一种基于文本输入识别的民法典法律咨询系统技术方案

本发明专利技术公开了一种基于文本输入识别的民法典法律咨询系统，步骤1、将官方发布的民法典文件作为系统数据处理源，将法典作为数据集进行训练，运用随机森林算法和主成分分析算法构建法典决策树存入数据仓库；步骤2：构建语言嵌入回归模型(Embeddingsfrom Language Models(ELMO))；步骤3：语义相似度分析和结果输出步骤4：人员匹配选择，构建人员信息库，设计人员信息匹配程序。相对于传统咨询方式，本发明专利技术有效地将人工智能与法律咨询结合起来，将在线咨询和实时线下匹配有机结合，提高了民众学法用法意识，加大了法律宣传效果，弥补了现有法律咨询不便利的弊端。咨询不便利的弊端。咨询不便利的弊端。

【技术实现步骤摘要】
一种基于文本输入识别的民法典法律咨询系统


[0001]本专利技术涉及自然语言处理
，尤其涉及一种基于文本输入识别的民法典法律咨询系统。

技术介绍

[0002]随着法治的深入人心，依法维护个人利益与权力的现象逐年递增，现实生活中，人们在遇到法律纠纷时会直接去律师事务所或法律援助中心咨询，对于情况较为复杂的，可能需要多次往返于事务所和家之间，同时，接待咨询的工作人员有限，不能满足及时向有诉求的人提供援助咨询。
[0003]《中华人民共和国民法典》是2020年全国十三届人民代表大会通过的新中国第一部以法典命名的法律，其涉及到人们生活的方方面面，各大媒体、个人在利用新媒体平台解读、宣传相关条例，但是局限性大，且不利于人们使用。
[0004]如何利用人工智能技术让咨询变得简单便捷是本专利技术亟待解决的技术问题。

