1.一种裁判文书处理方法，所述方法包括：

获取裁判文书；

通过已训练的段落提取模型从所述裁判文书中提取诉请段落和判决段落；

通过已训练的实体识别模型从所述诉请段落中提取诉请金额项，以及从所述判决段落中提取判决金额项；

当提取到所述诉请金额项和所述判决金额项时，基于预设金额项表达式，从所述诉请段落中提取与所述诉请金额项对应的诉请金额值，以及从所述判决段落中提取与所述判决金额项对应的判决金额值；

根据所述诉请金额项和相应的所述诉请金额值，以及所述判决金额项和相应的所述判决金额值，分别计算原告律师胜诉率和被告律师减损率。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：当没有提取到所述诉请金额项和所述判决金额项时，基于预设受理费表达式，从所述判决段落中提取案件受理费段落；

基于预设受理费分摊表达式，从所述案件受理费段落提取受理费分摊数据；

根据所述受理费分摊数据分别计算原告律师胜诉率和被告律师减损率。

3.根据权利要求2所述的方法，其特征在于，所述基于预设受理费分摊表达式，从所述案件受理费段落提取受理费分摊数据，包括：按照语义顺序依次提取所述案件受理费段落中的预设关键词；

根据所述预设关键词按照预设分类条件确定所述案件受理费段落对应的受理费分摊类型；

根据所述受理费分摊类型对应的预设受理费分摊表达式，从所述案件受理费段落中提取受理费分摊数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述诉请金额项和相应的所述诉请金额值，以及所述判决金额项和相应的所述判决金额值，分别计算原告律师胜诉率和被告律师减损率之前，所述方法还包括：基于预设标签表达式，从所述裁判文书中提取目标标签；

当所述目标标签与预设标签集合不匹配时，执行所述根据所述诉请金额项和相应的所述诉请金额值，以及所述判决金额项和相应的所述判决金额值，分别计算原告律师胜诉率和被告律师减损率的步骤。

5.根据权利要求4所述的方法，其特征在于，所述预设标签集合中包括知识产权标签；

所述从所述裁判文书中提取目标标签之后，所述方法还包括：当所述目标标签与所述知识产权标签相匹配时，将所述判决段落与所述知识产权标签所对应的预设知识产权表达式进行匹配；

当所述判决段落与所述预设知识产权表达式匹配成功时，根据所述预设知识产权表达式对应的预设确定方式确定原告律师胜诉率和被告律师减损率；

当所述判决段落与所述预设知识产权表达式匹配失败时，执行所述根据所述诉请金额项和相应的所述诉请金额值，以及所述判决金额项和相应的所述判决金额值，分别计算原告律师胜诉率和被告律师减损率的步骤。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述段落提取模型的训练步骤包括：获取多个目标裁判文书；

分别标注出每个所述目标裁判文书中的目标诉请段落和目标判决段落；

获取所述目标诉请段落对应的诉请段落提取问题，以及所述目标判决段落对应的判决段落提取问题；

将所述目标裁判文书、所述诉请段落提取问题和所述判决段落提取问题作为输入特征，将相应的所述目标诉请段落和所述目标判决段落作为期望的输出特征，对长久记忆神经网络进行训练获得已训练的段落提取模型。

7.根据权利要求1至5任意一项所述的方法，其特征在于，所述实体识别模型的训练步骤包括：获取多个目标裁判文书；

通过已训练的段落提取模型分别从每个所述目标裁判文书中提取目标诉请段落和目标判决段落；

分别标注出所述目标诉请段落和所述目标判决段落中的目标金额项；

将所述目标诉请段落和所述目标判决段落作为输入特征，将相应的所述目标金额项作为期望的输出特征，对初始化的实体识别模型进行训练获得已训练的实体识别模型。

8.一种裁判文书处理装置，其特征在于，所述装置包括：获取模块，用于获取裁判文书；

段落提取模型，用于通过已训练的段落提取模型从所述裁判文书中提取诉请段落和判决段落；

金额项提取模块，用于通过已训练的实体识别模型从所述诉请段落中提取诉请金额项，以及从所述判决段落中提取判决金额项；

金额值提取模块，用于当提取到所述诉请金额项和所述判决金额项时，基于预设金额项表达式，从所述诉请段落中提取与所述诉请金额项对应的诉请金额值，以及从所述判决段落中提取与所述判决金额项对应的判决金额值；

计算模块，用于根据所述诉请金额项和相应的所述诉请金额值，以及所述判决金额项和相应的所述判决金额值，分别计算原告律师胜诉率和被告律师减损率。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。