运用STR技术(Scene-Text-Recognition,场景文本识别),将语音、纸质化卷宗等非电子化信息快速转换为可复制、可转换的电子化数据。通过建立统一的法律要素检索与语义库,将半结构化的历史电子卷宗结构化
解决了法律数据不充分、不真实、不客观、非结构化等痛点,并且为其他场景的深度学习与知识图谱应用打下了数据基础
可通过语义分析与知识库搭建,实现裁判文书中如“当事人信息”、“诉讼请求”等固定格式内容的一键生成,辅助法官提高办案质效。
通过对法律文件的学习,使机器其能自行识别出法律信息的重要程度,从而提高了律师案例检索的效率。
在民事领域,通过运用人工智能审查合同,极大提升了信贷审核、法务审核的效率与准确率
预测指人工智能系统对海量裁判文书进行情节特征的自动提取和判决结果的智能学习,建立具体案件裁判模型,根据法官点选的关键词或提供的事实、情节,自动统计、实时展示同类案件裁判情况,预测正在审理案件的实体裁判,同时推送更为精准的相似案例,供法官参考
运用大数据与云计算充分挖掘分析数据资源,并依托法律规则库和语义分析模型,在法官办案过程中自动推送案情分析、法律条款、相似案例、判决参考等信息,为法官判案提供统一的审理规范和办案指引。对于“同判度”较高的类案,基于预测性判断,对法官制作的裁判文书判决结果与之发生的重大偏离,系统自动预警,从而防止裁判尺度出现重大偏离
数据采集、预处理;知识结构化与数据融合
实体构建、实体属性挖掘、实体关系识别与链接、知识推理
多种展现形式、智能信息挖掘模块、关系挖掘