[發(fā)明專利]一種基于信息抽取的法律知識(shí)圖譜構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910980158.2
• 申請(qǐng)日: 2019-10-15
• 公開（公告）號(hào): CN110879842A
• 公開（公告）日: 2020-03-13
• 發(fā)明（設(shè)計(jì)）人: 黃焱暉;畢勝;漆桂林;陳佳敏
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06F16/36
• 分類號(hào): G06F16/36;G06F16/9535;G06F40/295;G06F40/30
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 杜靜靜

1.一種基于信息抽取的法律知識(shí)圖譜構(gòu)建方法，其特征在于，所述方法包括以下步驟：

步驟1)從網(wǎng)絡(luò)中爬取大量法律文書和法律實(shí)體；

步驟2)從百度百科中抽取和法律相關(guān)的法律實(shí)體；

步驟3)融合爬取得到的法律實(shí)體和百度百度中抽取得到的法律實(shí)體，并將法律實(shí)體鏈接至法律文書，構(gòu)建法律實(shí)體與法律文書之間的網(wǎng)絡(luò)；

步驟4)利用實(shí)體描述和實(shí)體名稱構(gòu)建實(shí)體網(wǎng)絡(luò)，基于實(shí)體結(jié)構(gòu)信息構(gòu)建實(shí)體相似度網(wǎng)絡(luò)。

步驟5)抽取法律文書中的三元組，結(jié)合法律實(shí)體構(gòu)建法律知識(shí)圖譜。

2.根據(jù)權(quán)利要求1所述的基于信息抽取的法律知識(shí)圖譜構(gòu)建方法，其特征在于，所述步驟3)具體如下：

1)對(duì)于從百度百科中抽取和法律相關(guān)的實(shí)體，利用實(shí)體摘要作為輸入，利用構(gòu)建好的分類器，對(duì)于實(shí)體進(jìn)行二分類；

分類器的構(gòu)建在于正例集即法律實(shí)體集合的構(gòu)建和負(fù)例集即非法律實(shí)體集合的構(gòu)建；

正例集的選取從網(wǎng)絡(luò)上爬蟲獲取的法律實(shí)體，負(fù)例集的構(gòu)建方式為將百度百科中的實(shí)體鏈接至法律文書中，將從未在法律文書中出現(xiàn)過(guò)的百度百科中的實(shí)體作為負(fù)例候選集，并從中篩選出和正例集數(shù)目一致的實(shí)體集合作為負(fù)例

集；

對(duì)于實(shí)體的分類器，選用SVM，特征提取方式為TF-IDF；

TF計(jì)算方法如下：

IDF計(jì)算式如下：

通過(guò)TF-idf就可以得到一個(gè)m維的向量，其中m取決于出現(xiàn)在所有案情描述文本的不同詞語(yǔ)。

SVM模型輸入為X＝(f₁,f₂,…,f_n),Y＝0|1|2|3|4|5|6|7，SVM模型的求解就是求最優(yōu)化的超平面Y＝wX+b,能夠?qū)儆诓煌腨的點(diǎn)分開，在本發(fā)明中，即將是否為法律實(shí)體分開。

3.根據(jù)權(quán)利要求2所述的基于信息抽取的法律知識(shí)圖譜構(gòu)建方法，其特征在于，所述步驟4)中，將一個(gè)實(shí)體描述的正文中含有的其他實(shí)體，通過(guò)實(shí)體名字符串匹配的方法鏈接起來(lái)，得到實(shí)體網(wǎng)絡(luò)，該網(wǎng)絡(luò)中邊的權(quán)重都為1，通過(guò)SIMRANK方法得到網(wǎng)絡(luò)中邊的權(quán)重，SIMRANK的主要計(jì)算方式如下所示：

s(a,b)代表結(jié)點(diǎn)a和結(jié)點(diǎn)b的相似程度，當(dāng)結(jié)點(diǎn)a和結(jié)點(diǎn)b是同一個(gè)結(jié)點(diǎn)時(shí)，s(a,b)為1，時(shí)或者時(shí)，s(a,b)為0。I_i(a)代表結(jié)點(diǎn)a第i個(gè)有邊相連的鄰居結(jié)點(diǎn)。I_j(b)代表結(jié)點(diǎn)b第j個(gè)有邊相連的鄰居結(jié)點(diǎn)。