仲裁申请立案审核处理方法、装置和计算机设备

本申请涉及计算机技术领域，特别是涉及基于智能决策的一种仲裁申请立案审核处理方法、装置和计算机设备。

随着人工智能技术的迅速发展，辅助庭审的方式也不断智能化。在司法实践中，世界各国都在法院的信息化现代化建设方面做了大量卓有成效的探索，通过借助现代科技的力量进一步实现审判工作的高质化、高效化。

目前出现了智慧法庭等建设项目，可以在开庭前通过人脸识别对当事人的身份进行核验；也出现了一些在线法庭系统，可以线上填写申请信息，而对申请材料和委托材料等进行审核，仍然需要依托人工审核并进行立案。对于仲裁案件而言，随着案件量逐渐增大，工作人员的工作量也较大，依托人工审核效率较低，进而仲裁案件的立案审核的处理效率也较低。

基于此，有必要针对上述技术问题，提供一种能够有效提高仲裁案件的立案审核的处理效率的仲裁申请立案审核处理方法、装置、计算机设备和存储介质。

一种仲裁申请立案审核处理方法，所述方法包括：

接收申请人终端发送的仲裁申请请求，所述仲裁申请请求携带了仲裁申请信息和委托材料，所述仲裁申请信息中包括身份信息；

获取预设的字符识别模型，通过所述字符识别模型对所述仲裁申请信息和所述委托材料进行识别，得到对应的识别结果数据；

从所述识别结果中提取出预设字段对应的申请信息和委托信息；

根据所述申请信息中的身份信息对所述仲裁申请请求进行身份验证；

当所述身份验证通过后，获取预设的立案审核模型，通过所述立案审核模型对所述申请信息和委托信息进行分析，得到对应的分析结果；

当所述分析结果表示审核通过时，根据所述申请信息对所述仲裁申请请求分配对应的案件标识，并对所述仲裁申请请求进行立案处理。

在其中一个实施例中，所述通过所述字符识别模型对所述仲裁申请信息和所述委托材料进行识别的步骤包括：对所述仲裁申请信息和所述委托材料进行预处理，得到对应的灰度图像化数据；对所述灰度图像化数据进行字符切分，得到多个切分后的字符数据；对所述多个切分后的字符数据进行特征提取，得到对应的特征向量；通过所述字符识别模型对多个特征向量进行识别分析，得到对应的识别结果数据。

在其中一个实施例中，所述身份信息包括用户当前人脸图片，所述根据所述申请信息中的身份信息对所述仲裁申请请求进行身份验证的步骤包括：当申请人为自然人时，根据所述身份信息从预设数据库中获取对应的目标人脸图像，所述目标人脸图像包括对应的人脸特征；对所述用户当前人脸图片进行人脸识别，提取出对应的人脸特征；计算所述人脸特征与所述目标人脸图像的人脸特征之间的相似度，得到对应的相似度值；当所述相似度值达到预设阈值时，则身份验证通过。

在其中一个实施例中，所述通过所述立案审核模型对所述申请信息和委托信息进行分析的步骤包括：通过所述立案审核模型在所述识别结果数据中提取出申请主体信息、仲裁申请信息和委托信息；通过所述立案审核模型分别对所述申请主体信息、仲裁申请信息和委托信息进行特征提取，得到对应的多个特征信息；根据所述立案审核模型中的多个决策节点对所述申请主体信息、仲裁申请信息和委托信息对应的多个特征信息进行决策分析；直到遍历至所述立案审核模型中的目标决策节点时，根据所述目标决策节点生成对应的分析结果。

在其中一个实施例中，所述根据所述申请信息对所述仲裁申请请求分配对应的案件标识，并对所述仲裁申请请求进行立案处理，包括：根据所述申请信息按照预设方式为所述仲裁申请请求生成对应的案件标识；根据所述请求信息和委托材料以及所述案件标识生成所述仲裁申请请求对应的仲裁档案数据；根据所述案件标识将所述仲裁档案数据添加至对应的待处理案件队列中；根据所述仲裁申请请求生成对应的通知信息，将所述通知信息发送至被申请人终端。

