一种裁判文书搜索方法及装置与流程

本发明涉及信息处理技术领域，尤其涉及一种裁判文书搜索方法及装置。

背景技术：

目前，法院审理案件后会生成裁判文书，在实际情况下通常具有搜索类案的裁判文书的需求。也即，搜索与指定案件类似案件的裁判文书。

目前，搜索类案的裁判文书过程通常包括：提取指定案件的裁判文书中的关键词，基于关键词搜索裁判文书网，获得与关键词相似度高的裁判文书，并将搜索到的裁判文书作为指定案件类似案件的裁判文书。

但是，由于关键词具有多样性含义，所以基于关键词搜索类案的裁判文书的方案具有一定的局限性，导致搜索获得类案的裁判文书准确率较低。

技术实现要素：

鉴于上述问题，提出了本发明以便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搜索方法，能够更加准确地搜索获得类案的裁判文书，本发明的技术方案如下：

一种裁判文书搜索方法，包括：

获取既有文书；

确定所述既有文书中的事件集合；所述事件集合包括既有文书的一个或多个事件；

搜索与所述事件集合对应的裁判文书。

可选的，所述确定所述既有文书中的事件集合，包括：

通过识别模型识别出所述既有文书中的事件集合；

其中，所述识别模型通过与所述既有文书具有相同案由的训练法律文书预先训练得到，在训练过程中识别模型的输入内容包括带有标记的训练法律文书，所述标记包括事件类型和事件要素。

可选的，在搜索与所述事件集合对应的裁判文书之前，还包括：

对所述既有文书中的事件集合进行去重操作。

可选的，所述搜索与所述事件集合对应的裁判文书，包括：

展示包含所述既有文书中的事件集合的界面；

接收基于所述界面的事件选择操作，并将已选事件确定为查询事件集合；

搜索与所述查询事件集合对应的裁判文书。

可选的，所述搜索与所述查询事件集合对应的裁判文书，包括：

在裁判文书库中搜索所述查询事件集合；其中，所述裁判文书库包括多个裁判文书，以及通过识别模型识别所述裁判文书后获得的事件集合；

获得与所述查询事件集合具有交集事件的裁判文书。

可选的，在所述搜索与所述事件集合对应的裁判文书之后，还包括：

对所述裁判文书执行处理操作；其中，所述处理操作包括：展示所述裁判文书，或者，推送所述裁判文书。

一种裁判文书搜索装置，包括：

获取单元，用于获取既有文书；

确定单元，用于确定所述既有文书中的事件集合；所述事件集合包括既有文书的一个或多个事件；

搜索单元，用于搜索与所述事件集合对应的裁判文书。

可选的，所述确定单元中所述确定所述既有文书中的事件集合，具体包括通过识别模型识别出所述既有文书中的事件集合；

其中，所述识别模型通过与所述既有文书具有相同案由的训练法律文书预先训练得到，在训练过程中识别模型的输入内容包括带有标记的训练法律文书，所述标记包括事件类型和事件要素。

一种存储介质，所述存储介质上存储有程序，所述程序被处理器执行时实现所述的裁判文书搜索方法。

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的裁判文书搜索方法。

借由上述技术方案，本申请在获取既有文书后，可以识别出既有文书对应的事件。事件含义的准确度要远高于关键词的准确度，具有相同事件的案件是非常相似的案件。因此基于事件搜索获得的裁判文书的方案，可以提高搜索类案的裁判文书的准确率。

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

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，而并不认为是对本发明的限制。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示出了本公开的示例性实施例提供的构建识别模型的流程图；

图2示出了本公开的示例性实施例提供的利用识别模型识别裁判文书库中的裁判文书获得裁判文书的事件的流程图；

图3示出了本公开的示例性实施例提供的裁判文书搜索方法的流程图；

图4a-4b出了本公开的示例性实施例提供的又一裁判文书搜索方法的流程图；

图5示出了本公开的示例性实施例提供的裁判文书搜索装置的结构示意图。

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。

为了便于本领域技术人员理解，对本申请涉及一些法律常识进行解释。法律案件类型包括刑事案件、民事案件、行政案件等，每种类型的案件包含多种案由。案由是人民法院对诉讼案件所涉及的法律关系的性质进行概括后形成的案件名称。刑事案件可以包括“盗窃”、“杀人”等案由，民事案件可以包括“离婚”、“继承”、“损害赔偿”、“健康权纠纷”等案由。既有文书是指在文书推送过程中，所依据的那篇输入文书。

