案情

摘要： 一、基本案情(一)被告人基本情况被告人韩某某,2017年9月21日因涉嫌非法收购、出售珍贵、濒危野生动物罪被逮捕。被告人石某,2017年11月28日因涉嫌非法收购、出售珍贵、濒危野生动物罪被逮捕。被告人廖某某,2017年9月21日因涉嫌非法收购、运输、出售珍贵、濒危野生动物罪被逮捕。犯罪嫌疑人仝某,2017年11月28日因涉嫌非法收购珍贵、濒危野生动物罪被逮捕。犯罪嫌疑人刘某,2017年11月17日因涉嫌非法收购珍贵、濒危野生动物罪被取保候审。

摘要： 法医学鉴定是最常见的司法鉴定活动。就案件中专门性问题委托法医学鉴定，其委托目的或鉴定要求具有一定的专业特点。那么，法医学鉴定能否根据案情鉴定呢?本文介绍了法医学鉴定意见的案情趋向性，阐述了法医学鉴定中的案情资料价值，浅谈了法医学鉴定的科学局限性。

摘要： 本文根据精神发育迟滞(MR)者的涉案情况、有关法律能力的评定情况等.对精神病司法鉴定资料进行回顾性分析.论述了MR女性的涉案情况与智力水平密切相关,而MR男性的涉案情况与智力水平无明显相关;有关法律能力的评定与精神发育迟滞的程度密切相关的因素。

摘要： 本申请公开了一种司法二审案情辅助分析方法及系统，包括：获取待分析案件的一审数据和二审数据；基于第一双向长短期记忆网络BiLSTM，将待分析案件的一审数据进行向量提取，获取待分析的一审向量；基于第二双向长短期记忆网络BiLSTM，将待分析案件的二审数据进行向量提取，获取待分析的二审向量；将待分析的一审向量和二审向量进行拼接，得到拼接向量；将拼接向量输入到二审判决结果预测模型中，输出待分析案件的二审判决预测结果；待分析案件的二审判决预测结果用于对司法二审案情进行辅助分析；其中，所述第一双向长短期记忆网络BiLSTM、所述第二双向长短期记忆网络BiLSTM、所述二审判决结果预测模型，均是基于历史法律文书进行训练后获得的。

摘要： 本发明公开了一种基于指针网络的刑事案情实体关系联合抽取方法，用于解决刑事案件审判过程中对案件涉及到的复杂人物关系地梳理。本发明将刑事案情实体关系抽取看作三元组抽取问题，即先抽取头实体，在通过头实体相关信息抽取尾实体和关系，具体先对法律文书中对案情描述部分的目标文本进行编码，再通过单层指针网络解码方式抽取头实体和头实体类型；接着融入上下文编码信息、头实体特征编码和位置编码信息，最后通过多层指针网络解码方式抽取尾实体和关系类型。本方法能有效地解决案情描述中实体重叠、关系重叠问题，可以用于起诉意见书、起诉书、刑事判决书、询问笔录等不同类型文书中涉及到的案情描述文本，能够帮助办案人员对案件进行梳理。

摘要： 本发明公开了案情事实抽取方法及系统及装置及介质，涉及人工智能领域，包括：获得第一训练集，构建第一分类模型，利用第一训练集训练第一分类模型获得触发词识别模型；利用第二训练集训练第一概率预测模型和第二概率预测模型获得论元起点预测模型；获得待处理裁判文书，将待处理裁判文书输入触发词识别模型，获得触发词识别结果；将待处理裁判文书输入论元起点预测模型模型，获得论元的起始位置；基于起始位置获得相应的论元字段；基于触发词识别结果和论元字段获得待处理裁判文书的案情事实，本方法能够实现在从裁判文书中自动抽取案情事实。

摘要： 本申请公开了一种案情文本分类方法、装置以及存储介质。其中，该方法，包括：获取与案件相关的案情文本，其中所述案情文本记载所述案件的案情；以及根据所述案情文本，利用预先设置的分类模型，确定所述案件的案件类别，其中所述案件类别是根据所述案件的作案手段和/或作案特点进行分类得到的类别。从而实现基于语义概念的深度案情分析，有助于提高案情录入自动化程度、规范办案流程、提高办案效率的技术效果。进而解决了现有技术中存在的传统的基于向量空间模型(VSM)的简单文本相似度匹配方法的语义解析能力缺失的技术问题。

