一种法律咨询智能问答方法及系统与流程

本发明涉及人工智能领域，尤其涉及一种法律咨询智能问答方法及系统。

背景技术：

现有的问答系统主要应用于web形式的问答网站或者搜索引擎，通过该系统，用户可以输入针对性问题，系统可以根据用户输入的问题进行分析，然后生成反馈答案，法律问答系统则根据用户输入的法律咨询问题进行解答。

需要说明的是，如图1所示，现有的法律问答系统从用户的咨询问题中仅仅识别得到用户咨询问题所关联的法条名称，然后只反馈法条答案，导致不能准确回答用户问题、用户体验差。

技术实现要素：

本发明提供了一种法律咨询智能问答方法，方法包括：接收用户输入的法律咨询请求信息；将法律咨询请求信息进行识别，得到用户的法律咨询意图信息以及用户的背景属性信息；根据法律咨询意图信息以及用户的背景属性信息生成法律应答信息。

进一步地，背景属性信息用于表征以下至少之一：用户的情绪状态、社会属性以及法律知识水平。

进一步地，根据法律咨询意图信息以及用户的背景属性信息生成法律应答信息包括：根据法律咨询意图信息得到法律咨询意图信息对应的多个法律问答对信息，其中，每个法律问答对信息包括预设背景属性信息；得到与用户的背景属性信息相同的预设背景属性信息；从多个法律问答对信息中根据预设背景属性信息得到与其对应的法律问答信息；根据法律问答对信息生成法律应答信息。

进一步地，在将法律咨询请求信息进行识别之前，方法包括：判断法律咨询请求信息的表述方式；在法律咨询请求信息的表述方式为日常表述方式的情况下，将法律咨询请求信息的表述方式转换成专业表述方式。

进一步地，在将法律咨询请求信息进行识别之前，方法还包括：将法律咨询请求信息进行抽取，生成多个关键要素信息；根据多个关键要素信息对法律咨询请求信息进行推理，生成补全后的法律咨询请求信息，其中，补全后的法律咨询请求信息的信息量不小于法律咨询请求信息的信息量。

进一步地，在得到用户的法律咨询意图信息以及用户的背景属性信息之后，方法还包括：获取用户的法律咨询请求信息历史记录；根据法律咨询请求信息历史记录对背景属性信息情感信息进行修正。

根据本发明的另一方面，提供了一种法律咨询智能问答系统，系统包括；接收单元，用于接收用户输入的法律咨询请求信息；识别单元，用于将法律咨询请求信息进行识别，得到用户的法律咨询意图信息以及用户的背景属性信息；分析单元，用于根据法律咨询意图信息以及用户的背景属性信息生成法律应答信息。

进一步地，背景属性信息用于表征以下至少之一：用户的情绪状态、社会属性以及法律知识水平。

进一步地，分析单元包括：第一匹配模块，用于根据法律咨询意图信息得到法律咨询意图信息对应的多个法律问答对信息，其中，每个法律问答对信息包括预设背景属性信息；第二匹配模块，用于得到与用户的背景属性信息相同的预设背景属性信息；第三匹配模块，用于从多个法律问答对信息中根据预设背景属性信息得到与其对应的法律问答对信息；生成模块，用于根据法律问答对信息生成法律应答信息。

进一步地，系统包括：判断单元，用于判断法律咨询请求信息的表述方式；转换单元，用于在法律咨询请求信息的表述方式为日常表述方式的情况下，将法律咨询请求信息的表述方式转换成专业表述方式。

本发明提供了一种法律咨询智能问答方法及系统，该方法包括：接收用户输入的法律咨询请求信息；将法律咨询请求信息进行识别，得到用户的法律咨询意图信息以及用户的背景属性信息；根据法律咨询意图信息以及用户的背景属性信息生成法律应答信息，解决了现有的法律问答系统基于用户的咨询问题只反馈法条答案，导致不能准确回答用户问题、用户体验差的技术问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据背景技术中的现有的法律问答系统的示意图；