一种仲裁申请立案审核处理装置，所述装置包括：

请求接收模块，用于接收申请人终端发送的仲裁申请请求，所述仲裁申请请求携带了仲裁申请信息和委托材料，所述仲裁申请信息中包括身份信息；

字符识别模块，用于获取预设的字符识别模型，通过所述字符识别模型对所述仲裁申请信息和所述委托材料进行识别，得到对应的识别结果数据；

信息提取模块，用于从所述识别结果中提取出预设字段对应的申请信息和委托信息；

身份验证模块，用于根据所述申请信息中的身份信息对所述仲裁申请请求进行身份验证；

立案审核模块，用于当所述身份验证通过后，获取预设的立案审核模型，通过所述立案审核模型对所述申请信息和委托信息进行分析，得到对应的分析结果；

立案处理模块，用于当所述分析结果表示审核通过时，根据所述申请信息对所述仲裁申请请求分配对应的案件标识，并对所述仲裁申请请求进行立案处理。

在其中一个实施例中，所述立案审核模块还用于通过所述立案审核模型在所述识别结果数据中提取出申请主体信息、仲裁申请信息和委托信息；通过所述立案审核模型分别对所述申请主体信息、仲裁申请信息和委托信息进行特征提取，得到对应的多个特征信息；根据所述立案审核模型中的多个决策节点对所述申请主体信息、仲裁申请信息和委托信息对应的多个特征信息进行决策分析；直到遍历至所述立案审核模型中的目标决策节点时，根据所述目标决策节点生成对应的分析结果。

在其中一个实施例中，所述立案处理模块还用于根据所述申请信息按照预设方式为所述仲裁申请请求生成对应的案件标识；根据所述请求信息和委托材料以及所述案件标识生成所述仲裁申请请求对应的仲裁档案数据；根据所述案件标识将所述仲裁档案数据添加至对应的待处理案件队列中；根据所述仲裁申请请求生成对应的通知信息，将所述通知信息发送至被申请人终端。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请任意一个实施例中提供的仲裁申请立案审核处理方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任意一个实施例中提供的仲裁申请立案审核处理方法的步骤。

上述仲裁申请立案审核处理方法、装置、计算机设备和存储介质，接收申请人终端发送的仲裁申请请求后，获取预设的字符识别模型，通过字符识别模型对仲裁申请请求中的申请信息和委托材料进行识别，由此能够有效地得到识别结果数据。从识别结果数据中提取出预设字段对应的申请信息和委托信息，根据申请信息中的身份信息对仲裁申请请求进行身份验证。当身份验证通过后，获取预设的立案审核模型，通过立案审核模型对申请信息和委托信息进行分析，得到对应的分析结果。当分析结果表示审核通过时，根据申请信息和委托材料对仲裁申请请求分配对应的案件标识，并对仲裁申请请求进行立案处理。通过对仲裁申请请求进行身份校验后，利用立案审核模型进行立案审核分析，由此能够有效地对仲裁申请请求进行自动立案审核，进而有效提高了仲裁案件的处理效率。

图1为一个实施例中仲裁申请立案审核处理方法的应用场景图；

图2为一个实施例中仲裁申请立案审核处理方法的流程示意图；

图3为一个实施例中字符识别模型对仲裁申请信息和委托材料进行识别步骤的流程示意图；

图4为一个实施例中通过立案审核模型对申请信息和委托信息进行分析步骤的流程示意图；

图5为一个实施例中仲裁申请立案审核处理装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的仲裁申请立案审核处理方法，可以应用于如图1所示的应用环境中。其中，申请人终端102通过网络与服务器104通过网络进行通信。其中，申请人终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集来实现。

在一个实施例中，如图2所示，提供了一种仲裁申请立案审核处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤202，接收申请人终端发送的仲裁申请请求，仲裁申请请求携带了仲裁申请信息和委托材料，仲裁申请信息中包括身份信息。

仲裁申请人可以通过对应的终端首先在互联网仲裁平台进行注册，并填写身份信息，例如可以包括用户类型、证件类型、证件号码、手机号、验证码和密码等字段对应的信息，还可以包括图片格式的用户身份证件。