摘要： 本发明公开了一种司法判决书案情信息结构化处理系统，适用于信息抽取和自然语言处理领域；系统包括以下模块：司法判决书案情信息结构化表示模块、建立司法判决书案情信息序列标注模型模块、属性触发词管理模块和生成结构化司法判决书案情信息模块。根据用户给定的案件类型，建立司法判决书案情信息结构化数据表示框架，构建司法判决书案情信息序列标注训练集并训练序列标注模型，结合属性触发词集合，根据生成结构化司法判决书案情信息方法生成结构化的司法判决书案情信息。本发明根据用户提供的司法判决书案件类型和案情信息，实现司法判决书案情信息的结构化处理，其目的在于提供一种从无结构化司法判决书文本中抽取结构化信息的有效方式。

摘要： 本发明涉及一种面向案情的关键词提取方法，首先根据用于训练模型的案情描述获取用于训练模型的案情描述的词向量矩阵和词法特征矩阵；然后采用python库中的keras包，将用于训练模型的案情描述的词向量矩阵放入到一个keras的模型中去，用于训练模型的案情描述的词法特征矩阵也放入到一个keras中的模型中去，然后将两个模型利用keras中的merge功能，将两个模型合并为一个模型，然后将这个模型运用keras中的fit功能来训练模型；最后将待预测关键词的案情描述输入到模型中，进行关键词的提取，提取所需的关键词。利用本发明的这种方法可以大大提高关键词提取的准确性，并减少断案工作量。

摘要： 本发明涉及一种基于图神经网络的司法文书案情要素实体识别方法，属于自然语言处理及自然语言理解技术领域。本发明根据文书类型、案由罪名选择对应的规则模板；对文书数据清洗，去除多余空行以及非法字符，完成半角全角符号转换；使用模板对检务文书进行段落划分；对包含案情的审理查明段落构建多路径有向无环图结构，输入图神经网络学习节点表示；将图神经网络的各节点依次输入基于注意力机制的神经网络和条件随机场进行识别结果的序列次序校对；对提取的识别结果按照所需格式生成结构化数据，提高办公效率，促进检务工作高质量发展。

摘要： 本发明公开了一种基于指针网络的刑事案情实体关系联合抽取方法，用于解决刑事案件审判过程中对案件涉及到的复杂人物关系地梳理。本发明将刑事案情实体关系抽取看作三元组抽取问题，即先抽取头实体，在通过头实体相关信息抽取尾实体和关系，具体先对法律文书中对案情描述部分的目标文本进行编码，再通过单层指针网络解码方式抽取头实体和头实体类型；接着融入上下文编码信息、头实体特征编码和位置编码信息，最后通过多层指针网络解码方式抽取尾实体和关系类型。本方法能有效地解决案情描述中实体重叠、关系重叠问题，可以用于起诉意见书、起诉书、刑事判决书、询问笔录等不同类型文书中涉及到的案情描述文本，能够帮助办案人员对案件进行梳理。

摘要： 本发明涉及融入标签信息的案情要素识别方法，属于自然语言处理领域。本发明包括：预处理CAIL2019‑SCM要素标注的关于民间借贷的裁判文书文本数据集；使用清洗过的裁判文书作为输入；之后利用在民事裁判文书上预训练的BERT对输入编码表示；进一步地利用CNN网络对事实描述部分特征提取；将提取后的表示分别与属性和标签表示进行融合；随后将合成的表示按照属性依次对该属性下的标签进行识别，分类器计算获得最终的标签概率分布。实验结果表明，该模型在CAIL2019‑SCM数据集的要素标注数据上能够更有效地将要素识别出来。

摘要： 本实用新型公开了一种具有记忆功能的公安办案用案情分析装置，包括底板和案情分析机构本体，所述底板的上表面安装有支撑板，且支撑板的下端外表面设置有弹簧，所述弹簧的上端安装有连接盘，且连接盘的内部开设有定位槽，所述连接盘的下端安装有定位柱，所述支撑板的内端开设有限位槽，所述连接块的内端外表面安装有案情分析机构本体，所述承载块的内部安装有电动伸缩杆，所述案情分析机构本体的上端设置有记忆机构，所述案情分析机构本体的下端设置有稳定块，且案情分析机构本体的外端开设有限定槽。该具有记忆功能的公安办案用案情分析装置，便于对分析装置进行高度调节，便于达到减震的效果，便于对装置的角度进行调节。