的律师推荐申请，提取所述律师推荐申请中的待处理案件信息,从所述待处理案件信息中抽取案件的特征信息，通过所述辖区路由端口和所述勿扰时间路由端口提供的接口路径，从所述律师信息库中筛选获得与所述案件的特征信息对应的律师集a；

通过记忆神经网络模型从所述待处理案件信息中提取案件的争议点信息，得到第一争议点信息，通过记忆神经网络模型提取律师集a中每个律师的历史代理案件的争议点信息，得到若干第二争议点信息，分别计算所述第一争议点信息与每个第二争议点信息之间的汉明距离，根据所述汉明距离得到所述第一争议点信息与每个第二争议点信息的相似度，选取所述相似度落在预设相似阈值范围内的历史代理案件作为与所述待处理案件相似的历史代理案件；

计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方。

在其中一个可能的实施例中，所述获取若干律师的律师信息并生成律师信息库,根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口，包括：

通过预设的律师信息的输入入口获取若干律师输入的律师信息，将每一律师的律师信息分别进行打包，形成多个律师信息包；

从每一律师信息包中提取律师的所在地信息，根据每一律师的所在地信息分别对各个律师信息包进行分类，根据分类后的所述律师信息包，生成所述律师信息库；

根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口；

定期更新所述律师信息库，将新增的律师信息输入所述律师信息库。

在其中一个可能的实施例中，所述接收案件跟踪方发起的律师推荐申请，提取所述律师推荐申请中的待处理案件信息,从所述待处理案件信息中抽取案件的特征信息，通过所述辖区路由端口和所述勿扰时间路由端口提供的接口路径，从所述律师信息库中筛选获得与所述案件的特征信息对应的律师集a，包括：

通过预设的律师推荐入口接收所述案件跟踪方发起的所述律师推荐申请，从所述律师推荐申请中提取所述待处理案件信息；

从所述待处理案件信息中抽取案件的审理法院所在地信息，根据所述案件的审理法院所在地信息，通过所述辖区路由端口提供的接口路径，从所述律师信息库中查找出与所述案件的审理法院所在地属于同一个地方的律师，形成律师集a1；

从所述待处理案件信息中抽取案件的开庭时间，通过所述勿扰时间路由端口提供的接口路径，获得所述律师集a1中各律师预设的勿扰时间，将所述开庭时间与每一勿扰时间分别进行比较，从所述律师集a1中剔除与所述开庭时间重叠或一致的勿扰时间所对应的律师，得到律师集a。

在其中一个可能的实施例中，所述计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方，包括：

计算所述律师集a中每一律师与所述待处理案件相似的历史代理案件的胜诉率，计算公式为：

其中，pi表示律师集a中的律师i与所述待处理案件相似的历史代理案件的胜诉率，mi表示律师集a中的律师i与所述待处理案件相似且胜诉的历史代理案件的数量，ti表示律师集a中的律师i与所述待处理案件相似的历史代理案件的总数量；

选取胜诉率最高的前若干律师作为所述待推荐律师，并按照胜诉率的高低进行排序，将排好序的待推荐律师发送给所述案件跟踪方。

在其中一个可能的实施例中，所述定期更新所述律师信息库，将新增的律师信息输入所述律师信息库，包括：

定期获取所述律师信息库中已有的律师新增的律师信息和所述律师信息库中没有的律师所填写的律师信息，缓存于临时数据库中；

比较所述临时数据库和所述律师信息库中的所述律师信息，从所述临时数据库中提取所述律师信息库中不包含的所述律师信息，更新至所述律师信息库。

在其中一个可能的实施例中，所述计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方之后，还包括：

接收所述案件跟踪方返回的代理委托请求，根据所述代理委托请求中的律师信息，从所述律师信息库中获取所述代理委托请求中的律师的邮箱地址，将所述代理委托请求发送至所述律师的邮箱。

在其中一个可能的实施例中，所述接收所述案件跟踪方返回的代理委托请求，根据所述代理委托请求中的律师信息，从所述律师信息库中获取所述代理委托请求中的律师的邮箱地址，将所述代理委托请求发送至所述律师的邮箱之后，还包括：

若所述代理委托请求中的律师在预设的时间段内未接受所述代理委托请求，则撤回所述代理委托请求，并发送消息告知所述案件跟踪方。

一种基于神经网络的律师推荐装置，包括如下模块：

获取模块，设置为获取若干律师的律师信息并生成律师信息库,根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口；

接收模块，设置为接收案件跟踪方发起的律师推荐申请，提取所述律师推荐申请中的待处理案件信息,从所述待处理案件信息中抽取案件的特征信息，通过所述辖区路由端口和所述勿扰时间路由端口提供的接口路径，从所述律师信息库中筛选获得与所述案件的特征信息对应的律师集a；

