公开(公告)号：CN111858842A

公开(公告)日：2020-10-30

申请号：CN201910352429.X

申请日：2019-04-26

Applicant: 南京大学

Inventor： 何铁科 ,  许金 ,  严格

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/284 ,  G06Q10/06 ,  G06Q50/18

Abstract: 本发明提出了一种基于LDA的法院类案推荐方法，为法律人员高效推荐类案以供参考分析，帮助在疑难案件上提供新的解决途径，也能够统一司法裁判尺度，避免司法裁判不公。该发明的主要创新在于(1)对案例文书进行语句清洗，提取关键词；(2)对关键词列表构建文本矩阵进行聚类；(3)将LDA和余弦相似度相结合的方法高效筛选最佳类案。本发明最终基于LDA开发的类案推荐，帮助法律工作人员快速高效分析案例并作出准确裁判。

公开(公告)号：CN110543628A

公开(公告)日：2019-12-06

申请号：CN201810561187.0

申请日：2018-05-29

Applicant: 南京大学

Inventor： 何铁科 ,  廉昊 ,  严格 ,  陈振宇 ,  李玉莹

IPC: G06F17/27 ,  G06N7/02

Abstract: 本发明提出了一种规则约束下的文本信息质量度量方法，用于帮助对各领域下有规则约束的文本进行数据质量的度量，给出九大数据质量指标，对文本数据质量进行量化。例如司法文书数据等。该发明的主要创新在于(1)利用文本书写规则构建数据质量理论基础；(2)对文本数据质量采用信息质量进行反映；(3)结合六元客观信息论对数据质量指标进行定义，并采用粗糙集对指标进行数学建模。

公开(公告)号：CN110609961A

公开(公告)日：2019-12-24

申请号：CN201810561270.8

申请日：2018-05-29

Applicant: 南京大学

Inventor： 何铁科 ,  廉昊 ,  严格 ,  陈振宇 ,  李玉莹

IPC: G06F16/9536 ,  G06F17/27

Abstract: 本发明是一个解决司法研究中的罚金推断问题的推荐方法。该方法以两种方式来推断罚金，一是通过对法律案件进行聚类，然后通过多数投票策略获得目标案件的判罚；另一种是通过协同过滤，即查找目标案件的邻居，然后再次采用投票策略。引入了词嵌入技术，它将文档作为词矩阵进行处理，即嵌入法通过word2vec方法，用浅层神经网络语言模型来学习每个词的向量。本发明目的在于对法官们进行法律案件的最终判决和罚金数额的确定起到实际的指导作用，进而有利于司法事业的发展和社会效率的提高。

公开(公告)号：CN110609828A

公开(公告)日：2019-12-24

申请号：CN201810561376.8

申请日：2018-05-29

Applicant: 南京大学

Inventor： 何铁科 ,  秦泽民 ,  严格 ,  陈振宇 ,  周业茂 ,  骆斌 ,  李玉莹

IPC: G06F16/215 ,  G06Q50/18

Abstract: 本发明旨在提出司法数据标准制的一般方法，目的在于为司法信息化系统间整合提供数据基础、提高数据质量和促进数据的共享，从而完善进一步完善司法信息化建设。此工作方法分为四个主要环节：数据需求的定义、数据清单的产生、数据标准的制定、数据标准的审定。这一方法为构建司法数据仓库打下基础，能够提高数据仓库的源系统数据的一致性和可用性，为司法数据标准规划提供了一套可以借鉴的思路。

公开(公告)号：CN110609821A

公开(公告)日：2019-12-24

申请号：CN201810561189.X

申请日：2018-05-29

Applicant: 南京大学

Inventor： 何铁科 ,  严格 ,  廉昊 ,  秦泽民 ,  史洋洋 ,  陈振宇

IPC: G06F16/21 ,  G06N99/00

Abstract: 本发明旨在从原始法律案件中提取五种不同的司法特征，包括时间戳、地点、诉讼原因以及案件事实的文本描述，并将上述特征输入到PTM模型中。其中，文本是必需元素。本发明学习测试中的法律案件的主题，并结合在训练过程中学习到的主题并通过一种投票机制来推断该法律案件的判罚。

公开(公告)号：CN111191455A

公开(公告)日：2020-05-22

申请号：CN201811298288.X

申请日：2018-10-26

Applicant: 南京大学

Inventor： 何铁科 ,  严格 ,  陈振宇 ,  李玉莹

IPC: G06F40/30 ,  G06F40/279 ,  G06F16/35

Abstract: 本发明涉及一种交通事故损害赔偿中法律条文预测方法。该方法基于特征提取对事实文本和法律条文进行数据清洗和特征选择，构建用于模型训练的特征和特征向量，使用TwitterLDA学习法条的文本表示，使用word2vec提取案情特征；在此基础上，应用支持向量机方法构建预测模型，生成一个法条预测模型svm-Model；最后，将事实的特征向量输入到svm-Model中，最终生成当前案情涉及到的法律条文。本发明目的在于解决目前存在的法律智能中通过事实对法条预测的难题，进而帮助公众更多地了解法律知识，清楚地了解案件的情况，还可以为行业提供辅助意见，避免个人主观性导致的差异，从而实现司法公正，提高社会效益。