不同案由下可以包括多起法律诉讼，在法律诉讼必然会涉及法律文书。法律文书可以包括但不限于：起诉状、起诉书、上诉状、答辩状、庭审笔录、裁定书、决定书、调解书、判决书等。

本申请中涉及的裁判文书也属于法律文书，裁判文书主要包括判决书，也可以包括裁定书、决定书、调解书中的一个或多个。

由于从裁判文书中提取的关键词具有多样性含义，所以基于关键词搜索类案的裁判文书的准确率较低。为此，本申请的申请人提出识别每个案由下多个案件的事件类型和事件要素，并通过法律专家人工总结事件类型和事件要素，以获得同一案由下的多个事件，从而确定出每个案由下的多个事件。可以理解的是每个案由下的事件可以进行扩充。

事件类型通常是一个动宾短语，是对内容实质一致但原文表述不一致的多个事件的类别进行统一标准化处理后得到的。事件要素包括事件发生时间，事件主体，事件涉及的人、事、物等要素。

以一篇案由为“健康权纠纷”的案件为例，从裁判文书中提取的关键词包括“工资”、“工作”、“员工”、“医疗”、“化验”、“保险”、“费用”，而从裁判文书中识别出事件要素包括“误工费用”、“医疗费用”等，法律专家可以总结该事件的事件类型为“侵害健康权”。

可以理解的是，多个关键词可以总结得到一个事件要素，由于事件为基于多个事件要素并通过人工总结获得，即对多个事件要素进行二次加工获得事件，所以事件的含义相对于关键词的含义而言具有较高的准确度。

本申请首先介绍构建识别模型的过程，以便利用识别模型确定既有文书中的事件集合，方便后续搜索与事件集合对应的裁判文书。

参见图1，以一个案由的识别模型为例，构建识别模型的过程包括：

步骤s101：获取某个案由下多个事件以及该案由的多个法律文书。

以“健康权纠纷”的案件为例，案由下包括“侵害健康权”、“侵害人身安全权”等多个事件；并获取该案由的多个法律文书，用来作为训练法律文书(训练样本)。

步骤s102：对法律文书进行标记，获得带有标记的法律文书。

对法律文书进行标记，标记包括法律文书中的事件类型(不同的事件采用不同标志或文字进行标记)，以及，标记法律文书中的事件要素。

步骤s103：将多个带有标记的法律文书输入至深度神经网络模型进行训练，获得训练后的识别模型。

深度神经网络模型可以对带有标记的法律文书进行学习，从而获得训练后的识别模型。训练后得到的识别模型能够准确识别法律文书中的各个事件，还可以同时得到各个事件的事件类型和事件要素，由此得到该法律文书对应的事件集合。也即，识别模型以法律文书为输入并输出法律文书对应的事件集合。

由于本申请需要在裁判文书库中搜索与事件对应的裁判文书，为了使得裁判文书库也适用于基于事件进行搜索，因此，利用识别模型识别裁判文书库中的各个裁判文书，从而获得各个裁判文书的事件集合。

以一个裁判文书为例，对利用识别模型识别裁判文书库中的裁判文书获得裁判文书的事件集合的过程进行描述。参见图2，包括以下步骤：

步骤s201：从裁判文书库中获取裁判文书。

步骤s202：输入裁判文书至识别模型，将识别模型输出的事件集合确定为裁判文书对应的事件集合。

识别模型会自动识别裁判文书中的各个事件，还可以进一步提取各个事件的事件类型和事件要素，得到各个裁判文书对应的事件集合。可选情况下，对于其中一篇裁判文书，还可以对识别模型输出的事件集合进行去重操作(也就是对事件类型相同的事件进行去重)，将去重操作后的事件集合确定为该裁判文书对应的事件集合。