技术实现思路

[0005](一)要解决的技术问题
[0006]本专利技术要解决的技术问题是解决现有需求用户法律咨询困难、不便捷，民法典的宣传使用方式不利于广大用户快速了解己方个人诉求或咨询内容，需求用户得到回应或收集信息不完整、不匹配，预约律师时间不匹配耽误实效的问题。
[0007](二)技术方案
[0008]为解决上述技术问题，本专利技术提供了一种基于文本输入识别的民法典法律咨询系统，其特征在于将法律咨询通过人工智能技术以在线法律咨询和线下服务双结合的方式，通过文本输入咨询内容，系统匹配数据仓库语义，输出相似度高的法律条文作为咨询解释，系统引入Attention机制，进行咨询记录记忆，对于某一时间段内同一用户所咨询信息储存，形成链式存储，根据多语句匹配精确信息。同时，在给出法典信息后，可以由用户选择是否对接律师，选择即可与律师双向选择，达成合作咨询约定。该系统主要包括以下步骤：
[0009]步骤1：将官方发布的民法典文件作为系统数据处理源，在征得法律专家的意见后，将法典作为数据集进行训练，对训练数据展开数据降维、词法分析、关键词提取，应对章节和内容形成关键词库，运用随机森林算法和主成分分析算法构建法典决策树存入数据仓库。
[0010]步骤2：构建语言嵌入回归模型(Embeddings from Language Models(ELMO))，通过动态更新词的词映射，调整训练数据再上下文的信息，将文本语境表征出来，bidirectional LSTM模型表达式如下：
[0011][0012]和
[0013][0014]其中，t1，t2，...，t
N
表示一系列语义的标记tokens。
[0015][0016]其中，表示标识tokens，k表示语义的位置，表示每一层记忆网络LSTM输出相应的上下文表征。
[0017]建立模型后，利用低层LSTM提取语法信息，高层LSTM捕捉语义特征。
[0018]步骤3：语义相似度分析和结果输出，对步骤2所述模型获取的语义词向量分析，将采集预处理的信息展开主题提取、数据仓库信息检索，逐语句进行语义相似度分析，上述数据在连接层连接后传入使用了6个不同宽度的过滤器的CNN层，模拟1-6gram特征提取，将所有特征拼接后通过全连接层降维传入交互层，交互层对特征向量点乘和向量减法拼接，将相似度加权平均算出总体相似度，全连接层降维后，比较找出总体相似度高的语义，通过sigmoid函数输出该条语义所在的整条语句。
[0019]步骤4：人员匹配选择，构建人员信息库，设计人员信息匹配程序。勾选选中后，跳转所在信息库成员列表，匹配列表介绍文本中关键词相同信息，推送记忆机制记忆的所有用户咨询信息，获取推送的成员选择接收情况，将接受情况反馈给用户。
[0020](三)有益效果
[0021]本专利技术的上述技术方案具有如下优点：
[0022]本专利技术通过载入民法典条例，依据需求用户的文本输入的咨询问题实现条例数据仓库检索，匹配与用户咨询需求相似度最高的条例，并将条例信息反馈给用户，实现用户线上获取咨询结果，减少人员流动和线下咨询的局限性。
[0023]本专利技术采用记忆规则将一段时间内的用户文本输入的咨询信息进行记忆，综合用户咨询情况，实现用户咨询信息的全面性，实现有效、准确地反馈贴切用户诉求的信息。
[0024]本专利技术关联事务所律师信息，一方面可以解决需求用户的面对面咨询预约需求，一方面可以解决需求用户在选择律师咨询时的盲目性，另一方面可以减少需求用户和律师之间的不对等需求的冗杂。
附图说明
[0025]图1为本专利技术的一种基于文本输入识别的民法典法律咨询系统整体流程示意图；
[0026]图2为本专利技术的律师预约模块设计流程示意图。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。基于本专利技术中的实施例，
本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]如图1所示，首先对民法典内容进行处理，将其以架构形式存放入数据仓库；将官方发布的民法典文件作为系统数据处理源，在征得法律专家的意见后，将法典作为数据集进行训练，对训练数据展开数据降维、词法分析、语义分析、关键词提取，应对章节和内容形成关键词库，运用随机森林算法和主成分分析算法构建法典决策树存入数据仓库。
[0029]使用时，对需求用户输入的文本实施例进行预处理，对输入的文本信息进行去停用词、词性分析预处理。将预处理实施例载入语言嵌入回归模型中，利用ELMO模型将文本语境表征出来。bidirectional LSTM模型表达式如下：
[0030][0031]和
[0032][0033]其中，t1，t2，...，t
N
表示一系列语义的标记tokens。
[0034][0035]其中，表示标识tokens，k表示语义的位置，表示每一层记忆网络LSTM输出相应的上下文表征。
[0036]将上述数据在连接层连接后传入使用了6个不同宽度的过滤器的CNN层，模拟1-6gram 特征提取，将所有特征拼接后通过全连接层降维传入交互层，交互层对特征向量点乘和向量减法拼接，将相似度加权平均算出总体相似度，全连接层降维后，比较找出总体相似度高的语义，通过sigmoid函数输出该条语义所在的整条语句即为实施例咨询所需的法典对应条例。
[0037]如图2所示，在用户选择联系律师面对面交流，跳转律师信息页，所列有关实施例所涉咨询问题的律师列表，自动匹配空闲时间律师并将实施例有关内容传送，在匹配律师确认后即完成实施例线下匹配。
[0038]综上所述，本专利技术通过对需求用户咨询问题的训练，在已经训练好的数据仓库中获取最大似然语义序列，找到对应咨询问题的法典条例，并根据需求进一步匹配相关律师展开线下面对面咨询交流，实现法典咨询的线上咨询手段，有效解决了需求用户咨询的盲目性，缓解了线下咨询人工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于文本输入识别的民法典法律咨询系统，其特征在于将法律咨询通过人工智能技术以在线法律咨询和线下服务双结合的方式，通过文本输入咨询内容，系统匹配数据仓库语义，输出相似度高的法律条文作为咨询解释，系统引入Attention机制，进行咨询记录记忆，对于某一时间段内同一用户所咨询信息储存，形成链式存储，根据多语句匹配精确信息。同时，在给出法典信息后，可以由用户选择是否对接律师，选择即可与律师双向选择，达成合作咨询约定。该系统主要包括以下步骤：步骤1：将官方发布的民法典文件作为系统数据处理源，在征得法律专家的意见后，将法典作为数据集进行训练，对训练数据展开数据降维、词法分析、关键词提取，应对章节和内容形成关键词库，运用随机森林算法和主成分分析算法构建法典决策树存入数据仓库。步骤2：构建语言嵌入回归模型(Embeddings from Language Models(ELMO))，通过动态更新词的词映射，调整训练数据再上下文的信息，将文本语境表征出来，bidirectional LSTM模型表达式如下：和其中，t...

【专利技术属性】
技术研发人员：王继发，赵文清，艾书剑，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：