[發(fā)明專利]一種基于自然語(yǔ)言處理的文檔自動(dòng)生成方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810928628.6
• 申請(qǐng)日: 2018-08-15
• 公開（公告）號(hào): CN109190098A
• 公開（公告）日: 2019-01-11
• 發(fā)明（設(shè)計(jì)）人: 姚毅
• 申請(qǐng)（專利權(quán)）人: 上海唯識(shí)律簡(jiǎn)信息科技有限公司
• 主分類號(hào): G06F17/24
• 分類號(hào): G06F17/24;G06F17/27;G06F16/36
• 代理公司: 上海專利商標(biāo)事務(wù)所有限公司 31100
• 代理人: 施浩

本發(fā)明公開了一種基于自然語(yǔ)言處理的文檔自動(dòng)生成方法和系統(tǒng)，可自動(dòng)生成專業(yè)領(lǐng)域的報(bào)告文檔。其技術(shù)方案為：對(duì)輸入的原始文檔進(jìn)行自動(dòng)分類，基于不同分類的原始文檔進(jìn)行對(duì)應(yīng)處理，分別得到中間數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)；對(duì)中間數(shù)據(jù)進(jìn)行分詞處理、實(shí)體識(shí)別、關(guān)系抽取、事件抽取和知識(shí)庫(kù)構(gòu)建，抽取出的數(shù)據(jù)作為結(jié)構(gòu)化數(shù)據(jù)存入數(shù)據(jù)庫(kù)；根據(jù)輸出的文檔類型選擇文檔模板，結(jié)合獲取到的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文檔組裝，輸出最終的目標(biāo)文檔。

技術(shù)領(lǐng)域

本發(fā)明涉及文檔自動(dòng)生成領(lǐng)域，具體涉及法律分析方面的文檔自動(dòng)生成技術(shù)。

背景技術(shù)

在法律領(lǐng)域中，律師常常需要審閱大量文檔，包括法人主體情況、股權(quán)結(jié)構(gòu)、營(yíng)業(yè)范圍、業(yè)務(wù)許可、重大資產(chǎn)和業(yè)務(wù)合同、訴訟/仲裁情況等，通過(guò)現(xiàn)場(chǎng)調(diào)查、訪談等方法確定情況，進(jìn)而撰寫生成相應(yīng)的法律報(bào)告，提供決策分析。

法律從業(yè)人員的分析報(bào)告需要人工分析法人主體情況、股權(quán)結(jié)構(gòu)、營(yíng)業(yè)范圍、業(yè)務(wù)許可、重大資產(chǎn)和業(yè)務(wù)合同、訴訟/仲裁情況等各種文件資料，通過(guò)現(xiàn)場(chǎng)調(diào)查、訪問(wèn)等方法確認(rèn)情況，手工整理提煉出關(guān)鍵信息，生成所需結(jié)論報(bào)告。該方法依賴法律從業(yè)人員多年的行業(yè)經(jīng)驗(yàn)積累，難以規(guī)模化應(yīng)用到全領(lǐng)域信息，具備較高的學(xué)習(xí)泛化門檻。

發(fā)明內(nèi)容

以下給出一個(gè)或多個(gè)方面的簡(jiǎn)要概述以提供對(duì)這些方面的基本理解。此概述不是所有構(gòu)想到的方面的詳盡綜覽，并且既非旨在指認(rèn)出所有方面的關(guān)鍵性或決定性要素亦非試圖界定任何或所有方面的范圍。其唯一的目的是要以簡(jiǎn)化形式給出一個(gè)或多個(gè)方面的一些概念以為稍后給出的更加詳細(xì)的描述之序。

本發(fā)明的目的在于解決上述問(wèn)題，提供了一種基于自然語(yǔ)言處理的文檔自動(dòng)生成方法和系統(tǒng)，可自動(dòng)生成專業(yè)領(lǐng)域的報(bào)告文檔(例如自動(dòng)生成具有初級(jí)法律行業(yè)分析人員能力的智能法律報(bào)告)。

本發(fā)明的技術(shù)方案為：本發(fā)明揭示了一種基于自然語(yǔ)言處理的文檔自動(dòng)生成方法，包括：

步驟1：對(duì)輸入的原始文檔進(jìn)行自動(dòng)分類，基于不同分類的原始文檔進(jìn)行對(duì)應(yīng)處理，分別得到中間數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)；

步驟2：對(duì)中間數(shù)據(jù)進(jìn)行分詞處理、實(shí)體識(shí)別、關(guān)系抽取、事件抽取和知識(shí)庫(kù)構(gòu)建，抽取出的數(shù)據(jù)作為結(jié)構(gòu)化數(shù)據(jù)存入數(shù)據(jù)庫(kù)；

步驟3：根據(jù)輸出的文檔類型選擇文檔模板，結(jié)合獲取到的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文檔組裝，輸出最終的目標(biāo)文檔。

根據(jù)本發(fā)明的基于自然語(yǔ)言處理的文檔自動(dòng)生成方法的一實(shí)施例，步驟1進(jìn)一步包括：

確定數(shù)據(jù)獲取需求；

根據(jù)輸入的原始文檔，獲取每個(gè)原始文檔的文件類型，進(jìn)而可以區(qū)分出各種不同種類的原始文檔；

判斷是否為圖片文檔，若不是圖片文檔則先對(duì)原始文檔進(jìn)行圖片化處理再進(jìn)行后續(xù)步驟，若為圖片文檔則直接進(jìn)行后續(xù)步驟；

基于圖像處理進(jìn)行文檔分類；

根據(jù)文檔分類判斷文檔是否為固定格式的文檔，如果是固定格式的文檔則基于機(jī)器學(xué)習(xí)對(duì)固定格式文檔進(jìn)行信息提取得到結(jié)構(gòu)化數(shù)據(jù)，如果不是固定格式的文檔則進(jìn)行后續(xù)步驟；

判斷文檔是否支持文本直接提取，如果支持文本直接提取則從原始文檔中獲取其中的文本內(nèi)容并存儲(chǔ)為中間數(shù)據(jù)，如果不支持文本直接提取則進(jìn)行后續(xù)步驟；

對(duì)文檔進(jìn)行識(shí)別，將圖像中的文字轉(zhuǎn)換成文本格式；

基于自然語(yǔ)言處理對(duì)識(shí)別出的文本進(jìn)行內(nèi)容修復(fù)，修復(fù)后的數(shù)據(jù)存儲(chǔ)為中間數(shù)據(jù)。

根據(jù)本發(fā)明的基于自然語(yǔ)言處理的文檔自動(dòng)生成方法的一實(shí)施例，步驟2進(jìn)一步包括：

對(duì)中間數(shù)據(jù)進(jìn)行分詞處理；

分詞處理后的數(shù)據(jù)進(jìn)行實(shí)體識(shí)別處理；