买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河北工业大学申请的专利基于深度提取网络和文本结构分析的法律判决预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119719339B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411794730.3，技术领域涉及：G06F16/334；该发明授权基于深度提取网络和文本结构分析的法律判决预测方法是由张亚娟;安兴坤;杨自凯;王云鹤;郭丁玮;于继伟设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本基于深度提取网络和文本结构分析的法律判决预测方法在说明书摘要公布了：本发明属于法律判决预测技术领域，具体是一种基于深度提取网络和文本结构分析的法律判决预测方法。采用的模型包括编码器、注意力层、深度提取网络和事实描述分离模块；事实描述和罪名定义经过编码，得到事实描述特征和罪名定义特征；事实描述特征和罪名定义特征经过上下文表示和注意力机制，得到融入法律知识的事实描述特征；融入法律知识的事实描述特征经过深度提取网络，得到事实描述的抽象表示，用于预测罪名；预测罪名经过编码，得到预测罪名特征；将预测罪名特征和事实描述的上下文表示经过事实描述分离模块，得到法条依据和刑期依据；法条依据经过另一个深度提取网络进行特征提取，得到法条依据语义特征，用于预测法条；预测法条经过编码，得到预测法条特征，用于预测刑期。通过深度提取网络提取事实描述中的显著特征和语义信息，充分提取事实描述中法条依据和刑期依据在文本结构上的依赖关系，提高了预测准确性。

本发明授权基于深度提取网络和文本结构分析的法律判决预测方法在权利要求书中公布了：1.一种基于深度提取网络和文本结构分析的法律判决预测方法，其特征在于，该方法包括以下步骤： 第一步：构建法律判决预测模型，包括编码器、注意力层、深度提取网络和事实描述分离模块； 将事实描述和罪名定义分别输入到编码器中进行编码，得到事实描述特征和罪名定义特征；事实描述特征和罪名定义特征分别经过最大池化操作，得到事实描述和罪名定义的上下文表示；事实描述和罪名定义的上下文表示经过注意力层，得到融入法律知识的事实描述特征； 将融入法律知识的事实描述特征输入到一个深度提取网络中，提取事实描述中的显著特征以及语义信息，得到事实描述的抽象表示；事实描述的抽象表示经过softmax函数，得到预测罪名的概率分布；预测罪名的概率分布经过argmax函数，得到预测罪名； 利用编码器对预测罪名进行编码，得到预测罪名特征；将预测罪名特征和事实描述的上下文表示经过事实描述分离模块进行法条依据和刑期依据的预测，得到法条依据和刑期依据；法条依据经过另一个深度提取网络进行特征提取，得到法条依据语义特征；将法条依据语义特征通过softmax函数得到预测法条的概率分布，预测法条的概率分布经过argmax函数，得到预测法条； 利用编码器对预测法条进行编码，得到预测法条特征；将预测法条特征与刑期依据语义特征进行拼接，再经过softmax函数进行刑期预测，得到预测刑期； 所述深度提取网络包括多个串行连接的深度提取模块，各个深度提取模块的输出特征经过拼接，得到深度提取网络的输出特征；深度提取模块的输入特征依次经过上采样、Inception模块A和Inception模块B，Inception模块B的输出特征与上采样后的特征进行残差连接后，再经过K‑top池化操作和全连接层，得到深度提取模块的输出特征； Inception模块A的特征提取过程表示为： RA＝ConcatC1×1F,C1×3C1×1F,C1×7C1×1F,CavgC1×1F6式中，RA是Inception模块A的输出特征，F是Inception模块A的输入特征，Concat表示拼接操作，C1×1、C1×3和C1×7分别是1×1、1×3和1×7卷积操作，Cavg是平均池化操作； Inception模块B的特征提取过程表示为： RB＝ConcatC1×1RA,C1×2C1×1RA,C1×4C1×1RA,CavgC1×1RA7式中，RB是Inception模块B的输出特征，C1×2、C1×4分别表示1×2和1×4卷积操作； 第二步：对法律判决预测模型进行训练，将训练后的法律判决预测模型用于法律判决预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。