本申请涉及计算机,尤其涉及一种金融类案件的法条分类方法、装置及设备。
背景技术:
1、银行等金融机构在经营的过程中,经常会遇到一些法律纠纷或被动卷入案件中,其中会涉及到各种类型的金融类案件。金融公司的法务部门在处理相关案件时,往往需要先找到对应的法条编号,再做进一步的预判分析,但在案件数量较大时,需要消耗大量的精力来匹配对应的法条号,有可能会出现误判、漏判的情况。
2、目前通常会采用长短记忆神经网络进行法律判决结果预测的方式来预测出判决结果,即,实现金融类案件的法条分类,但由于该预测方法是针对所有法条而设计的,在进行金融类案件的法条与测试,得到的预测结果不够准确。因此,如何提高金融类案件的法条分类结果的准确性是目前亟待解决的问题。
技术实现思路
1、本申请实施例的主要目的在于提供一种金融类案件的法条分类方法、装置及设备,能够按照金融相关法律目录构建分层学习的法条预测模型,通过两层学习预测,有效提高了预测结果的准确性。
2、第一方面,本申请实施例提供了一种金融类案件的法条分类方法,包括:
3、获取待分类的目标金融类案件,并提取所述目标金融类案件文本内容对应的词向量表示矩阵;
4、梳理金融相关法条的内容,并根据内容的相似度进行法条归类处理,得到法条编号所属的分类类别;
5、将所述目标金融类案件文本内容对应的词向量表示矩阵输入至预先构建的法条分类模型,根据所述法条编号所属的分类类别,预测得到所述目标金融类案件的法条分类结果。
6、可选的,构建所述法条分类模型,包括:
7、获取训练金融类案件;
8、提取所述训练金融类案件文本内容对应的词向量表示矩阵;
9、根据所述训练金融类案件文本内容对应的词向量表示矩阵以及所述训练金融类案件对应的法条分类标签对初始法条分类模型进行训练,生成所述法条分类模型。
10、可选的,所述初始法条分类模型包括两层卷积神经网络cnn。
11、可选的,所述方法还包括:
12、获取验证金融类案件;
13、提取所述验证金融类案件文本内容对应的词向量表示矩阵;
14、将所述验证金融类案件文本内容对应的词向量表示矩阵输入所述法条分类模型,获得所述验证金融类案件的法条分类结果;
15、当所述验证金融类案件的法条分类结果与所述验证金融类案件对应的法条分类标记结果不一致时,将所述验证金融类案件重新作为所述训练金融类案件,对所述法条分类模型进行更新。
16、第二方面,本申请实施例还提供了一种金融类案件的法条分类装置,包括:
17、第一获取单元,用于获取待分类的目标金融类案件,并提取所述目标金融类案件文本内容对应的词向量表示矩阵;
18、梳理单元,用于梳理金融相关法条的内容,并根据内容的相似度进行法条归类处理,得到法条编号所属的分类类别;
19、分类单元,用于将所述目标金融类案件文本内容对应的词向量表示矩阵输入至预先构建的法条分类模型,根据所述法条编号所属的分类类别,预测得到所述目标金融类案件的法条分类结果。
20、可选的,所述装置还包括:
21、第二获取单元,用于获取训练金融类案件;
22、第一提取单元,用于提取所述训练金融类案件文本内容对应的词向量表示矩阵;
23、训练单元,用于根据所述训练金融类案件文本内容对应的词向量表示矩阵以及所述训练金融类案件对应的法条分类标签对初始法条分类模型进行训练,生成所述法条分类模型。
24、可选的,所述初始法条分类模型包括两层卷积神经网络cnn。
25、可选的,所述装置还包括:
26、第三获取单元,用于获取验证金融类案件;
27、第二提取单元,用于提取所述验证金融类案件文本内容对应的词向量表示矩阵;
28、输入单元,用于将所述验证金融类案件文本内容对应的词向量表示矩阵输入所述法条分类模型,获得所述验证金融类案件的法条分类结果;
29、更新单元,用于当所述验证金融类案件的法条分类结果与所述验证金融类案件对应的法条分类标记结果不一致时,将所述验证金融类案件重新作为所述训练金融类案件,对所述法条分类模型进行更新。
30、本申请实施例还提供了一种金融类案件的法条分类设备,包括:处理器、存储器、系统总线;
31、所述处理器以及所述存储器通过所述系统总线相连;
32、所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述金融类案件的法条分类方法中的任意一种实现方式。
33、本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述金融类案件的法条分类方法中的任意一种实现方式。
34、本申请实施例提供的一种金融类案件的法条分类方法、装置及设备,首先获取待分类的目标金融类案件,并提取所述目标金融类案件文本内容对应的词向量表示矩阵,然后,梳理金融相关法条的内容,并根据内容的相似度进行法条归类处理,得到法条编号所属的分类类别,接着,将所述目标金融类案件文本内容对应的词向量表示矩阵输入至预先构建的法条分类模型,根据所述法条编号所属的分类类别,预测得到所述目标金融类案件的法条分类结果。从而能够利用按照金融相关法律目录构建的分层学习的法条预测模型,通过两层学习预测,有效提高金融类案件的法条分类结果的准确性。
1.一种金融类案件的法条分类方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,构建所述法条分类模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述初始法条分类模型包括两层卷积神经网络cnn。
4.根据权利要求2至3任一项所述的方法,其特征在于,所述方法还包括:
5.一种金融类案件的法条分类装置,其特征在于,包括:
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
7.根据权利要求6所述的装置,其特征在于,所述初始法条分类模型包括两层卷积神经网络cnn。
8.根据权利要求6-7任一项所述的装置,其特征在于,所述装置还包括:
9.一种金融类案件的法条分类设备,其特征在于,包括:处理器、存储器、系统总线;
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行权利要求1-4任一项所述的方法。