图2是根据本发明实施例一的法律咨询智能问答方法的流程图；

图3是根据本发明实施例一的法律咨询智能问答方法的示意图；以及

图4是根据本发明实施例二的法律咨询智能问答系统的示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

实施例一

本方案提供了一种法律咨询智能问答方法，如图2所示，该方法包括：

步骤s12,接收用户输入的法律咨询请求信息。

具体的，本方案提供的法律咨询智能问答方法可以实现为一个智能问答引擎，通过该引擎，用户输入法律咨询请求信息，上述法律法律请求信息可以为用户提问的法律问题。

例如，用户提出的问题为“我丈夫在外面找小三，我自己受到严重伤害，想要跟他离异，他该不该向我赔偿”。

步骤s14,将上述法律咨询请求信息进行识别，得到用户的法律咨询意图信息以及用户的背景属性信息。

具体的，本方案可以用户提出的法律咨询请求信息进行识别，以得到至少两个维度的信息：法律咨询意图信息以及用户的背景属性信息，即在本方案中，不仅可以从用户输入的法律咨询请求信息中得到用户的法律咨询意图，还可以基于用户的表述解析得到用户的背景属性信息，本方案可以预先通过训练数据得到用户背景分析模型，将上述法律咨询信息输入用户背景分析模型，以得到用户的背景属性信息，可选的，上述背景属性信息可以为用户的职业，性别，情绪以及用户的认知能力，法律水平等。

例如，用户提出的问题为“我丈夫在外面找小三，我自己受到严重伤害，想要跟他离异，他该不该向我赔偿”。本方案先通过意图识别模型识别得到该用户的法律咨询意图为离婚赔偿，本方案继续运用用户背景分析模型对上述用户提出的问题进行解析，得到的该用户的背景属性信息为，性别：女，丈夫有过错，收到伤害，生气。

步骤s16,根据上述法律咨询意图信息以及用户的背景属性信息生成法律应答信息。

具体的，在本方案中，可以同时根据法律咨询意图信息以及用户的背景属性信息来进行分析匹配，得到法律应答信息，即在本方案生成的法律应答信息中是包括用户的背景属性信息的。

例如，用户提出的问题为“我丈夫在外面找小三，我自己受到严重伤害，想要跟他离异，他该不该向我赔偿”，本方案通过意图识别模型分析得到该用户的法律咨询意图为离婚赔偿，通过背景分析模型分析得到，该用户的背景是，女，丈夫有过错。本方案然后根据用户的法律咨询意图以及用户的背景属性来生成一个法律应答信息，需要说明的是，在本方案中生成的法律应答信息是既包括法律信息，又包括用户的背景属性信息的，换言之，在给用户进行解答时，本方案是法律条文与用户实际背景属性相结合，与现有技术相比，让用户从内容上既容易理解，表述方式又容易接受，例如，针对上述例子的法律应答信息是；“您好，理解您的心情，根据法律的规定，像您描述的情况，您丈夫出轨属于过错方，您是可以要求损害赔偿的。”

通过上述实例，需要说明的是，结合图3所示，与现有技术相比，本方案在生成应答信息的过程中同时考虑了用户法律咨询意图以及用户自身的社会属性，在生成的法律应答信息也是实际结合了用户的背景属性，以此生成的法律应答信息更有个性化，更能准确的回答用户提出的问题，让用户从内容上既容易理解，表述方式又容易接受，解决了现有的法律问答系统基于用户的咨询问题只反馈法条答案，导致不能准确回答用户问题、用户体验差的技术问题。

可选的，上述背景属性信息用于表征以下至少之一：上述用户的情绪状态、社会属性以及法律知识水平。

具体的，本方案可以通过构建的背景属性模型来分析得到用户的情绪状态，社会属性以及法律知识水平，通过得知用户的情绪状态，本方案可以实时调整法律应答信息的表述语气，通过得知用户的社会属性以及法律知识水平，本方案可以更精确的匹配得到与用户实际情况最关联法律应答信息。

可选的，上述步骤s16根据上述法律咨询意图信息以及用户的背景属性信息生成法律应答信息包括：

步骤s162，根据上述法律咨询意图信息得到上述法律咨询意图信息对应的多个法律问答对信息，其中，每个上述法律问答对信息对应预设背景属性信息。

具体的，在本方案中，可以预先构建法律问答对信息数据库，上述法律咨询问答对信息包括多组信息，每组信息包括一个法律咨询问题以及一个与上述法律咨询问题关联的法律应答信息，每组信息都关联着法律咨询意图信息，而且每组信息包括预设背景属性，即在本方案中，数据库中预先构建了海量结合预设背景属性的问答对信息，因为数据库中的问答对信息是结合了预设背景属性，所以可以根据预设背景属性匹配得到预设背景属性对应的问答对。

