卷宗自动归目
结合基于深度学习的OCR、图像分析和实体识别等技术,实现电子卷宗材料的自动分类;支持常见图片类型、pdf、word、excel等格式;支持3600多类材料;民事、刑事、行政、执行、赔偿、减刑假释类卷宗,自动归目准确率达到95%以上。
文档标题识别
基于自研的OCR技术,结合识别后的文本以及文本的位置坐标信息,采用卷积神经网络的文本分类方法,通过大量的样本标注和训练,实现对图片材料和文本文档的标题识别;行业内文档标题识别准确率可达92%。
司法实体识别
基于深度学习,将自然语言理解技术和法律逻辑体系相结合,可对公、检、法、司、仲裁等多个行业100多类文书进行信息项提取,可提取信息项数量超过1万项。 
关系提取
将基于深度学习的自然语言理解技术和模式识别技术相结合,利用生成模型,结合关系图谱,自动识别文本中的实体并抽取实体之间的关系;支持100+种法律关系和社会关系。 
事件提取
利用触发词对事件进行分类,基于人工标注数据,采用实体识别技术和文本分类技术提起事件中的主体、客体和其他参数等信息,实现事件提取;支持消费类、娱乐活动类、行贿受贿类等8大类事件;事件提取准确率可达85%。 
司法智能问答
基于人工梳理问答对,结合自然语言理解和机器学习的技术,实现具有语义理解的问答系统;并支持根据预定槽位和状态,灵活配置符合业务逻辑的对话管理策略,实现了任务式对话。
法律文书生成
通过机器学习技术,基于“法律认知”技术,从海量文书中学习出不同类型文书中针对法律事实的常用表述规则,经由法律专家校准,固化形成专业的文书表述逻辑和规则库,实现为用户智能地根据案情的不同生成不同的文书表述。 
裁判文书校对
基于百万法律文书和50G网页素材,采用自然语言理解技术,并结合独创的裁判文书词法分析技术,实现了贴合文书特点、尊重用户习惯、符合格式规范安的文书智能校对功能;自动结合办案系统数据与文书信息,支持字词、语法、标点、文书结构、业务逻辑、法律法规的全方位校对,支持语音读校,支持word插件。 
裁判文书排版
实现对文书格式的自动排版和规范。排版格式依据的模板可以由用户根据实际业务需要统一对模板做修改和更新,非常方便灵活。 
裁判文书屏蔽
基于自然语言理解技术和实体识别技术实现对法律裁判文书敏感信息屏蔽的功能。在文书屏蔽的过程中严格按照《最高人民法院关于人民法院在互联网公布裁判文书的规定》的要求对敏感词汇进行屏蔽。 
庭审笔录归纳
深入分析语音识别处理的笔录特征,首先基于序列标注模型对语音识别出来的笔录进行精简,去除口语描述和重复表达等,再采用Seq-to-Seq模型实现笔录归纳,以提升自动生成笔录的规范性和可读性。 
证据预测
分析各类文书数据中的案情,并对其中事实和证据的关系进行标注,基于数十万人工标注的高质量数据,训练Seq-to-Seq模型,实现在给定事实的前提下生成其可能依赖的证据,证据预测准确率可达90%。 
案由预测
基于案件文书全文、文书段落、案件情节、案件事实描述,通过自然语言理解技术,提取案情特征,将LSTM模型和CNN模型等进行融合,并采用多任务联合训练的方式,实现了案由预测。 
法条预测
基于案件情节,通过自然语言理解技术,提取案情特征,将LSTM模型和CNN模型等进行融合,并采用多任务联合训练的方式,实现了相关法条预测。 
裁判规律分析
基于法律知识图谱和自然语言理解技术,对400多万公开刑事裁判文书全面挖掘分析,通过法学专家和实务专家从业务实践出发,结合法律法规、司法解释等规范性文件的要求,构建出适用于不同场景下的动态知识模型,利用模型对多元数据进行抽取,进而分析类案的历史裁判规律,提供法律知识服务。 
卷宗材料OCR
基于AI深度学习算法,利用图像分析、字符识别等技术,对卷宗材料文件实现智能感知分析,提供卷宗材料文字识别能力;支持文本、表格、卡证识别,准确率分别为96%以上、85%以上、70%以上;支持中文简体、繁体、英文印刷文本识别;支持图像的纠偏和翻转;单张图片的识别速度为毫秒级。 