申请人进行注册后，可以通过终端在互联网仲裁平台发起仲裁申请请求，服务器上运行了在线仲裁系统，服务器则可以根据仲裁申请请求向终端返回仲裁申请页面。具体地，申请人可以在互联网仲裁平台选择代理类型、仲裁案由，并填写申请人信息、被申请人信息、仲裁相关合同、仲裁申请书、仲裁条款、仲裁申请请求、仲裁事实与理由以及标的金额等仲裁申请信息。申请人还可以通过终端上传证据材料和委托材料至互联网仲裁平台上，其中，证据材料可以包括文档、图片等多种形式的文件；委托材料可以包括律师委托材料和其他代理人的委托材料。

终端在互联网仲裁平台填写和上传申请信息和委托材料后，则进一步根据申请信息和委托材料向服务器发送仲裁申请请求。仲裁申请请求中则携带了仲裁申请信息和委托材料。

步骤204，获取预设的字符识别模型，通过字符识别模型对仲裁申请信息和委托材料进行识别，得到对应的识别结果。

其中，仲裁申请信息和委托材料中可能包含了图片、复印件、扫描件以及PDF等形式的仲裁申请信息，这类信息无法被服务器直接识别，因此需要服务器进行进一步识别出仲裁申请信息和委托材料中的信息。

服务器接收终端发送的仲裁申请请求后，根据仲裁申请请求携带的仲裁申请信息和委托材料获取预设的字符识别模型，通过字符识别模型对委托材料进行识别。具体地，服务器可以对申请信息和委托材料中的图像格式数据进行灰度化、降噪、二值化、字符切分以及归一化等处理。服务器对委托材料数据进行预处理后，进一步对预处理后的委托材料数据进行特征提取和降维，得到对应的特征向量，服务器进而将得到的特征向量输入至预设的字符识别模型中，其中，字符识别模型可以是基于神经网络的机器学习模型。通过字符识别模型对多个特征向量进行识别分类，得到对应的识别数据。

进一步地，服务器通过字符识别模型对多个特征向量进行识别分类得到识别数据后，还可以进一步获取预设的语义分析模型，通过语义分析模型对识别数据进行上下文分析和校正，进而得到识别结果数据。例如，可以通过OCR(Optical Character Recognition，光学字符识别)字符识别模型抓取委托材料中的关键字信息。例如：用户提交上传的律师证的OCR技术识别文本中是否有关键字“律师证”。通过利用OCR字符识别模型对委托材料进行识别，由此能够准确有效地识别出委托材料中的委托信息。

步骤206，从识别结果中提取出预设字段对应的申请信息和委托信息。

步骤208，根据申请信息中的身份信息对仲裁申请请求进行身份验证。

服务器利用字符识别模型对仲裁申请信息和委托材料进行识别，得到对应的识别结果后，识别结果中可以包括多个字段名称和对应的字段内容。服务器则进一步从识别结果中提取出预设字段对应的申请信息和委托信息。例如，服务器可以识别并获取出申请人和被申请人的名字、证件号码等预设字段对应的身份信息；仲裁条款、仲裁申请请求、仲裁事实、仲裁理由、仲裁机构以及标的金额等仲裁申请信息；以及委托人的身份类型、名称、证件号码等委托信息。

进一步地，服务器对该仲裁申请请求中的当事人身份进行验证。具体地，服务器可以根据身份信息中预设字段对应的信息，例如身份证号码，从预设数据库中获取对应的身份数据，并进行匹配，当匹配一致时，则身份验证通过，表示仲裁申请请求中各方当事人的身份信息真实有效。

步骤210，当身份验证通过后，获取预设的立案审核模型，通过立案审核模型对申请信息和委托信息进行分析，得到对应的分析结果。

步骤212，当分析结果表示审核通过时，根据申请信息对仲裁申请请求分配对应的案件标识，并对仲裁申请请求进行立案处理。

当身份验证通过后，服务器进而获取预设的立案审核模型，通过立案审核模型对识别结果数据中的申请信息和委托信息进行分析，以分析申请信息和委托材料是否符合要求，并得到对应的分析结果。其中，立案审核模型可以使基于神经网络的决策树模型，立案审核模型中包括了多个决策节点。例如，立案审核模型中包括了预设的审核规则，审核规则可以包括主体资格审核、仲裁条件审核和委托手续审核三个模块。具体地，服务器将申请信息和委托信息输入至立案审核模型中，通过立案审核模型对申请信息和委托信息进行特征提取，得到多个特征向量。根据立案审核模型中的多个决策节点对多个特征向量遍历，以进行决策分析。直到遍历至多个特征向量对应的目标节点，从而得到对应的分析结果。

