[發明專利]一種信息處理方法及相關設備

在審

• 申請號: 201811287545.X
• 申請日: 2018-10-31
• 公開（公告）號: CN111198934A
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 馬慶麗
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/117;G06F40/289;G06F40/211;G06F16/36
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

本發明實施例提供了一種信息處理方法及相關設備，可以解析出更符合裁判文書的要素標簽。該方法包括：獲取目標司法文書，所述目標司法文書為待解析要素標簽的司法文書；確定所述目標司法文書對應的目標標注句子以及所述目標標注句子對應的目標要素標簽；對所述目標標注句子以及所述目標要素標簽均進行分詞和特征向量化處理，得到所述目標標注句子對應的目標句子向量以及所述目標要素標簽對應的目標要素向量；將所述目標句子向量以及所述目標要素向量輸入預設檢索模型，得到所述目標司法文書對應的要素標簽。

技術領域

本發明涉及信息處理領域，特別涉及一種信息處理方法及相關設備。

背景技術

人工智能+司法正如火如荼的進行著，如何利用裁判文書網公開的4000萬篇文書，為公檢法提供有效的支持，減少司法人員重復性工作，提高工作效率，推動司法的透明和公正，是一件非常有意義的事情。在如何利用司法文書中，文書的結構化是一個非常重要的過程，而對文書進行要素標簽解析又是司法結構化的基礎，該工作可以使文書以要素標簽的形式得以呈現，使得法律工作者無需從頭到尾閱讀整篇文書才能總結該文書涉及的主要事項，而是只要瀏覽文書的要素標簽即可。將文書進行要素標簽解析后，文書的要素標簽可以用于類案推送、知識圖譜構建、文書簡化、文書對比等等多項工作。

目前的要素標簽解析工作主要有兩種方法，一是利用規則的方式進行提取，例如利用關鍵詞、正則表達式等匹配文書，得到文書涉及的要素標簽；二是通過標注數據，給每篇文書(按段落或者句子)打上標簽，然后利用機器學習或者深度學習算法進行分類，相當于作為多類標分類進行要素標簽的解析。

前者的缺點在于對于裁判文書尤其是民事文書，總結規則完全依靠人力，每個正則表達式都非常復雜，尤其針對民事文書，對于同一個要素標簽會有各種各樣完全不同的描述，總結規律非常復雜，且效果往往不好，準確率和召回率難以兼顧。而后者的缺點在于，要訓練一個多類標分類的深度學習模型，需要的標注數據需要非常可觀，且一般情況下會存在嚴重的數據傾斜問題，即少量要素標簽在少量文書中即可標注積累大量數據，而大量的數據標注很多數據也只能積累少量數據，數據的嚴重傾斜會導致模型的效果不是很好。

發明內容

本發明實施例提供了一種信息處理方法及相關設備，可以解析出更加符合裁判文書的要素標簽，使得后續依靠要素標簽的操作更加流暢。

本發明實施例第一方面提供了一種信息處理方法，具體包括：

獲取目標司法文書，所述目標司法文書為待解析要素標簽的司法文書，所述要素標簽用于指示所述目標司法文書的中心思想；

確定所述目標司法文書對應的目標標注句子以及所述目標標注句子對應的目標要素標簽，所述目標標注句子為所述目標司法文書中有標注價值的句子；

對所述目標標注句子以及所述目標要素標簽均進行分詞和特征向量化處理，得到所述目標標注句子對應的目標句子向量以及所述目標要素標簽對應的目標要素向量；

將所述目標句子向量以及所述目標要素向量輸入預設檢索模型，得到所述目標司法文書對應的要素標簽，所述預設檢索模型是通過預定司法領域對應的第一特征向量集合以及第二特征向量集合訓練得到，其中，所述第一特征向量集合包括所述預定司法領域內的所有給定司法文書中每個司法文書的標注句子的特征向量，所述第二特征向量集合包括所述給定司法文書中每個司法文書的標注句子對應要素標簽的特征向量，所述標注句子為所述每個司法文書中有提取要素標簽價值的句子。

可選地，所述將所述目標句子向量以及所述目標要素向量輸入預設檢索模型，得到所述目標司法文書對應的要素標簽之前，所述方法還包括：

獲取訓練數據，所述訓練數據包括所述每個司法文書中的標注句子以及所述每個司法文書中的標注句子對應的要素標簽，所述訓練數據與所述預設檢索模型相對應；

將所述訓練數據進行預處理，以得到所述第一特征向量集合以及所述第二特征向量集合；