提取模块，设置为通过记忆神经网络模型从所述待处理案件信息中提取案件的争议点信息，得到第一争议点信息，通过记忆神经网络模型提取律师集a中每个律师的历史代理案件的争议点信息，得到若干第二争议点信息，分别计算所述第一争议点信息与每个第二争议点信息之间的汉明距离，根据所述汉明距离得到所述第一争议点信息与每个第二争议点信息的相似度，选取所述相似度落在预设相似阈值范围内的历史代理案件作为与所述待处理案件相似的历史代理案件；

计算模块，设置为计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方。

基于相同的构思，本发明提出了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被一个或多个所述处理器执行时，使得一个或多个所述处理器执行上述基于神经网络的律师推荐方法的步骤。

基于相同的构思，本发明提出了一种存储介质，所述存储介质可被处理器读写，所述存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个所述处理器执行上述基于神经网络的律师推荐方法的步骤。

有益技术效果：

(1)建立不同的路由端口，使得律师推荐系统的服务器的处理不用集中在一个时间，使集中处理得到分散，从而提升了服务器的工作效率，降低负载，能够更好的应对多人同时使用该系统出现的问题，有效降低服务器对案件类型进行数据分析的时间和处理所需要的负载；

(2)使用记忆神经网络模型的技术手段进行各个案件的争议点信息的提取，解决了人力不能提取的技术问题和计算机提取不准确、效率不高的技术问题，达到了准确高效的技术效果；

(3)建立律师信息库，便于对大量的数据进行分析，提高了数据分析的速度，提高了律师推荐的准确度和可信度，进一步地提高案件的处理效率，减少沟通成本。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。

图1为本发明实施例中的一种基于神经网络的律师推荐方法的整体流程图；

图2为本发明实施例中的一种基于神经网络的律师推荐方法中的获取律师信息过程的示意图；

图3为本发明实施例中的一种基于神经网络的律师推荐方法中的筛选律师集过程的示意图；

图4为本发明实施例中的一种基于神经网络的律师推荐方法中的计算胜诉率过程的示意图；

图5为本发明实施例中的一种基于神经网络的律师推荐装置的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。

图1为本发明的一种基于神经网络的律师推荐方法的整体流程图，如图1所示，一种基于神经网络的律师推荐方法，包括以下步骤：

s1，获取若干律师的律师信息并生成律师信息库,根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口。

本步骤中，通过预设的律师信息的输入入口获取若干律师输入的律师信息，将每一律师的律师信息分别进行打包，形成多个律师信息包；从每一律师信息包中提取律师的所在地信息，根据每一律师的所在地信息分别对各个律师信息包进行分类，根据分类后的所述律师信息包，生成律师信息库；根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口。所述律师信息库是定期进行更新的，将新增的律师信息输入所述律师信息库。

s2，接收案件跟踪方发起的律师推荐申请，提取所述律师推荐申请中的待处理案件信息,从所述待处理案件信息中抽取案件的特征信息，通过所述辖区路由端口和所述勿扰时间路由端口提供的接口路径，从所述律师信息库中筛选获得与所述案件的特征信息对应的律师集a。

上述步骤执行时，首先，通过预设的律师推荐入口接收所述案件跟踪方发起的律师推荐申请，从律师推荐申请中提取所述待处理案件信息；再从待处理案件信息中抽取案件的审理法院所在地信息，根据案件的审理法院所在地信息，通过辖区路由端口提供的接口路径，从律师信息库中查找出与案件的审理法院所在地属于同一个地方的律师，形成律师集a1；再抽取待处理案件信息中案件的开庭时间，通过勿扰时间路由端口提供的接口路径，获得律师集a1中各律师预设的勿扰时间，将开庭时间与每一勿扰时间分别进行比较，从律师集a1中剔除与开庭时间重叠或一致的勿扰时间所对应的律师，得到律师集a。

s3，通过记忆神经网络模型从所述待处理案件信息中提取案件的争议点信息，得到第一争议点信息，通过记忆神经网络模型提取律师集a中每个律师的历史代理案件的争议点信息，得到若干第二争议点信息，分别计算所述第一争议点信息与每个第二争议点信息之间的汉明距离，根据所述汉明距离得到所述第一争议点信息与每个第二争议点信息的相似度，选取所述相似度落在预设相似阈值范围内的历史代理案件作为与所述待处理案件相似的历史代理案件。