当分析结果表示分析通过时，服务器则对仲裁申请请求分配对应的案件标识，并该仲裁申请请求已经对应的案件进行立案处理。具体地，服务器可以在仲裁系统上对仲裁案件进行关联性绑定，将仲裁案件与被申请人进行绑定，服务器进而将该仲裁申请请求案件设置为受理状态，并将该仲裁案件添加至案件受理队列中。服务器还可以生成对应的通知信息，将通知信息发送至被申请人标识对应的用户终端。通过对当事人提交的申请信息和委托材料中的数据进行字符识别，并利用预设的立案审核模型进行分析，能够准确有效地对申请信息和委托材料进行智能审核校验，减少了工作人员的工作量，有效提高了仲裁案件的处理效率。

上述仲裁申请立案审核处理方法中，服务器接收申请人终端发送的仲裁申请请求后，获取预设的字符识别模型，通过字符识别模型对仲裁申请请求中的申请信息和委托材料进行识别，由此能够有效地得到识别结果数据。服务器从识别结果数据中提取出预设字段对应的申请信息和委托信息，根据申请信息中的身份信息对仲裁申请请求进行身份验证。当身份验证通过后，获取预设的立案审核模型，通过立案审核模型对申请信息和委托信息进行分析，得到对应的分析结果。当分析结果表示审核通过时，根据申请信息和委托材料对仲裁申请请求分配对应的案件标识，并对仲裁申请请求进行立案处理，由此能够有效地对仲裁申请请求进行自动立案审核，进而有效提高了仲裁案件的处理效率。

在一个实施例中，如图3所示，通过字符识别模型对仲裁申请信息和委托材料进行识别的步骤，具体包括以下内容：

步骤302，对仲裁申请信息和委托材料进行预处理，得到对应的灰度图像化数据。

步骤304，对灰度图像化数据进行字符切分，得到多个切分后的字符数据。

步骤306，对多个切分后的字符数据进行特征提取，得到对应的特征向量。

步骤308，通过字符识别模型对多个特征向量进行识别分析，得到对应的识别结果数据。

服务器接收到申请人终端发送的仲裁申请请求后，获取预设的字符识别模型，通过字符识别模型对仲裁申请请求携带的仲裁申请信息和委托材料进行识别，具体地，服务器首先对仲裁申请信息和委托材料中的图像化数据进行预处理，其中，服务器首先对图像化数据进行灰度化和降噪处理，得到灰度图像化数据；对灰度图像化数据进行二值化，服务器进而根据预设规则和算法进行字符切分，并对切分后的字符进行归一化处理，得到多个切分后的字符数据。

服务器对仲裁申请信息和委托材料数据进行预处理后，进一步对预处理后的仲裁申请信息和委托材料数据进行特征提取和降维，得到对应的特征向量，服务器则将得到的特征向量作为预设的字符识别模型的输入，字符识别模型可以是基于神经网络的机器学习模型。进而通过字符识别模型对多个特征向量进行识别和分类。具体地，服务器计算多个字符对应的特征向量与预设字符库中预设数量的相似的多个字符，并获取相似度最高的字符，将获取的相似度最高的字符作为识别出的字符，由此得到多个字符对应的识别结果数据。通过字符识别模型对申请信息和委托材料进行识别，能够准确有效地识别出申请信息和委托材料中的字符数据。

进一步地，服务器通过字符识别模型对多个特征向量进行识别分类得到识别结果数据后，还可以进一步获取预设的语义分析模型，通过语义模型对识别数据进行上下文分析和校正，进而得到校正后的识别结果数据。通过利用字符识别模型对申请信息和委托材料进行识别后，进一步利用语义分析模型对识别的结果进行进一步分析和校正，由此能够有效地提高字符识别的准确率。

在一个实施例中，身份信息包括用户当前人脸图片，根据身份信息对仲裁申请请求进行身份验证的步骤包括：当申请人为自然人时，根据身份信息从预设数据库中获取对应的目标人脸图像，目标人脸图像包括对应的人脸特征；对用户当前人脸图片进行人脸识别，提取出对应的人脸特征；计算人脸特征与目标人脸图像的人脸特征之间的相似度，得到对应的相似度值；当相似度值达到预设阈值时，则身份验证通过。