在一种可选的实施例中，本方案中的问答对信息也可以关联预设背景属性，本方案根据用户的背景属性信息同数据库中的问答对信息相结合，即使用识别到的用户背景属性信息现对问答对信息进行结合，即在问答对信息中加入用户背景属性信息。

步骤s164，得到与上述用户的背景属性信息相同的上述预设背景属性信息。

步骤s166，从上述多个法律问答对信息中根据上述预设背景属性信息得到与其对应的法律问答对信息。

步骤s168，根据上述法律问答对信息生成上述法律应答信息。

具体的，本方案中，在数据库中构建了海量包括预设背景属性的问答对信息，因此本方案可以基于用户的背景属性信息从数据库中进行检索，检索到与上述用户的背景属性信息相同的上述预设背景属性信息，然后得到包括上述预设背景属性信息的法律问答对，再在从法律问答对中抽取出结合了预设背景属性信息法律应答信息。

可选的，在步骤s14,将上述法律咨询请求信息进行识别之前，上述方法包括：

步骤s131,判断上述法律咨询请求信息的表述方式；

步骤s132,在上述法律咨询请求信息的表述方式为日常表述方式的情况下，将上述法律咨询请求信息的表述方式转换成专业表述方式。

具体的，在本方案中，在用户输入法律咨询信息之后，本方案中可以对上述用户输入的法律咨询信息的语法进行转换，从初始语法转换成目标语法，初始语法的语法规则不同于目标语法，这里需要说明的是，初始语法与目标语法的区别至少包括：对同一事物的称呼不同，或者在描述一件事物的时候，语序的不同。例如，上述初始语法为；两口子，目标语法则为：夫妻，再例如：初始语法为：“蹲监狱”，目标语法则为：“服刑”，再例如；初始语法为：“刚才那个”，目标语法则为：“上述”。

上述语法转换可以为按照预设转换关系，将用户的法律咨询信息进行描述方式的转换，上述用户输入的法律咨询信息可以为通俗的，非专业性的语法，本方案可以预先构建法律语言与日常用语的实体-关系网络，将上述用户法律咨询信息输入上述法律语言与日常用语的实体-关系网络，可以自动将用户法律咨询信息的描述方式从日常描述方式转换成法律专业描述方式，法律专利描述方式为通过法言法语对对象进行描述。需要说明的是，因为对用户输入的日常表述方式转换为专业化表述，本方案对于用户咨询意图的识别更为准确。

例如，用户输入的法律咨询信息为：“两口子没离婚的这段时间，单位发的钱归谁拥有？”，在本方案中可以将上述“两口子没离婚的这段时间，单位发的钱归谁拥有？”输入法律语言与日常用语的实体-关系网络，以得到“夫妻存续期间，工资归谁所有？”。

可选的，在在步骤s14将上述法律咨询请求信息进行识别之前，上述方法还包括：

步骤s130，将上述法律咨询请求信息进行抽取，生成多个关键要素信息。

步骤s131，根据上述多个关键要素信息对上述法律咨询请求信息进行推理，生成补全后的法律咨询请求信息，其中，上述补全后的法律咨询请求信息的信息量不小于上述法律咨询请求信息的信息量。

具体的，在本方案中，可以根据法律条文数据库对用户的法律咨询信息进行基于模式匹配和逻辑推理，即对用户咨询类型、主题等关键要素的自动抽取，进行知识匹配、知识推理，并完成信息补全，补全之后的法律咨询信息中的法律元素则多余补全之前，以增加对法律咨询信息的意图识别的准确性。

可选的，在得到用户的法律咨询意图信息以及用户的背景属性信息之后，本方案的方法还可以包括：

步骤s200，获取上述用户的法律咨询请求信息历史记录。

步骤s210，根据上述法律咨询请求信息历史记录对上述背景属性信息情感信息进行修正。

具体的，在本方案中，用户可以进行多轮的提问以及对话，多轮的提问以及对话中，用户的背景属性可能发生变化，所以。本方案可以上下文的用户法律咨询请求信息，对用户的背景属性信息进行调整。