上述步骤执行时，将待处理案件信息输入到训练好的记忆神经网络模型进行案件的争议点信息的提取，得到第一争议点信息；通过代理记录路由端口，调取所述律师集a中每个律师的历史代理案件，将每个律师代理的历史代理案件逐一输入到所述记忆神经网络模型中进行每件案件的争议点信息的提取，得到若干第二争议点信息。其中，案件的争议点信息是指当事人之间产生纠纷之后需要解决的主要问题，包括引起争议的事实、证据、法律规定、责任等方面的主要问题。

s4，计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方。

上述步骤执行时，首先，统计律师集a中的每位律师所代理的与待处理案件相似的历史代理案件的数量，再计算每位律师所代理的与待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并按照胜诉率的高低进行排序，将排好序的待推荐律师发送给所述案件跟踪方。

本实施例，建立不同的路由端口，使得律师推荐系统的服务器的处理不用集中在一个时间，使集中处理得到分散，从而提升了服务器的工作效率，降低负载，使用记忆神经网络模型的技术手段进行各个案件的争议点信息的提取，解决了人力不能提取的技术问题和计算机提取不准确、效率不高的技术问题，达到了准确高效的技术效果。

在一个实施例中，图2为本发明实施例中的一种基于神经网络的律师推荐方法中的获取律师信息过程的示意图，如图2所示，所述s1，获取若干律师的律师信息并生成律师信息库,根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口，包括：

s101，通过预设的律师信息的输入入口获取若干律师输入的律师信息，将每一律师的律师信息分别进行打包，形成多个律师信息包。

本步骤中，所述律师信息包括：律师的身份信息、律师所在地信息、律师的历史代理案件信息、律师的联系方式等。预设的律师信息输入入口是一个路由端口，该路由端口用于接收各个律师输入的律师信息。

s102，从每一律师信息包中提取律师的所在地信息，根据每一律师的所在地信息分别对各个律师信息包进行分类，根据分类后的所述律师信息包，生成所述律师信息库。

s103，根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口。

本步骤中，所述辖区路由端口用于查询律师所在地信息，所述勿扰时间路由端口用于接收律师输入的勿扰时间，所述代理记录路由端口用于查询律师的历史代理案件。

s104，定期更新所述律师信息库，将新增的律师信息输入所述律师信息库。

本步骤实施时，定期获取新增的律师填写的律师信息和所述律师信息库中已有律师新增的律师信息，将所述新增的律师所填写的律师信息和所述律师信息库中已有律师新增的律师信息，缓存于临时数据库中；比较所述临时数据库和所述律师信息库中的所述律师信息，从所述临时数据库中提取所述律师信息库中不包含的所述律师信息，更新至所述律师信息库。

本实施例，建立律师信息库，便于对大量的数据进行分析，提高了数据分析的速度。

在一个实施例中，图3为本发明实施例中的一种基于神经网络的律师推荐方法中筛选律师集过程的示意图，如图3所示，所述s2，接收案件跟踪方发起的律师推荐申请，提取所述律师推荐申请中的待处理案件信息,从所述待处理案件信息中抽取案件的特征信息，通过所述辖区路由端口和所述勿扰时间路由端口提供的接口路径，从所述律师信息库中筛选获得与所述案件的特征信息对应的律师集a，包括：

s201，通过预设的律师推荐入口接收所述案件跟踪方发起的所述律师推荐申请，从所述律师推荐申请中提取所述待处理案件信息。

本步骤中，在接收律师推荐申请时，最重要的是识别律师推荐申请中是否含有待处理案件的案件信息，包括案件缘由、案件类型、审理法院所在地、开庭时间等信息，所述案件信息可以通过律师推荐申请的输入界面以文件形式上传至系统，也可以直接在界面填写文字信息。

s202，从所述待处理案件信息中抽取案件的审理法院所在地信息，根据所述案件的审理法院所在地信息，通过所述辖区路由端口提供的接口路径，从所述律师信息库中查找出与所述案件的审理法院所在地属于同一个地方的律师，形成律师集a1。

s203，从所述待处理案件信息中抽取案件的开庭时间，通过所述勿扰时间路由端口提供的接口路径，获得所述律师集a1中各律师预设的勿扰时间，将所述开庭时间与每一勿扰时间分别进行比较，从所述律师集a1中剔除与所述开庭时间重叠或一致的勿扰时间所对应的律师，得到律师集a。

本步骤中，当案件的法院开庭时间与某一勿扰时间冲突时，不推荐；当存在多个开庭时间时，只要满足一个开庭时间冲突，均不推荐。且开庭时间与勿扰时间在同一天，即视为冲突。开庭时间与勿扰时间在同一天，且开庭时间段(开庭时间～(开庭时间+3小时))与勿扰时间段存在重叠部分的，即视为冲突；如18年9月18日9:00开庭；勿扰时间18年9月18日10点～12点；则开庭时间段(9点～12点)与勿扰时间段(10点～12点)存在时间重叠，故冲突，不匹配推荐。