本申请提供了一种裁判文书搜索方法，应用于搜索设备。搜索设备可以包括手机、电脑、平板电脑、服务器等电子设备，在此不再一一列举。搜索设备的具体实现可以基于应用场景而定，在此不做限定。

参见图3，裁判文书搜索方法包括：

步骤s301：获取既有文书。

其中，既有文书可以是起诉状、答辩状、庭审笔录、裁定文书的任意其一。

搜索设备获取既有文书，既有文书为已经撰写完成或生成好的文书。

该既有文书可以是案件审理的诉辩阶段和审理阶段中任意法律阶段的文书，例如既有文书可以包括但不限于起诉状、起诉书、上诉状、答辩状、庭审笔录、裁定书、决定书、调解书等。

优选情况下，既有文书为庭审笔录或裁判文书，裁判文书主要包括判决书，也可以包括裁定书、决定书、调解书中的一个。

在本实施例中，搜索设备可以从法律文书库中获取既有文书，或者获取法官输入的既有文书。当然，还可以采用其它方式获取既有文书，在此不再一一列举。

步骤s302：确定所述既有文书中的事件集合。所述事件集合包括既有文书中的一个或多个事件。

利用图1所示的实施例生成识别模型后，可以集成识别模型于搜索设备中。搜索设备可以将既有文书输入至识别模型，并获得识别模型输出的既有文书中的事件集合。

关于识别模型的构建过程和使用过程，已在图1和图2所示的实施例中进行详细说明，在此不再赘述。

可以理解的是，既有文书中的事件集合可以包括一个或多个事件，事件的数量与既有文书的实际情况而定。

例如，一份案由为“健康权纠纷”的裁判文书可以单独包括“侵害健康权”的事件；另一份案由为“健康权纠纷”的裁判文书可以包括“侵害健康权”和“侵害人身安全权”两个事件。

步骤s303：对所述既有文书中的事件集合进行去重操作，获得去重操作后的既有文书中的事件集合。

由于既有文书可以包含较多内容，识别模型在识别既有文书后，可能会出现识别模型输出多个相同事件的情况。

例如，以案由为“健康权纠纷”的裁判文书为例，识别模型识别后可能输出“侵害健康权”、“侵害人身安全权”、“侵害健康权”三个事件，其中存在两个相同事件“侵害健康权”。

为了便于简化后续操作，可以对既有文书中的事件集合进行去重操作，以使多个相同事件中仅保留一个事件，删除多余重复事件。

延续上述举例，则可以删除一个“侵害健康权”事件，从而获得去重操作后既有文书中的事件集合：“侵害健康权”、“侵害人身安全权”。

可以理解的是，步骤s303是为了避免搜索设备执行重复操作，提升搜索设备的搜索效率。在不考虑提升搜索设备效率的情况下，可以不执行步骤s303的过程也可以实现本申请的方案。

步骤s304：在裁判文书库中搜索与所述事件集合对应的裁判文书。

既有文书中的事件集合包括一个或多个事件。搜索设备可以搜索与事件集合中所有事件对应的裁判文书(根据实际情况不同，可以搜索得到一个或多个裁判文书，或者搜索结果为空)，或者，搜索与事件集合中部分事件对应的裁判文书(根据实际情况不同，可以搜索得到一个或多个裁判文书，或者搜索结果为空)。

可以理解的是，搜索得到的裁判文书与既有文书的相似度会随着相同事件的数量的增加而增加。即，若搜索得到的裁判文书与既有文书具有一个相同事件，则两者具有第一相似度；若搜索得到的裁判文书与既有文书具有两个相同事件，则两者具有第二相似度；可以理解的是，第二相似度大于第一相似度。

可选的，可以对搜索得到的裁判文书赋予不同的优先级，与既有文书的相似度越大，搜索得到的裁判文书的优先级越高。

关于本步骤s304将在图4所示的实施例中详细描述，在此暂不赘述。

步骤s305：对所述裁判文书执行处理操作。

搜索设备在获得与事件集合对应的裁判文书后，可以对裁判文书执行处理操作。处理操作可以包括但不限于：展示所述裁判文书，或者推送所述裁判文书。

可选的，可以对裁判文书执行处理操作的过程中，可以按照裁判文书的优先级进行处理，例如，在显示搜索到的裁判文书的过程中，可以按照优先级的高低顺序显示裁判文书；在推送搜索到的裁判文书的过程中，可以按照优先级的高低顺序推送裁判文书。

