裁判文书的审查方法、装置、存储介质及设备

摘要

本申请公开了一种裁判文书的审查方法、装置、存储介质及设备，确定待审查的裁判文书；从裁判文书中提取诉讼参与人信息；根据诉讼参与人信息审查裁判文书是否存在瑕疵，该方案能自动、快速地从裁判文书中提取诉讼参与人信息并根据诉讼参与人信息审查裁判文书是否存在瑕疵，极大地减小了检察官的工作量，降低了对检查官的专业水平要求，提升了对裁判文书的审查监督效率。

说明书

技术领域

本申请涉及裁判文书技术领域，具体而言，涉及一种裁判文书的审查方法、装置、存储介质及设备。

背景技术

检查机关是国家的法律机关，其中，民事行政检查监督是检查机关对人民法院审判活动进行执行活动监督的一项重要手段。检察机关依据民事诉讼法、行政诉讼法以及其他有关法律的规定，依法对法院审理形成的裁判文书进行审查监督，对有瑕疵的裁判文书可以依法出具审查建议书或提起抗诉，维护司法公正和司法权威，保障国家法律的统一正确实施。

目前，检察机关多采用人工方式对裁判文书进行审查监督，即由检查官对裁判文书进行审查监督。这种方式主要存在如下问题：首先，检查机关内，用于对裁判文书进行审查监督的检查官人数极少，无法在短时间内对法院审理形成的全部裁判文书进行审查监督，导致审查监督效率低下；另外，用于对裁判文书进行审查监督的检查官的专业水平不一，而法院审理形成的裁判文书涉及多个领域，检查官在对涉及到自身不熟悉的领域的裁判文书进行审查监督时，也容易导致审查监督效率低下。

因此，如何提升对裁判文书的审查监督效率，成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于上述问题，本申请提供一种克服上述问题或者至少部分地解决上述问题的裁判文书的审查方法、装置、存储介质及设备。方案如下：

一种裁判文书的审查方法，所述方法包括：

确定待审查的裁判文书；

从所述裁判文书中提取诉讼参与人信息；

根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵。

可选地，所述确定待审查的裁判文书，包括：

获取目标文书；

根据预先训练好的裁判文书类型识别模型识别所述目标文书的类型是否为裁判文书；

如果所述裁判文书类型识别模型识别所述目标文书的类型为裁判文书，则确定所述目标文书为待审查的裁判文书。

可选地，所述裁判文书类型识别模型的训练方式具体如下：

获取标注好的起诉意见书、起诉书、检察建议书、抗诉书以及裁判文书作为训练样本；

基于K最邻近KNN算法或决策树算法对所述训练样本进行机器学习，输出所述裁判文书类型识别模型。

可选地，所述从所述裁判文书中提取诉讼参与人信息，包括：

采用正则表达式技术从所述裁判文书中提取所述诉讼参与人信息，所述诉讼参与人信息包括原告信息、原告委托诉讼代理人信息、被告信息、被告委托诉讼代理人信息，其中，原告信息包括原告姓名、原告委托诉讼代理人信息包括原告委托诉讼代理人姓名和原告委托诉讼代理人当前执业的律师事务所名称、被告信息包括被告姓名、被告委托诉讼代理人信息包括被告委托诉讼代理人姓名和被告委托诉讼代理人当前执业的律师事务所名称。

可选地，所述根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵，包括：

判断所述原告姓名与被告姓名是否一致；

和/或，判断所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所是否存在控股关系；

如果所述原告姓名与被告姓名一致，和/或，所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系，则判定所述裁判文书存在瑕疵。

可选地，所述判断所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称是否一致，包括：

根据预设第一字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一律师事务所全称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二律师事务所全称；所述第一字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称的简称与全称的对应关系；

当所述第一律师事务所全称与所述第二律师事务所全称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致；

当所述第一律师事务所全称与所述第二律师事务所全称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称不一致。

可选地，所述判断所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所是否存在控股关系，包括：

根据预设第二字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一控股律师事务所名称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二控股律师事务所名称；所述第二字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称与对应的控股律师事务所名称的对应关系；

当所述第一控股律师事务所名称与所述第二控股律师事务所名称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系；