实施例二

本方案还提供了一种法律咨询智能问答系统，该系统可以用于实现实施例一中的方法，如图4所示，系统包括：

接收单元30，用于接收用户输入的法律咨询请求信息。

具体的，本方案提供的法律咨询智能问答系统可以实现为一个智能问答引擎，通过该引擎，用户输入法律咨询请求信息，上述法律法律请求信息可以为用户提问的法律问题。

例如，用户提出的问题为“我丈夫在外面找小三，我自己受到严重伤害，想要跟他离异，他该不该向我赔偿”。

识别单元32，用于将上述法律咨询请求信息进行识别，生成用户的法律咨询意图信息以及用户的背景属性信息。

具体的，本方案可以用户提出的法律咨询请求信息进行识别，以得到至少两个维度的信息：法律咨询意图信息以及用户的背景属性信息，即在本方案中，不仅可以从用户输入的法律咨询请求信息中得到用户的法律咨询意图，还可以基于用户的表述解析得到用户的背景属性信息，本方案可以预先通过训练数据得到用户背景分析模型，将上述法律咨询信息输入用户背景分析模型，以得到用户的背景属性信息，可选的，上述背景属性信息可以为用户的职业，性别，情绪以及用户的认知能力，法律水平等。

例如，用户提出的问题为“我丈夫在外面找小三，我自己受到严重伤害，想要跟他离异，他该不该向我赔偿”。本方案先通过意图识别模型识别得到该用户的法律咨询意图为离婚赔偿，本方案继续运用用户背景分析模型对上述用户提出的问题进行解析，得到的该用户的背景属性信息为，性别：女，丈夫有过错，收到伤害，生气。

分析单元34，用于根据上述法律咨询意图信息以及用户的背景属性信息生成法律应答信息。

具体的，在本方案中，可以同时根据法律咨询意图信息以及用户的背景属性信息来进行分析匹配，得到法律应答信息，即在本方案生成的法律应答信息中是包括用户的背景属性信息的。

例如，用户提出的问题为“我丈夫在外面找小三，我自己受到严重伤害，想要跟他离异，他该不该向我赔偿”，本方案通过意图识别模型分析得到该用户的法律咨询意图为离婚赔偿，通过背景分析模型分析得到，该用户的背景是，女，丈夫有过错。本方案然后根据用户的法律咨询意图以及用户的背景属性来生成一个法律应答信息，需要说明的是，在本方案中生成的法律应答信息是既包括法律信息，又包括用户的背景属性信息的，换言之，在给用户进行解答时，本方案是法律条文与用户实际背景属性相结合，与现有技术相比，让用户从内容上既容易理解，表述方式又容易接受，例如，针对上述例子的法律应答信息是；“您好，理解您的心情，像您描述的情况，您丈夫出轨属于过错方，您是可以要求损害赔偿的。”

通过上述实例，需要说明的是，与现有技术相比，本方案在生成应答信息的过程中同时考虑了用户法律咨询意图以及用户自身的社会属性，在生成的法律应答信息也是实际结合了用户的背景属性，以此生成的法律应答信息更有个性化，更能准确的回答用户提出的问题，让用户从内容上既容易理解，表述方式又容易接受，解决了现有的法律问答系统从用户的咨询问题中只反馈法条答案，导致不能准确回答用户问题、用户体验差的技术问题。

可选的，上述背景属性信息用于表征以下至少之一：上述用户的情绪状态、社会属性以及法律知识水平。

可选的，匹配单元包括：第一匹配模块，用于根据上述法律咨询意图信息得到上述法律咨询意图信息对应的多个法律问答对信息，其中，每个上述法律问答对信息对应预设背景属性信息。第二匹配模块，用于得到与上述用户的背景属性信息相同的上述预设背景属性信息。第三匹配模块，用于从上述多个法律问答对信息中根据上述预设背景属性信息得到与其对应的法律问答对信息。生成模块，用于根据上述法律问答对信息生成上述法律应答信息。

可选的，上述系统包括：判断单元，用于判断上述法律咨询请求信息的表述方式；转换单元，用于在上述法律咨询请求信息的表述方式为日常表述方式的情况下，将上述法律咨询请求信息的表述方式转换成专业表述方式。

可选的，系统还包括：抽取单元，用于将上述法律咨询请求信息进行抽取，生成多个关键要素信息；推理单元，用于根据上述多个关键要素信息对上述法律咨询请求信息进行推理，生成补全后的法律咨询请求信息，其中，上述补全后的法律咨询请求信息的信息量不小于上述法律咨询请求信息的信息量。

可选的，上述系统还包括：获取单元，用于获取上述用户的法律咨询请求信息历史记录；修正单元，用于根据上述法律咨询请求信息历史记录对上述背景属性信息情感信息进行修正。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。