当然，还可以对搜索得到的裁判文书执行其它处理操作，在此不做限定。

关于图3中步骤s304在裁判文书库中搜索与所述事件集合对应的裁判文书，可以包括两种实现方式，下面分别对两种实现方式进行描述。

第一种实现方式：自动搜索事件集合对应的裁判文书。

为了区分既有文书中事件集合和裁判文书库中裁判文书的事件集合，本实施例中将既有文书的事件集合称为查询事件集合；参见图4a，包括以下步骤：

步骤s401：在裁判文书库中搜索查询事件集合(也即在裁判文书库中搜索所述事件集合)；其中，所述裁判文书库包括多个裁判文书，以及通过识别模型识别所述裁判文书后获得的事件集合。

为了适用于基于事件搜索裁判文书的方案，已经利用识别模型识别裁判文书库中的裁判文书并获得裁判文书对应的事件集合。

搜索设备可以在裁判文书库内搜索查询事件集合，也即将裁判文书库内裁判文书对应的事件集合与查询事件集合进行匹配，从而在裁判文书库中查找与查询事件集合存在相同事件的裁判文书。

步骤s402：获得与所述查询事件集合具有交集事件的裁判文书(也即获得与所述事件具有交集事件的裁判文书)。

裁判文书的事件集合包括一个或多个事件，既有文书的查询事件集合包括一个或多个查询事件。

可选的，搜索设备可以设置一个匹配条件，匹配条件可以包括全匹配或部分匹配，其中匹配条件可以由用户设定。

若用户设定的匹配条件为全匹配，则在裁判文书库搜索包含查询事件集合中所有查询事件的裁判文书，获得的裁判文书对应的事件集合包含所有查询事件，也即，查询事件集合为裁判文书对应事件集合的子集。

若用户设定的匹配条件为部分匹配，则在裁判文书库搜索包含查询事件集合中部分查询事件的裁判文书，获得的裁判文书对应的事件集合包含部分查询事件，也即，查询事件集合与裁判文书对应事件集合具有交集事件即可。

第二种实现方式：限定条件下搜索事件对应的裁判文书。参见图4b，具体包括以下步骤：

步骤s411：展示包含所述既有文书中的事件集合的界面。

搜索设备获得所述既有文书中的事件集合后，可以展示包含既有文书中的事件集合的界面，以供用户查看并在选择事件集合中执行选择操作。

步骤s412：接收基于所述界面的事件选择操作，并将已选事件确定为查询事件集合。

在展示包含所述既有文书中的事件集合的界面上，用户可以通过点选的方式，选择一个或多个事件。搜索设备可以接收用户选择的选择的一个或多个事件，并将用户选择的一个或多个事件作为查询事件集合。

步骤s413：在裁判文书库中搜索与所述查询事件集合对应的裁判文书。

关于本步骤已在图4a所示的实施例中进行详细描述，可以参见图4a的实施例，在此不再赘述。

通过上述技术方案，可以得出本实施例具有以下有益效果：

本实施例在获取所述既有文书后，可以识别出所述既有文书中的事件集合。事件含义的准确度要远高于关键词的准确度，具有相同事件的案件是非常相似的案件。因此基于事件搜索获得的裁判文书的方案，可以提高搜索类案的裁判文书的准确率。

下面提供一个本申请的场景实施例。

法官在使用搜索设备进行类案推送情况下，可以上传进行推送的庭审笔录或裁判文书至搜索设备，搜索设备会自动识别庭审笔录或裁判文书对应的事件，并搜索事件对应的裁判文书并推送。

本实施例中法官不需要再主动总结庭审笔录或裁判文书的关键词，法官只需上传庭审笔录或裁判文书即可，(可选情况下，可以对在识别庭审笔录或裁判文书的事件集合中进行点选操作)，搜索设备会自动搜索到与事件具备一致事件的裁判文书。