当所述第一控股律师事务所名称与所述第二控股律师事务所名称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所不存在控股关系。

一种裁判文书的审查装置，所述装置包括：

确定单元，用于确定待审查的裁判文书；

提取单元，用于从所述裁判文书中提取诉讼参与人信息；

审查单元，用于根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵。

一种存储介质，其上存储有程序，该程序被处理器执行时实现如上所述的裁判文书的审查方法。

一种设备，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上所述的裁判文书的审查方法

借由上述技术方案，本申请提供的裁判文书的审查方法、装置、存储介质及设备，确定待审查的裁判文书；从裁判文书中提取诉讼参与人信息；根据诉讼参与人信息审查裁判文书是否存在瑕疵，该方案能自动、快速地从裁判文书中提取诉讼参与人信息并根据诉讼参与人信息审查裁判文书是否存在瑕疵，极大地减小了检察官的工作量，降低了对检查官的专业水平要求，提升了对裁判文书的审查监督效率。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

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，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本申请实施例提供的一种裁判文书的审查方法的流程示意图；

图2为本申请实施例提供的又一种裁判文书的审查方法的流程示意图；

图3为本申请实施例提供的一种标注好的裁判文书示意图；

图4为本申请实施例提供的一种裁判文书类型识别模型根据输入的文本自动识别目标文书是否为裁判文书的示意图；

图5为本申请实施例提供的一种诉讼参与人信息的示意图；

图6为本申请实施例提供的一种裁判文书的审查装置的结构示意图；

图7为本申请实施例提供的一种设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

由背景技术可知，目前检察机关多采用人工方式对裁判文书进行审查监督，即由检查官对裁判文书进行审查监督。这种方式主要存在如下问题：首先，检查机关内，用于对裁判文书进行审查监督的检查官人数极少，无法在短时间内对法院审理形成的全部裁判文书进行审查监督，导致审查监督效率低下；另外，用于对裁判文书进行审查监督的检查官的专业水平不一，而法院审理形成的裁判文书涉及多个领域，检查官在对涉及到自身不熟悉的领域的裁判文书进行审查监督时，也容易导致审查监督效率低下。

为了解决上述问题，本申请实施例结合先进的机器学习技术对检察机关的裁判文书审查监督流程进行重造，提出一种裁判文书的审查方法、装置、存储介质及处理器，上述方案能自动识别裁判文书并通过自然语言处理技术提取裁判文书中诉讼参与人信息，根据诉讼参与人信息自动检测裁判文书是否存在瑕疵，极大提升裁判文书的审查效率，能有效的缓解检察机关面临的案多人少、水平不一等问题。

下面将通过以下实施例对本申请提出的裁判文书的审查方法、装置、存储介质及处理器进行详细介绍。

请参阅附图1，图1为本申请实施例提供的一种裁判文书的审查方法的流程示意图，该方法包括如下步骤：

S101：确定待审查的裁判文书。

人民法院审判过程中常见的文书类型有起诉意见书、起诉书、检察建议书、抗诉书、裁判文书等，本申请中从人民法院审判过程中生成的各种类型的文书中确定出裁判文书，并对裁判文书进行审查。确定待审查的裁判文书的方式有多种，比如可基于机器学习的方式确定待审查的裁判文书。

S102：从所述裁判文书中提取诉讼参与人信息。

本实施例中，诉讼参与人信息的格式固定，可采用自然语言处理技术从所述裁判文书中提取诉讼参与人信息。

S103：根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵。

本实施例中，可根据预设规则审查诉讼参与人信息是否存在瑕疵，如果诉讼参与人信息存在瑕疵，则确定所述裁判文书存在瑕疵。

本实施例提供的裁判文书的审查方法，确定待审查的裁判文书；从裁判文书中提取诉讼参与人信息；根据诉讼参与人信息审查裁判文书是否存在瑕疵，该方法能自动、快速地从裁判文书中提取诉讼参与人信息并根据诉讼参与人信息审查裁判文书是否存在瑕疵，极大地减小了检察官的工作量，降低了对检查官的专业水平要求，提升了对裁判文书的审查监督效率。

