[發明專利]一種司法文本中經濟事件的抽取方法及系統

有效

• 申請號: 202010164540.9
• 申請日: 2020-03-11
• 公開（公告）號: CN111460830B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 林友芳;萬懷宇;韓升;武志昊;王晶;張碩
• 申請（專利權）人: 北京交通大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/211;G06F40/289;G06F40/284;G06N3/08;G06N3/04
• 代理公司: 北京紅福盈知識產權代理事務所(普通合伙) 11525
• 代理人: 陳月福

1.一種司法文本中經濟事件的抽取方法，其特征在于，所述抽取方法包括如下步驟：

步驟S1，對預選的司法文本數據集進行數據預處理，得到向量化表示的學習數據和文本全局特征；

步驟S2，以所述學習數據為訓練材料對第一深度學習模型進行訓練，學習得到文本序列對應的實體類別序列；

步驟S3，根據所述學習數據和實體類別序列，訓練第二深度學習模型，學習得到文本序列特征，并在訓練過程中將所述文本序列特征與所述文本全局特征進行融合，以融合后的特征作為訓練材料完成對第二深度學習模型的訓練；具體包括：

步驟S31，向第二深度學習模型中輸入所述學習數據捕捉文本序列特征；

步驟S32，融合文本序列特征與文本全局特征；將所述輸入的字段向量序列記為x＝{x₁,x₂，x₃,…,x_n}，其中n為文本序列的長度，x_i代表序列中第i個字段的輸出向量；將文本全局向量表示為V_D，執行如下步驟：

步驟S321，計算每個字段對全局文本向量V_D的依賴權重α_i，權重范圍為[0,1]，公式為：

式(1)中，W₁，W₂，b是模型需要學習的參數，d是詞向量的維度；

步驟S322，通過將全局向量V_D乘以依賴權重，并與原字段向量相拼接，得到新的字段表示序列x′＝[x′₁,x′₂,…,x′_n]，其中：

x′_i＝[α_i·V_D,x_i],i∈[1,n] (2)

完成文本序列特征與全局特征的融合，得到融合后的向量序列；

步驟S33，針對融合后的向量序列，進行觸發詞類別標注，判斷事件類別，得到觸發詞類別序列；

步驟S34，將所述觸發詞類別序列拼接在所述融合后的向量序列之后，對拼接后的向量序列進行論元類別標注；

步驟S35，采用所述預選司法文本數據集的論元類別標注結果，對第二深度學習模型進行迭代訓練；

步驟S4，將待處理的司法文本輸入訓練完成的第二深度學習模型，對司法文本進行經濟事件抽取。

2.根據權利要求1所述的經濟事件抽取方法，其特征在于，所述方法還包括：

步驟S5，將步驟S4中待處理的司法文本，完成抽取后，加入到步驟S1中預選的司法文本數據集中，返回步驟S1。

3.根據權利要求1或2所述的經濟事件抽取方法，其特征在于，所述步驟S1中的數據預處理，包括如下步驟：

步驟S11，對所述司法文本數據集中的司法文本進行分句、分詞，得到每個句子的字段；

步驟S12，將整體司法文本和所述字段進行向量化表示，得到深度學習模型的學習數據和文本全局特征。

4.根據權利要求1或2所述的經濟事件抽取方法，其特征在于，所述步驟S2中，實體類別序列的向量表示由隨機初始化得到。

5.根據權利要求1或2所述的經濟事件抽取方法，其特征在于，所述第二深度學習模型，采用結合TransformerEncoder序列特征學習與注意力機制特征融合的深度學習事件抽取模型。