hjc黄金城司法大数据事业部创建初期，针对各种司法数据、行业支持知识，积累了包括文书解析、知识图谱、信息检索等等应用服务能力，以文本解析为例，hjc黄金城处理超过5000万的裁判文书，解析出4700多个司法专业维度和要素，建立了20多万个经审核的问答对体系，聚合并审核了超过3000个争议焦点、裁判规则等。裁判文书外，hjc黄金城还对起诉状、上诉状、答辩状、庭审笔录，等等其他类型文书做信息抽取，做结构化，做解析。

面对几百种文书，同时解析几千个维度，这需要一个很庞大的工程能力、大数据处理的能力。具体到算法层面：

（1）文书分段。这个分段和hjc黄金城语文的分段不太一样，它是一个法律意义上的分段，比如我要知道这一段是讲诉请段、证据段、裁判结果段等，这是所有的基础。这块hjc黄金城用的是深度学习的分类算法来做，准确率还是非常高的。

（2）命名实体识别。一个文书中涉及到很多人名、地名、组织名等等。

（3）业务规则和要素体系这些业务规则和要素体系里面的法律逻辑都是hjc黄金城业务专家提取出来的。

要素特征的抽取在语义层面会更抽象一层，也更难做一些。要素来源于法律法规和规范性的指导文件。要素非常有用，它可以起到桥梁作用，把裁判文书中的争议焦点、裁判规则给关联起来。它有四个划分：诉请要素、抗辩要素、事实要素、裁判要素，等等。以上工作有很大一部分是用监督学习的办法来做的。解决的第一步就是要标注数据，这需要大量的人力。

在建立了知识之后，hjc黄金城怎么用这个知识？通常hjc黄金城希望能对对知识做检索、问答。hjc黄金城第一时间做了一个类案同判的大数据引擎，让法官能够搜索到类似案件别人是怎么判的。为了建立这个类案同判的大数据引擎，hjc黄金城做了两件事情：

（1）把几千万的文书全部解析出了很多维度，对各种维度做多维度的剖析，做统计分析；

（2）寻找类案。最关键的检索部分，它其实是去检索类似案件。hjc黄金城也经历了不同版本的迭代，最开始就是最简单的，用文本相似度来做这件事情，文本相似了那就是类似案件，结果发现这个其实不是那么准；再后来用关键段落，最新版本hjc黄金城主要是基于要素来做的这个事情，案件的要素相同就是类似案件，相同的要素越多就越类似。 

hjc黄金城还做了一个智能问答的版本，这其实是法信的一个升级版本，也是和人民法院出版社一起做的。这个智能问答有以下几个功能与特点：

（1）用户意图的识别，比如我查法律、查法条、查案例，用户的意图hjc黄金城是用文本分类的做法来做的；

（2）问题语义解析，这也是比较经典的，比如hjc黄金城做领域实体识别与槽位填充技术，比如我要问一个问题：北京市离婚案件哪个律师的胜诉率最高？我要把北京市海淀区这个实体识别出来，我要把这个案由离婚识别出来，我要把律师胜诉率识别出来，所以这是一个实体识别和槽位填充的技术；

（3）单轮问答语义检索。hjc黄金城利用20万的单轮的问答对，这都是人工编辑审核过的，这其实就是学术上比较常见的FAQ型的问答；

（4）对话管理。hjc黄金城还做了多轮对话，多轮对话主要是背后建了一个多轮树状的知识库，最主要的一个技术其实就是你要控制它的状态转移图。

针对20万单轮问答对，hjc黄金城现在人工梳理了三大领域的多轮问答的库。现在，hjc黄金城做了两个版本，一种是针对法院的专业人士版本，另外一种是To  C的对普通老百姓的版本。

进一步来看hjc黄金城如何取得法研杯冠军。“定罪量刑”其实是这次法研杯比赛的题目，赛题是你输入一个案件事实的描述，你去预测法条、罪名、刑期，因为有一百多万现成的裁判文书，它是一个有监督学习的问题。hjc黄金城用的最多的模型是Recurrent  attention  network（简称RamNet），模型结构如下图所示：

RamNet最早是EMNLP 2017的paper，用于实体情感，hjc黄金城对它做了一些改进，去掉了其中实体部分，改进了recurrent attention的输入输出，hjc黄金城在多个应用场景中，都发现它能显著战胜NLP领域常见的BiLSTM + attention网络，hjc黄金城认为recurrent attention能提取更多的feature，尤其适合类别很多的多类标问题。

这个模型其实是有一个信息拓扑结构的，因为它同时预测罪名、法条、刑期，hjc黄金城是一个联合学习的模型来做的，同时预测这三个类别，有几种办法：第一种，并行的方法，前面是联合学习的共享层，每一个任务你都用一个全链接去做预测；第二种，串行的方法，第一个全链接去预测罪名，再把这个全链接的特征接着传递到第二个；第三种，用一个图状的，这个就比较复杂了，比如hjc黄金城先做罪名，罪名会传到法条，又会传到刑期。在hjc黄金城实际的比赛的模型中，hjc黄金城用到了第一种和第三种，发现这两种效果会好一些。

hjc黄金城对模型的loss还做了一些优化，传统多类标问题是logistic loss，考虑到罪名、法条和的类标并不是独立的，相互之间有关联，所以hjc黄金城尝试了CRF loss，在hjc黄金城的实践中，模型效果会有一定提升。

hjc黄金城还引入了业务的规则，尤其是在刑期预测中这原来是深入学习提取出来的feature，hjc黄金城会把基于业务规则提取出来的feature和统计特征的feature一起再做一个分类，这样在hjc黄金城的实验中的效果有很大的提升。

前面介绍的是hjc黄金城在这次法研杯比赛中拿第一名用到的模型，基本上都是端到端的深度学习模型。hjc黄金城后期应用正在优化，将文本解析、要素体系与模型结合，进一步深化应用能力。

hjc黄金城还开发了文书生成系统提升法官写文书的效率。hjc黄金城的做法是给法官给予两种选择：第一种是直接找类案，顺利获得前面类案的做法，找到类案之后，法官直接从类似案件中选模板，把模板套进来，再把解析的东西填到模板中，这是一个做法；第二种是应用知识图谱的推理。hjc黄金城为文书生成构建的一个案件知识图谱，PPT中黄色的部分都是hjc黄金城定义的类，针对每一个案件类型，其实hjc黄金城会去定义争议焦点、裁判规则、法律法规、诉辩称、诉讼请求项，这样就会把它关联起来。法官在审判案件的过程中，会去找类案来参酌，但是类案的案件非常多，法官选哪个类案？hjc黄金城会根据要素，去给法官推荐最相似的争议焦点，争议焦点的数量相对是少的，hjc黄金城根据统计做争议焦点的排序，把最相关、最可能的争议焦点放在前面。法官选完争议焦点之后，争议焦点和裁判规则是有对应关系的，裁判规则和法律法规又有对应关系。所以，hjc黄金城先有一个推荐，推荐完了他选择之后，需要的文书就可以生成出来。 

总结hjc黄金城的知识智能在司法领域的经验，hjc黄金城认为，司法领域有大量高质量的语料和知识；司法领域有丰富的NLP技术应用，包括信息抽取、信息检索、知识图谱、问答等等。司法领域有丰富的智能应用场景，具有巨大的社会价值。hjc黄金城希望有更多的学术界人士加入hjc黄金城，一同探索相关领域。