请参阅附图2，图2为本申请实施例提供的又一种裁判文书的审查方法的流程示意图，该方法包括如下步骤：

S201：获取目标文书。

本实施例中，目标文书为人民法院审判过程中生成的任一文书。

S202：根据预先训练好的裁判文书类型识别模型识别所述目标文书的类型是否为裁判文书；如果所述裁判文书类型识别模型识别所述目标文书的类型为裁判文书，则执行步骤S203至步骤S204，如果所述裁判文书类型识别模型识别所述目标文书的类型不为裁判文书，则跳转至结束。

审判过程中常见的文书类型有起诉意见书、起诉书、检察建议书、抗诉书、裁判文书等，需要对各种类型的文书进行标注，生成标注好的起诉意见书、起诉书、检察建议书、抗诉书以及裁判文书作为训练样本。比如，对裁判文书进行标注时可以将裁判文书分为文书头部、诉讼参与人、审理经过、诉讼请求、抗诉答辩、事实认定、本院认为、裁判结果、法律效力、文书尾部等几个部分，标注好的裁判文书示意图如图3所示。由图3可以看出，标注好的裁判文书包括文书头部、诉讼参与人、审理经过、诉请(即诉讼请求)、裁判结果、法律效力、文书尾部这几个部分。

在生成训练样本之后，可以采用预设算法将训练样本进行机器学习，输出裁判文书类型识别模型。

作为一种可实施方式，预设算法可以为KNN(k-Nearest Neighbor，K最邻近)算法。

将标注好的样本进行机器学习，输出算法模型。这里采用了机器学习中的KNN算法。

KNN算法描述如下：

先计算测试数据(即裁判文书)与各个训练数据(即训练样本)之间的距离，这里的距离可以为欧式距离或曼哈顿距离；然后，按照距离的递增关系进行排序；再选取距离最小的K个点；确定前K个点所在类别的出现频率；最后，返回前K个点中出现频率最高的类别作为测试数据的预测分类。

算法公式如下：

欧式距离：

作为又一种可实施方式，预设算法还可以为决策树算法。

根据预先训练好的裁判文书类型识别模型识别所述目标文书的类型是否为裁判文书时，首先将目标文书的文本输入裁判文书类型识别模型进行识别，裁判文书类型识别模型会根据输入的文本自动识别目标文书是否为裁判文书。如图4所示，三角形和四方形代表不同的文书类型，圆形代表输入的内容，它要被决定赋予哪个文书类型，是三角形还是四方形？如果K＝3，由于三角形所占比例为2/3，四方形所占比例为1/3，三角形所占比例大于四方形所占比例，因此，圆形将被赋予三角形代表的文书类型，如果K＝5，由于三角形所占比例为2/5，四方形所占比例为3/5，四方形所占比例大于三角形所占比例，圆形将被赋予四方形代表的文书类型。

S203：从所述裁判文书中提取诉讼参与人信息。

诉讼参与人信息包括原告信息、原告委托诉讼代理人信息、被告信息、被告委托诉讼代理人信息，其中，原告信息包括原告姓名、原告委托诉讼代理人信息包括原告委托诉讼代理人姓名和原告委托诉讼代理人当前执业的律师事务所名称、被告信息包括被告姓名、被告委托诉讼代理人信息包括被告委托诉讼代理人姓名和被告委托诉讼代理人当前执业的律师事务所名称。示例如：基于图3所示的裁判文书，诉讼参与人信息具体如图5所示。

需要说明的是，本申请实施例中，采用正则表达式技术从裁判文书中提取诉讼参与人信息。在本申请实施例的一种可实现方式中，采用公式“$原告:[W+],^”提取原告信息，采用公式“$代理人:[W+],^”提取原告委托诉讼代理人信息，采用公式“$被告:[W+],^”提取被告信息，采用公式“$代理人:[W+],^”提取被告委托诉讼代理人信息。其中，[W+]表示在出现符号“$”后的文本(如原告、代理人、被告、代理人)之后，任意字符至少出现一次。其中，提取原告委托诉讼代理人信息和提取被告委托诉讼代理人信息采用的公式相同，但是公式执行的位置不同，即原告委托诉讼代理人信息从原告段落提取，被告委托诉讼代理人信息从被告段落提取。