本实施例，提高案件的推荐符合意愿律师的准备性，提高案件处理效率。

在一个实施例中，图4为本发明在一个实施例中的一种基于神经网络的律师推荐方法中的计算胜诉率过程的示意图，如图4所示，所述s4，计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方，包括：

s401，计算所述律师集a中每一律师与所述待处理案件相似的历史代理案件的胜诉率，计算公式为：

其中，pi表示律师集a中的律师i与所述待处理案件相似的历史代理案件的胜诉率，mi表示律师集a中的律师i与所述待处理案件相似且胜诉的历史代理案件的数量，ti表示律师集a中的律师i与所述待处理案件相似的历史代理案件的总数量

s402，选取胜诉率最高的前若干律师作为所述待推荐律师，并按照胜诉率的高低进行排序，将排好序的待推荐律师发送给所述案件跟踪方。

本实施例，根据案件的争议点向用户推荐处理过相同类型案件的胜诉率高的律师，提高了推荐律师的准确度和可信度，提升了用户体验。

在一个实施例中，所述定期更新所述律师信息库，将新增的律师信息输入所述律师信息库，包括：

定期获取所述律师信息库中已有的律师新增的律师信息和所述律师信息库中没有的律师所填写的律师信息，缓存于临时数据库中；

本步骤中，定期的时间可以灵活的按照实际工作进行设置和调整，可以是一天、一周、一个月，也可以是一年。

比较所述临时数据库和所述律师信息库中的所述律师信息，从所述临时数据库中提取所述律师信息库中不包含的所述律师信息，更新至所述律师信息库。

本实施例，定期获取新的律师和其对应的律师信息存入律师信息库，不断地丰富律师信息库，提升了律师推荐的准确度和可信度，进一步地提高案件的处理效率。

在一个实施例中，所述计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方之后，还包括：

接收所述案件跟踪方返回的代理委托请求，根据所述代理委托请求中的律师信息，从所述律师信息库中获取所述代理委托请求中的律师的邮箱地址，将所述代理委托请求发送至所述律师的邮箱。

在一个实施例中，所述接收所述案件跟踪方返回的代理委托请求，根据所述代理委托请求中的律师信息，从所述律师信息库中获取所述代理委托请求中的律师的邮箱地址，将所述代理委托请求发送至所述律师的邮箱之后，还包括：

若所述代理委托请求中的律师在预设的时间段内未接受所述代理委托请求，则撤回所述代理委托请求，并发送消息告知所述案件跟踪方。

本步骤中，若该被委托律师没有接受或超过24小时未处理的，向案件案件跟踪方发送邮件提示“某某律师未接受案件代理/超24小时未处理，请重新进行律师委派”。若该被委托律师“接受”所述代理委托请求，系统触发邮件反馈给案件跟踪方，邮件内容“xxx您好，案件号xxxxxx的人伤xxx/三者车xxx诉讼任务流xxx律师已接受委托，请进行下一步操作”。

在一个实施例中，提出一种基于神经网络的律师推荐装置，如图5所示，包括获取模块10、接收模块20、提取模块30、计算模块40，具体的：

获取模块10，设置为获取若干律师的律师信息并生成律师信息库,根据所述律师信息库中的律师信息参数，建立不同的律师推荐路由端口，所述律师推荐路由端口包括：辖区路由端口、勿扰时间路由端口、代理记录路由端口；

接收模块20，设置为接收案件跟踪方发起的律师推荐申请，提取所述律师推荐申请中的待处理案件信息,从所述待处理案件信息中抽取案件的特征信息，通过所述辖区路由端口和所述勿扰时间路由端口提供的接口路径，从所述律师信息库中筛选获得与所述案件的特征信息对应的律师集a；

提取模块30，设置为通过记忆神经网络模型从所述待处理案件信息中提取案件的争议点信息，得到第一争议点信息，通过记忆神经网络模型提取律师集a中每个律师的历史代理案件的争议点信息，得到若干第二争议点信息，分别计算所述第一争议点信息与每个第二争议点信息之间的汉明距离，根据所述汉明距离得到所述第一争议点信息与每个第二争议点信息的相似度，选取所述相似度落在预设相似阈值范围内的历史代理案件作为与所述待处理案件相似的历史代理案件；

计算模块40，设置为计算所述律师集a中每个律师与所述待处理案件相似的历史代理案件的胜诉率，选取胜诉率最高的前若干律师作为所述待推荐律师，并返回至所述案件跟踪方。

在一个实施例中，提出一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行计算机可读指令时实现上述各实施例中所述的基于神经网络的律师推荐方法的步骤。

在一个实施例中，提出一种存储介质，所述存储介质可被处理器读写，所述存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各实施例中所述的基于神经网络的律师推荐方法的步骤。其中，所述存储介质可以为非易失性存储介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(rom，readonlymemory)、随机存取存储器(ram，randomaccessmemory)、磁盘或光盘等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明一些示例性实施例，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。