[發明專利]一種裁判文書結構化方法及裝置

在審

• 申請號: 202010041162.5
• 申請日: 2020-01-15
• 公開（公告）號: CN111222312A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 席麗娜;王文軍;晉耀紅
• 申請（專利權）人: 中科鼎富（北京）科技發展有限公司
• 主分類號: G06F40/186
• 分類號: G06F40/186;G06F40/103;G06F40/258;G06F40/30;G06Q50/18
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種裁判文書結構化方法，其特征在于，所述方法包括：

按照目標抽取模板中每一抽取節點，確定待處理裁判文書中的節點字符，所述目標抽取模板由所述抽取節點組成，所述抽取節點為與所述待處理裁判文書中各部分文本具有對應關系的字符串，所述節點字符為所述待處理裁判文書中與所述抽取節點相對應的部分文本的起始字符；

確定每一所述抽取節點對應的塊文本，所述塊文本為由從所述抽取節點對應的節點字符起到下一節點字符之間的全部字符；

將每一所述抽取節點與所述塊文本相對應，生成所述待處理裁判文書的結構化文本。

2.根據權利要求1所述的方法，其特征在于，在按照目標抽取模板中每一抽取節點，確定待處理裁判文書中的節點字符之前包括：

獲取裁判文書樣本，所述裁判文書樣本的所屬類別相同；

按照預設文本劃分規則，將每一所述裁判文書樣本劃分為樣本塊文本；

針對每一所述樣本塊文本設定一個節點標題；

結合同一所述裁判文書樣本的全部節點標題，生成對應的抽取模板樣本；

結合各所述抽取模板樣本，生成抽取模板。

3.根據權利要求2所述的方法，其特征在于，在按照信息抽取模板中每一抽取節點，確定待處理裁判文書中的節點字符之前還包括：

從所述待處理裁判文書中提取與關鍵詞庫中的詞語相匹配的目標關鍵詞；

計算各目標關鍵詞與全部所述抽取模板中每一所述抽取模板的模板標題的語義相似度；

結合各所述目標關鍵詞對應的權重和語義相似度，計算所述待處理裁判文書與每一所述抽取模板的匹配度；

確定目標抽取模板，所述目標抽取模板為匹配度最高的所述抽取模板。

4.根據權利要求1所述的方法，其特征在于，所述按照目標抽取模板中每一抽取節點，確定待處理裁判文書中的節點字符包括：

獲取每一所述抽取節點對應的抽取表達式；

依次利用每一所述抽取表達式與所述待處理裁判文書中的每一未匹配段落的首行字符進行匹配，得到相匹配段落，所述未匹配段落為沒有相匹配的所述抽取表達式的段落；

利用所述抽取表達式對相應的所述相匹配段落的首行字符進行抽取，得到節點字符。

5.根據權利要求1所述的方法，其特征在于，所述將每一抽取節點與塊文本相對應，生成待處理裁判文書的結構化文本包括：

如果第一類抽取節點不存在對應的塊文本，則將所述第一類抽取節點對應的第二類抽取節點對應的塊文本進行合并，得到所述第一類抽取節點的塊文本，其中，所述第一類抽取節點對應的塊文本為對各所述第二類抽取節點對應的塊文本的概括。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

刪除所述第二類抽取節點以及所述第二類抽取節點對應的塊文本，得到結構化文本。

7.根據權利要求1所述的方法，其特征在于，所述將每一抽取節點與塊文本相對應，生成待處理裁判文書的結構化文本包括：

如果第三類抽取節點不存在對應的塊文本，則空置所述第三類抽取節點的塊文本，其中，所述第三類抽取節點對應的塊文本與所述目標抽取模板中其余的所述抽取節點對應的塊文本為并列關系。

8.根據權利要求1所述的方法，其特征在于，所述將每一所述抽取節點與所述塊文本相對應，生成所述待處理裁判文書的結構化文本之后還包括：

確定第四類抽取節點，所述第四類抽取節點為包含二次抽取需求的抽取節點；

獲取所述第四類抽取節點對應的塊文本；

利用子抽取模板對所述第四類抽取節點對應的塊文本進行抽取，得到子結構化文本，所述子結構化文本由所述子抽取模板中的各抽取節點及對應的子塊文本組成；

利用所述子結構化文本更新所述結構化文本，得到更新后結構化文本。