S204：根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵。

本实施例中，可采用如下方式根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵：

判断所述原告姓名与被告姓名是否一致；

和/或，判断所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所是否存在控股关系；

如果所述原告姓名与被告姓名一致，和/或，所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系，则判定所述裁判文书存在瑕疵。

需要说明的是，为了进一步提升审查效率，上述几个判断步骤可以预先排序，依次执行，只要某个步骤判断出裁判文书存在瑕疵，后续步骤可不必再执行。

在本实施例中，可预先对于律师事务所简称与全称建立第一字典库，需要将简称转化为全称后再进行对比。第一字典库存储格式为多组M1(x1,y1)，其中x1代表简称，y1代表全称，如x1＝“大成律所”，y1＝“大成律师事务所”，M(大成律所，大成律师事务所)即为一组合法的字典值。多组M1组合在一起形成字典库1。则所述判断所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称是否一致，包括：根据预设第一字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一律师事务所全称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二律师事务所全称；所述第一字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称的简称与全称的对应关系；当所述第一律师事务所全称与所述第二律师事务所全称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致；当所述第一律师事务所全称与所述第二律师事务所全称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称不一致。

在本实施例中，可预先通过爬取公开的工商数据形成律所之间的控股关系，并将律所之间的控股关系建立第二字典库，即形成M2(x2,y2)，其中x2代表第一律师事务所全称，y2代表第二律师事务所全称，M2(北京大成律所，大成律师事务所)、M2(黑龙江大成律所，大成律师事务所)、M2(福建远东大成律所，大成律师事务所)等即为多组合法的字典值，多组M2组合在一起形成字典库2。如果多个第一律师事务所的对应的y值相同，即可认定存在控股关系。则，所述判断所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所是否存在控股关系，包括：根据预设第二字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一控股律师事务所名称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二控股律师事务所名称；所述第二字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称与对应的控股律师事务所名称的对应关系；当所述第一控股律师事务所名称与所述第二控股律师事务所名称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系；当所述第一控股律师事务所名称与所述第二控股律师事务所名称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所不存在控股关系。

在上述实施例的基础上，本申请实施例还提供了一种裁判文书的审查装置，如图6所示，图6为本申请实施例提供的一种裁判文书的审查装置的结构示意图，该装置具体包括：

确定单元61，用于确定待审查的裁判文书；

提取单元62，用于从所述裁判文书中提取诉讼参与人信息；

审查单元63，用于根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵。

可选的，所述确定单元具体用于：

获取目标文书；

根据预先训练好的裁判文书类型识别模型识别所述目标文书的类型是否为裁判文书；

如果所述裁判文书类型识别模型识别所述目标文书的类型为裁判文书，则确定所述目标文书为待审查的裁判文书；

其中，所述裁判文书类型识别模型的训练方式具体如下：

获取标注好的起诉意见书、起诉书、检察建议书、抗诉书以及裁判文书作为训练样本；

基于K最邻近KNN算法或决策树算法对所述训练样本进行机器学习，输出所述裁判文书类型识别模型。

可选的，所述提取单元具体用于：

采用正则表达式技术从所述裁判文书中提取所述诉讼参与人信息，所述诉讼参与人信息包括原告信息、原告委托诉讼代理人信息、被告信息、被告委托诉讼代理人信息，其中，原告信息包括原告姓名、原告委托诉讼代理人信息包括原告委托诉讼代理人姓名和原告委托诉讼代理人当前执业的律师事务所名称、被告信息包括被告姓名、被告委托诉讼代理人信息包括被告委托诉讼代理人姓名和被告委托诉讼代理人当前执业的律师事务所名称。

可选的，所述提取单元具体用于：

采用公式$原告:[W+],^提取所述原告信息；

采用公式$代理人:[W+],^提取所述原告委托诉讼代理人信息；

采用公式$被告:[W+],^提取所述被告信息；

采用公式$代理人:[W+],^提取所述被告委托诉讼代理人信息；

其中，[W+]表示在出现符号“$”后的文本之后，任意字符至少出现一次。

可选的，所述审查单元，具体用于：

判断所述原告姓名与被告姓名是否一致；

和/或，判断所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所是否存在控股关系；

如果所述原告姓名与被告姓名一致，和/或，所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系，则判定所述裁判文书存在瑕疵。

