[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(kāi)（公告）號(hào): CN110879842A
• 公開(kāi)（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

本發(fā)明涉及一種基于信息抽取的法律知識(shí)圖譜構(gòu)建方法，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)體和百度百科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。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖譜構(gòu)件方法，具體涉及一種基于信息抽取的法律知識(shí)圖譜構(gòu)建方法，屬于知識(shí)圖譜技術(shù)領(lǐng)域。

背景技術(shù)

知識(shí)圖譜技術(shù)日益成為人工智能的基礎(chǔ)，它是機(jī)器理解自然語(yǔ)言和構(gòu)建知識(shí)圖譜的重要方法。近年來(lái)，知識(shí)圖譜在司法領(lǐng)域的運(yùn)用悄然興起,它幫助從業(yè)人員快速地在線檢索相關(guān)的法務(wù)內(nèi)容，從而提高法院審判工作質(zhì)量和效率。

知識(shí)圖譜表達(dá)的知識(shí)方法與人類認(rèn)知的模式相一致。與自然語(yǔ)言表達(dá)語(yǔ)義的方式相一致，對(duì)領(lǐng)域的概念分類、分層也一致，可以疊加無(wú)限的維度，允許知識(shí)與語(yǔ)言相對(duì)獨(dú)立的相關(guān)性。這其實(shí)跟知識(shí)圖譜技術(shù)、方法的本質(zhì)有關(guān)系。法律知識(shí)體系是多種邏輯的結(jié)合。法律的知識(shí)體系非常復(fù)雜，可以從法律法規(guī)自上而下構(gòu)建體系，也可以從法學(xué)概念的相關(guān)性去構(gòu)建體系。成文法體系。中國(guó)是一個(gè)成文法體系的國(guó)家，它跟英美不同，不是遵循先例的角度去看。這就有了一個(gè)條件，業(yè)界可能用一種比較統(tǒng)一的方法去處理整個(gè)中國(guó)的法律知識(shí)。專業(yè)領(lǐng)域的知識(shí)圖譜的構(gòu)建和百科類知識(shí)的融合和構(gòu)建不同，需要非常嚴(yán)格的專家指導(dǎo)和監(jiān)督。百度類的知識(shí)圖譜搭建屬于起步階段，專業(yè)領(lǐng)域內(nèi)的知識(shí)圖譜構(gòu)建更是處于初級(jí)階段，要經(jīng)歷非常長(zhǎng)時(shí)間的發(fā)展。

現(xiàn)代信息技術(shù)正在推動(dòng)司法領(lǐng)域的深刻變革，隨著中國(guó)司法制度的日趨完善，以及中國(guó)裁判文書網(wǎng)等案件公示網(wǎng)的建立，大量的法律文書充斥在互聯(lián)網(wǎng)上。同時(shí)互聯(lián)網(wǎng)上還含有大量的法律相關(guān)實(shí)體，構(gòu)建法律文書和法律實(shí)體的法律知識(shí)圖譜對(duì)于類案發(fā)現(xiàn)和智能判決等相關(guān)司法應(yīng)用有著舉足輕重的作用。

發(fā)明內(nèi)容

本發(fā)明正是針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，提供一種基于信息抽取的法律知識(shí)圖譜構(gòu)建方法，該技術(shù)方案能夠輔助判決和輔助類案發(fā)現(xiàn)的法律知識(shí)圖譜。同時(shí)，本發(fā)明從網(wǎng)絡(luò)上爬取法律文書和法律實(shí)體，并融合從百度百科中抽取得到的法律相關(guān)實(shí)體，通過(guò)SIMRANK算法構(gòu)建法律實(shí)體相似度網(wǎng)絡(luò)，將實(shí)體鏈接至法律文書，并將法律文書中案件要素三元組通過(guò)規(guī)則和模板抽取出來(lái)，構(gòu)建法律知識(shí)圖譜。

為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下，一種基于信息抽取的法律知識(shí)圖譜構(gòu)建方法，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)合法律知識(shí)網(wǎng)絡(luò)構(gòu)建法律知識(shí)圖譜。

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，我們選用SVM，特征提取方式為TF-IDF。