仲裁申请人通过对应的终端在仲裁平台上发起仲裁申请请求时，可以通过终端获取申请人当前的人脸图片，并上传至服务器。

服务器接收到申请人终端发送的仲裁申请请求后，获取预设的字符识别模型，通过字符识别模型对仲裁申请请求携带的申请信息和委托材料进行识别，进而识别出字符形式的申请信息和委托材料中的委托信息，其中，申请信息中包括了身份信息。由此的到识别结果。

服务器进一步从识别结果中提取出预设字段对应的身份信息和委托信息，根据身份信息对仲裁申请请求进行身份验证。具体地，当申请人用户为自然人时，服务器接利用字符识别模型对委托材料进行后，得到多个预设字段对应的识别数据，服务器则获取其中的身份信息，例如姓名和身份证号码。服务器则根据身份信息从第一预设数据库中获取对应的目标人脸图像，例如，第一预设数据库可以是公安数据库。服务器进而对申请人用户上传的当前人脸图片进行人脸识别，并提取出对应的人脸特征。服务器同时也提取出目标人脸图像对应的人脸特征。服务器进而将当前人脸图片的人脸特征与目标人脸图像的人脸特征进行匹配。具体地，服务器根据预设算法计算当前人脸图片的人脸特征与目标人脸图像的人脸特征之间的相似度，得到对应的相似度值。当两者的人脸特征之间的相似度值达到预设阈值时，则身份验证通过。达到预设匹配度时表示身份一致，则身份校验通过。

进一步地，当申请人用户为企业时，服务器获取识别数据中的企业数据，并根据企业数据从第二预设数据库中获取对应的企业登记数据，例如，第二预设数据库可以是工商数据库。服务器则将企业数据与企业登记数据进行比对校验。服务器还可以获取企业代表人的人脸图片，并将人脸图片与获取的企业登记数据中的人脸图像进行比对校验，达到预设匹配度时表示身份一致，则身份校验通过。通过人脸识别和数据校验对当事人的身份进行验证，能够有效地保证当事人身份的真实准确性。

进一步地，服务器还可以获取申请人和被申请人的身份信息，根据身份信息从征信数据库中获取申请人和被申请人的征信数据，以用于庭审时利用征信数据进行参考。

在一个实施例中，如图4所示，通过立案审核模型对申请信息和委托信息进行分析的步骤，具体包括以下内容：

步骤402，通过立案审核模型在识别结果数据中提取出申请主体信息、仲裁申请信息和委托信息。

步骤404，通过立案审核模型分别对申请主体信息、仲裁申请信息和委托信息进行特征提取，得到对应的多个特征信息。

步骤406，根据立案审核模型中的多个决策节点对申请主体信息、仲裁申请信息和委托信息对应的多个特征信息进行决策分析。

步骤408，直到遍历至案审核模型中的目标决策节点时，根据目标决策节点生成对应的分析结果。

服务器在获取预设的立案审核模型之前，还需要构建出立案审核模型。其中，立案审核模型可以是基于神经网络的模型也可以是决策树模型。具体地，初始的立案审核模型可以是根据仲裁条款的规则和预设算法构建的。服务器获取初始的立案审核模型后，可以获取大量的仲裁申请数据，例如，仲裁申请数据可以包括仲裁的申请信息和委托材料等数据。服务器则利用预设的初始立案审核模型对大量的仲裁委托材料数据进行训练和验证，在训练的过程中并调整立案审核模型，训练完成后，得到所需的立案审核模型。

服务器接收到申请人终端发送的仲裁申请请求后，获取预设的字符识别模型，通过字符识别模型对仲裁申请请求携带的申请信息和委托材料进行识别，得到对应的识别结果。服务器进而从识别结果中提取出预设字段对应的身份信息和委托信息，根据身份信息对仲裁申请请求进行身份验证。当身份验证通过后，则进一步对该仲裁申请请求进行立案审核。

具体地，当身份验证通过后，服务器则获取预先构建的立案审核模型，并通过立案审核模型在识别结果数据中提取出申请主体信息、仲裁申请信息和委托信息，并对申请主体信息、仲裁申请信息和委托信息进行特征提取，得到对应的多个特征信息。立案审核模型中可以包括多个决策节点，例如可以包括主体资格审核节点、仲裁条件审核节点以及委托手续审核节点。其中，每个决策节点中还可以包括多个子决策节点，以对对每一项信息进行多次决策判断，以有效地审核每一项信息是否达到预设要求。