可选的，所述审查单元，具体用于：

根据预设第一字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一律师事务所全称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二律师事务所全称；所述第一字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称的简称与全称的对应关系；

当所述第一律师事务所全称与所述第二律师事务所全称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致；

当所述第一律师事务所全称与所述第二律师事务所全称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称不一致。

可选的，所述审查单元，具体用于：

根据预设第二字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一控股律师事务所名称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二控股律师事务所名称；所述第二字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称与对应的控股律师事务所名称的对应关系；

当所述第一控股律师事务所名称与所述第二控股律师事务所名称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系；

当所述第一控股律师事务所名称与所述第二控股律师事务所名称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所不存在控股关系。

所述裁判文书的审查装置包括处理器和存储器，上述确定单元、提取单元和审查单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现对裁判文书的快速审查。

本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述裁判文书的审查方法。

本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述裁判文书的审查方法。

如图7所示，本申请实施例提供了一种设备70，设备70包括至少一个处理器701、以及与处理器701连接的至少一个存储器702、总线703；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述的裁判文书的审查方法。本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：

一种裁判文书的审查方法，所述方法包括：

确定待审查的裁判文书；

从所述裁判文书中提取诉讼参与人信息；

根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵。

可选地，所述确定待审查的裁判文书，包括：

获取目标文书；

根据预先训练好的裁判文书类型识别模型识别所述目标文书的类型是否为裁判文书；

如果所述裁判文书类型识别模型识别所述目标文书的类型为裁判文书，则确定所述目标文书为待审查的裁判文书。

可选地，所述裁判文书类型识别模型的训练方式具体如下：

获取标注好的起诉意见书、起诉书、检察建议书、抗诉书以及裁判文书作为训练样本；

基于K最邻近KNN算法或决策树算法对所述训练样本进行机器学习，输出所述裁判文书类型识别模型。

可选地，所述从所述裁判文书中提取诉讼参与人信息，包括：

采用正则表达式技术从所述裁判文书中提取所述诉讼参与人信息，所述诉讼参与人信息包括原告信息、原告委托诉讼代理人信息、被告信息、被告委托诉讼代理人信息，其中，原告信息包括原告姓名、原告委托诉讼代理人信息包括原告委托诉讼代理人姓名和原告委托诉讼代理人当前执业的律师事务所名称、被告信息包括被告姓名、被告委托诉讼代理人信息包括被告委托诉讼代理人姓名和被告委托诉讼代理人当前执业的律师事务所名称。

可选地，所述根据所述诉讼参与人信息审查所述裁判文书是否存在瑕疵，包括：

判断所述原告姓名与被告姓名是否一致；

和/或，判断所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称是否一致；

和/或，判断所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所是否存在控股关系；

如果所述原告姓名与被告姓名一致，和/或，所述原告委托诉讼代理人姓名与所述被告委托诉讼代理人姓名一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致，和/或，所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系，则判定所述裁判文书存在瑕疵。

可选地，所述判断所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称是否一致，包括：

根据预设第一字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一律师事务所全称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二律师事务所全称；所述第一字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称的简称与全称的对应关系；

当所述第一律师事务所全称与所述第二律师事务所全称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称一致；

当所述第一律师事务所全称与所述第二律师事务所全称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所名称与所述被告委托诉讼代理人当前执业的律师事务所名称不一致。

可选地，所述判断所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所是否存在控股关系，包括：

根据预设第二字典库确定所述原告委托诉讼代理人当前执业的律师事务所名称对应的第一控股律师事务所名称，以及，所述被告委托诉讼代理人当前执业的律师事务所名称对应的第二控股律师事务所名称；所述第二字典库中存储有多个字典值，每个字典值用于指示一个律师事务所名称与对应的控股律师事务所名称的对应关系；

当所述第一控股律师事务所名称与所述第二控股律师事务所名称相同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所存在控股关系；

当所述第一控股律师事务所名称与所述第二控股律师事务所名称不同时，确定所述原告委托诉讼代理人当前执业的律师事务所与所述被告委托诉讼代理人当前执业的律师事务所不存在控股关系。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。