由于搜索得到的裁判文书与上传的庭审笔录或裁判文书具有一致性事件，故搜索得到的裁判文书与上传的庭审笔录或裁判文书具有较高的相似性，搜索得到的裁判文书为上传庭审笔录或裁判文书实质准确的类案。

本申请还提供了与图3所示的实施例对应的裁判文书搜索装置。参见图5可以包括：

获取单元51，用于获取既有文书。

既有文书可以是起诉状、答辩状、庭审笔录、裁定文书的任意其一。该既有文书可以是案件审理的诉辩阶段和审理阶段中任意法律阶段的文书，例如既有文书可以包括但不限于起诉状、起诉书、上诉状、答辩状、庭审笔录、裁定书、决定书、调解书等。

优选情况下，既有文书为庭审笔录或裁判文书，裁判文书主要包括判决书，也可以包括裁定书、决定书、调解书中的一个。

确定单元52，用于确定所述既有文书中的事件集合；所述事件集合包括既有文书的一个或多个事件。

所述确定单元52中所述确定所述既有文书中的事件集合，具体包括通过识别模型识别出所述既有文书中的事件集合；

其中，所述识别模型通过与所述既有文书具有相同案由的训练法律文书预先训练得到，在训练过程中识别模型的输入内容包括带有标记的训练法律文书，所述标记包括事件类型和事件要素。

搜索单元53，用于搜索与所述事件集合对应的裁判文书。

关于搜索单元可以包括两种实现方式，下面分别对两种实现方式进行描述。

第一种实现方式：自动搜索事件集合对应的裁判文书。

为了区分既有文书中事件集合和裁判文书库中裁判文书的事件集合，本实施例中将既有文书的事件集合称为查询事件集合。

在裁判文书库中搜索查询事件集合(也即在裁判文书库中搜索所述事件集合)；其中，所述裁判文书库包括多个裁判文书，以及通过识别模型识别所述裁判文书后获得的事件集合。

获得与所述查询事件集合具有交集事件的裁判文书(也即获得与所述事件具有交集事件的裁判文书)。

裁判文书的事件集合包括一个或多个事件，既有文书的查询事件集合包括一个或多个查询事件。

可选的，搜索设备可以设置一个匹配条件，匹配条件可以包括全匹配或部分匹配，其中匹配条件可以由用户设定。

若用户设定的匹配条件为全匹配，则在裁判文书库搜索包含查询事件集合中所有查询事件的裁判文书，获得的裁判文书对应的事件集合包含所有查询事件，也即，查询事件集合为裁判文书对应事件集合的子集。

若用户设定的匹配条件为部分匹配，则在裁判文书库搜索包含查询事件集合中部分查询事件的裁判文书，获得的裁判文书对应的事件集合包含部分查询事件，也即，查询事件集合与裁判文书对应事件集合具有交集事件即可。

第二种实现方式：限定条件下搜索事件对应的裁判文书。

展示包含所述既有文书中的事件集合的界面。接收基于所述界面的事件选择操作，并将已选事件确定为查询事件集合。在裁判文书库中搜索与所述查询事件集合对应的裁判文书。

获得所述既有文书中的事件集合后，可以展示包含既有文书中的事件集合的界面，以供用户查看并在选择事件集合中执行选择操作。

在展示包含所述既有文书中的事件集合的界面上，用户可以通过点选的方式，选择一个或多个事件。搜索设备可以接收用户选择的选择的一个或多个事件，并将用户选择的一个或多个事件作为查询事件集合。

关于两种实现方式可以参见图4a-图4b所示的实施例，在此不再赘述。

可选的，裁判文书搜索装置还包括：去重单元54，用于在搜索与所述事件集合对应的裁判文书之前，对所述既有文书中的事件集合进行去重操作。

由于既有文书可以包含较多内容，识别模型在识别既有文书后，可能会出现识别模型输出多个相同事件的情况。为了便于简化后续操作，可以对既有文书中的事件集合进行去重操作，以使多个相同事件中仅保留一个事件，删除多余重复事件。