服务器进而通过立案审核模型中的多个决策节点对申请主体信息、仲裁申请信息和委托信息对应的多个特征信息进行决策分析。具体地，通过立案审核模型中的多个决策节分别依次对申请主体信息、仲裁申请信息和委托信息对应的多个特征信息进行遍历，并根据每个节点的决策结果将申请主体信息、仲裁申请信息和委托信息对应的多个特征信息传递至下一个对应的决策节点进行分析。直到遍历至立案审核模型中的目标决策节点时，根据目标决策节点生成对应的分析结果。目标决策节点中包括了通过立案审核模型对多项信息进行比案例分析后的最终决策结果，因此分析结果中则为审核通过或者审核不通过。

分析结果中可以包括审核通过标签，进一步地，当审核未通过时，服务器则生成未通过原因事项，并将未通过原因事项添加至分析结果中。服务器则将分析结果发送至对应的申请人终端。

例如，立案审核模型中包括了预设的审核规则，审核规则可以包括主体资格审核、仲裁条件审核和委托手续审核三个模块。其中，主体资格审核模块中，可以对申请主体信息进行审核，例如双方当事人是否符合仲裁条件、身份信息是否有效以及是否有证件附件等。仲裁条件审核模块可以对仲裁申请信息进行审核，例如是否有仲裁协议，仲裁协议是否符合仲裁管辖的约定；是否属于仲裁委员会的受理范围；是否有具体的仲裁请求、事实和理由以及申请人提交的证据材料是否符合要求等。委托手续审核模块可以对委托信息进行审核，例如当有律师或其他代理人时，则审核证件和委托材料是否齐全、委托是否符合要求、判断委托代理材料里的姓名与证件号是否与信息登记所填写的代理人的姓名与证件号一致以及财产或证据是否保全申请等。如不吻合或不一致，则向终端发送核对材料提示或补充材料建议。通过对仲裁申请请求中的申请信息和委托信息进行分析，能够准确有效地分析出申请信息和委托材料是否符合要求，进而有效地提高了仲裁申请的立案审核效率。

在一个实施例中，根据申请信息和委托材料对仲裁申请请求分配对应的案件标识，并对仲裁申请请求进行立案处理，包括：根据申请信息按照预设方式为仲裁申请请求生成对应的案件标识；根据请求信息和委托材料以及案件标识生成仲裁申请请求对应的仲裁档案数据；根据案件标识将仲裁档案数据添加至对应的待处理案件队列中；根据仲裁申请请求生成对应的通知信息，将通知信息发送至被申请人终端。

服务器接收到申请人终端发送的仲裁申请请求后，获取预设的字符识别模型，通过字符识别模型对仲裁申请请求携带的申请信息和委托材料进行识别，得到对应的识别结果。服务器进而从识别结果中提取出预设字段对应的身份信息和委托信息，根据身份信息对仲裁申请请求进行身份验证。当身份验证通过后，则进一步通过预设的立案审核模型对识别结果数据进行分析，得到对应的分析结果。

当分析结果表示审核通过时，根据申请信息和委托材料对仲裁申请请求分配对应的案件标识，并对仲裁申请请求进行立案处理。具体地，服务器根据申请信息按照预设方式为仲裁申请请求生成对应的案件标识，例如，可以根据仲裁申请地和仲裁类型以及仲裁申请时间以及预设形式的随机编号生成对应的案件标识，例如，案件标识码的长度可以为15字符，按此顺序组合：5个字母(纯大写)+10个随机数字。服务器根据请求信息和委托材料以及案件标识生成仲裁申请请求对应的仲裁档案数据，根据案件标识将仲裁档案数据添加至对应的待处理案件队列中。其中，待处理案件队列可以是已受理待处理的仲裁案件，仲裁案件可以分为多个类别，每个类别有对应的待处理案件队列，以用于后续依次对待处理案件队列中的仲裁案件进行处理。