司法视频分析
基于庭审、讯问、谈话、监舍等法律行业场景进行深度学习及大规模图像训练,准确识别物体标签、位置、行为意图、置信度、图像质量等综合信息。支持人、国徽、法袍、 桌牌、帽子、墨镜等目标标识;支持打电话、抽烟等行为识别;支持过亮、过暗、模糊、遮挡等画面质量识别。 
卡证识别
基于深度学习的ocr和目标检测技术,对二代居民身份证、律师证、机动车驾驶证、机动车行驶证等进行识别;支持证件的正反面检测和分页检测;支持自定义卡证识别模板;利用大量图片样本训练模型,具有高准确率,如身份证识别准确率超过90%。 
表格识别
基于图像分析技术和ocr技术,对表格信息进行精度定位和识别,实现复杂表格的智能字段提取。支持存在合并单元格的复杂表格;支持自定义表格识别模板;识别识别率达到90%以上。 
指纹、印章等识别
基于深度学习的目标检测技术,实现对文档中的指纹和签章等检测识别;并通过颜色模型和OpenCV相结合,实现对红章和指纹进行抹除。支持人像、指纹、红章、方章、长方章、合缝章、二维码、条形码,红头文件等识别,且识别准确率能够达到96%以上。 
卷宗中手写标签识别
针对卷宗中存在手写材料的特点,基于深度学习技术,实现了手写标签的识别,扩大了卷宗文件类型识别的范围。支持诉状、欠条、收条、证明、情况说明等78类标签。 
卷宗图像优化
针对卷宗文件多为扫描件的特点,对卷宗文件进行图像清除黑边、空白页检查、图像纠偏、图像DPI检测、图像虚化检测等功能。 
法律知识图谱
法律知识图谱属于垂直行业领域的知识图谱,从图示的直观形式看,是众多法律要素组成的知识库。法律知识图谱是机器进行法律知识推理的基础,它将法律规定、法律文书、证据材料及其他法律资料中的法律知识点以一定的法律逻辑连接在一起形成概念框架,它的概念框架上的每一个知识实体或概念又分别与法律法规、司法经验、案例、证据材料等相应挂接,建立法律概念、法律法规、事实、证据之间的动态关联关系。 
法律数据融合
建立行业数据融合规则,依据法律知识解析并提炼数据,基于语义实现结构化、半结构化与非结构化的多源异构数据融合,构建关系模型,基于法律语义识别并建立数据实体间的关联关系,解决数据的完整性、一致性和相关性等问题,形成高度融合的数据资源地图。 
当事人画像
通过数据挖掘方式将分散至各应用系统中核心业务群体的零散信息进行提炼,以基本信息、行为信息、涉案信息、资产信息、信用信息等为维度,刻画出与案件相关的当事人的画像,满足不同场景下各主体对于人员或者人群全关键信息的不同层次需求。 
案件画像
基于大数据分析、自然语言理解、图像分析等多项技术相结合,实现案件结构化数据、案件文书、相关卷宗等多元异构数据的内容层面的深度关联融合;以基本信息、主体信息、材料信息、流程信息、关联案件信息、庭审信息等维度,刻画完整、准确的案件画像。 
法官画像
以裁判文书为基准,对具体法官的办案数据、特征指标、关联图谱、证据、争议焦点、裁判观点等进行各角度分析,展示法官对某种主张采纳或不采纳、法官认定某种法律后果/抗辩理由构成或不构成的裁判倾向,为院庭领导全面了解和评估法官工作提供参考辅助。 
涉案人员同路会面分析
基于大数据技术和数据挖掘技术,深入分析被调查人话单的数据特征,结合通讯基站信息和GIS系统,将被调查人与相关涉案人员之间通话记录进行碰撞,智能分析双方或多方在相近时间且相邻位置的情况,进而实现同路会面分析。 
涉案人员共同联系人分析
运用数据挖掘技术,深入分析被调查人话单的数据特征,从通话次数、时长,关注人员人数等多个维度进行分析,进而发现相关涉案人员的共同联系人;支持多名人员之间通过若干层级中间人进行联系的情况。 
法律声明 网站地图 联系我们

©Thunisoft 北京AG捕鱼平台信息技术有限公司 版权所有    京ICP备13006480-3