可选的，裁判文书搜索装置还包括：处理单元55，用于在所述搜索与所述事件集合对应的裁判文书之后，对所述裁判文书执行处理操作；其中，所述处理操作包括：展示所述裁判文书，或者，推送所述裁判文书。

通过上述技术方案，可以得出本实施例具有以下有益效果：

本实施例在获取所述既有文书后，可以识别出所述既有文书中的事件集合。事件含义的准确度要远高于关键词的准确度，具有相同事件的案件是非常相似的案件。因此基于事件搜索获得的裁判文书的方案，可以提高搜索类案的裁判文书的准确率。

所述裁判文书搜索装置包括处理器和存储器，上述获取单元、确定单元、搜索单元、去重单元和处理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获取既有文书，确定所述既有文书中的事件集合，所述事件集合包括既有文书的一个或多个事件，搜索与所述事件集合对应的裁判文书。由于事件含义的准确度要远高于关键词的准确度，具有相同事件的案件是非常相似的案件。因此基于事件搜索获得的裁判文书的方案，可以提高搜索类案的裁判文书的准确率。

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(flashram)，存储器包括至少一个存储芯片。

本发明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搜索方法。

本发明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搜索方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：

获取既有文书；确定所述既有文书中的事件集合；所述事件集合包括既有文书的一个或多个事件；搜索与所述事件集合对应的裁判文书。

可选的，所述确定所述既有文书中的事件集合，包括：通过识别模型识别出所述既有文书中的事件集合；其中，所述识别模型通过与所述既有文书具有相同案由的训练法律文书预先训练得到，在训练过程中识别模型的输入内容包括带有标记的训练法律文书，所述标记包括事件类型和事件要素。

可选的，在搜索与所述事件集合对应的裁判文书之前，还包括：对所述既有文书中的事件集合进行去重操作。

可选的，所述搜索与所述事件集合对应的裁判文书，包括：

展示包含所述既有文书中的事件集合的界面；接收基于所述界面的事件选择操作，并将已选事件确定为查询事件集合；搜索与所述查询事件集合对应的裁判文书。

可选的，所述搜索与所述查询事件集合对应的裁判文书，包括：在裁判文书库中搜索所述查询事件集合；其中，所述裁判文书库包括多个裁判文书，以及通过识别模型识别所述裁判文书后获得的事件集合；获得与所述查询事件集合具有交集事件的裁判文书。

可选的，在所述搜索与所述事件集合对应的裁判文书之后，还包括：对所述裁判文书执行处理操作；其中，所述处理操作包括：展示所述裁判文书，或者，推送所述裁判文书。

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：

获取既有文书；确定所述既有文书中的事件集合；所述事件集合包括既有文书的一个或多个事件；搜索与所述事件集合对应的裁判文书。

可选的，所述确定所述既有文书中的事件集合，包括：通过识别模型识别出所述既有文书中的事件集合；其中，所述识别模型通过与所述既有文书具有相同案由的训练法律文书预先训练得到，在训练过程中识别模型的输入内容包括带有标记的训练法律文书，所述标记包括事件类型和事件要素。

可选的，在搜索与所述事件集合对应的裁判文书之前，还包括：对所述既有文书中的事件集合进行去重操作。

可选的，所述搜索与所述事件集合对应的裁判文书，包括：

展示包含所述既有文书中的事件集合的界面；接收基于所述界面的事件选择操作，并将已选事件确定为查询事件集合；搜索与所述查询事件集合对应的裁判文书。

可选的，所述搜索与所述查询事件集合对应的裁判文书，包括：在裁判文书库中搜索所述查询事件集合；其中，所述裁判文书库包括多个裁判文书，以及通过识别模型识别所述裁判文书后获得的事件集合；获得与所述查询事件集合具有交集事件的裁判文书。

可选的，在所述搜索与所述事件集合对应的裁判文书之后，还包括：对所述裁判文书执行处理操作；其中，所述处理操作包括：展示所述裁判文书，或者，推送所述裁判文书。

本领域内的技术人员应明白，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。

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。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供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步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

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(flashram)。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(transitorymedia)，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。