服务器还可以根据申请信息生成对应的受理通知书，并将受理通知书发送至申请人终端。进一步地，服务器根据识别结果数据中的被申请人信息，将仲裁案件与被申请人进行绑定，并将该仲裁案件与申请人、被申请人以及代理人进行案件关联。服务器根据申请信息生成对应的通知信息，将通知信息发送至被申请人用户终端。通过对仲裁申请请求进行身份校验和立案审核后，自动进行立案处理，由此能够有效地对仲裁案件进行立案审核和立案处理，有效提高了仲裁效率。

在一个实施例中，服务器对仲裁请求对应的案件进行立案处理后，还可以进一步获取申请人终端上传的证据材料。证据材料的形式可以包括图像、PDF文件以及扫描文件等。服务器接收到用户终端上传的证据材料后，进一步获取预设的字符识别模型，通过字符识别模型识别对申请材料和证据材料，识别后提取出预设字段对应的识别数据。服务器进而获取预设的证据分析模型，通过证据分析模型对识别数据进行分析，以分析证据材料是否符合要求，并得到对应的分析结果。当分析结果表示分析通过时，则将申请材料和证据材料以及分析结果发送至秘书终端，以使得仲裁秘书利用秘书终端对申请材料和证据材料进行进一步审核。通过对证据材料进行自动分析校验，能够有效提高仲裁过程中的证据审核效率。

应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种仲裁申请立案审核处理装置，包括：请求接收模块502、字符识别模块504、信息提取模块506、身份验证模块508、立案审核模块510和立案处理模块512，其中：

请求接收模块502，用于接收申请人终端发送的仲裁申请请求，仲裁申请请求携带了仲裁申请信息和委托材料，仲裁申请信息中包括身份信息；

字符识别模块504，用于获取预设的字符识别模型，通过字符识别模型对仲裁申请信息和委托材料进行识别，得到对应的识别结果数据；

信息提取模块506，用于从识别结果中提取出预设字段对应的申请信息和委托信息；

身份验证模块508，用于根据申请信息中的身份信息对仲裁申请请求进行身份验证；

立案审核模块510，用于当身份验证通过后，获取预设的立案审核模型，通过立案审核模型对申请信息和委托信息进行分析，得到对应的分析结果；

立案处理模块512，用于当分析结果表示审核通过时，根据申请信息对仲裁申请请求分配对应的案件标识，并对仲裁申请请求进行立案处理。

在一个实施例中，字符识别模块504还用于对申请信息和委托材料进行预处理，得到对应的灰度图像化数据；对灰度图像化数据进行字符切分，得到多个切分后的字符数据；对多个切分后的字符数据进行特征提取，得到对应的特征向量；通过字符识别模型对多个特征向量进行识别分析，得到对应的识别结果数据。

在一个实施例中，身份信息包括用户当前人脸图片，身份验证模块508还用于当申请人为自然人时，根据身份信息从预设数据库中获取对应的目标人脸图像，目标人脸图像包括对应的人脸特征；对用户当前人脸图片进行人脸识别，提取出对应的人脸特征；计算人脸特征与目标人脸图像的人脸特征之间的相似度，得到对应的相似度值；当相似度值达到预设阈值时，则身份验证通过。

在一个实施例中，立案审核模块510还用于通过立案审核模型在识别结果数据中提取出申请主体信息、仲裁申请信息和委托信息；通过立案审核模型分别对申请主体信息、仲裁申请信息和委托信息进行特征提取，得到对应的多个特征信息；根据立案审核模型中的多个决策节点对申请主体信息、仲裁申请信息和委托信息对应的多个特征信息进行决策分析；直到遍历至立案审核模型中的目标决策节点时，根据目标决策节点生成对应的分析结果。

在一个实施例中，立案处理模块512还用于根据申请信息按照预设方式为仲裁申请请求生成对应的案件标识；根据请求信息和委托材料以及案件标识生成仲裁申请请求对应的仲裁档案数据；根据案件标识将仲裁档案数据添加至对应的待处理案件队列中；根据仲裁申请请求生成对应的通知信息，将通知信息发送至被申请人终端。

关于仲裁申请立案审核处理装置的具体限定可以参见上文中对于仲裁申请立案审核处理方法的限定，在此不再赘述。上述仲裁申请立案审核处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储仲裁申请信息、委托材料、识别结果数据和分析结果等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本申请任意一个实施例中提供的仲裁申请立案审核处理方法的步骤。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本申请任意一个实施例中提供的仲裁申请立案审核处理方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。