[發明專利]一種基于司法裁判文書的人員社交關系抽取方法有效
| 申請號： | 202010205874.6 | 申請日： | 2020-03-23 |
| 公開（公告）號： | CN111563374B | 公開（公告）日： | 2022-08-19 |
| 發明（設計）人： | 萬懷宇;林友芳;武志昊;韓升;王晶;張碩 | 申請（專利權）人： | 北京交通大學 |
| 主分類號： | G06F40/284 | 分類號： | G06F40/284;G06F16/31;G06F16/33;G06F16/35;G06K9/62;G06N3/04;G06N3/08;G06Q50/00;G06Q50/18 |
| 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 |
| 地址： | 100044 北京市海淀區上園*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 司法 裁判 文書 人員 社交 關系 抽取 方法 | ||
1.一種基于司法裁判文書的人員社交關系抽取方法，其特征在于，所述抽取方法包括如下步驟：
步驟S1，對所述司法裁判文書中的文本信息進行數據清洗、中文分詞，并去掉停用詞，得到分詞后的裁判文書數據；
步驟S2，基于所述分詞后的裁判文書數據，構建基于預訓練語言模型的詞向量學習模型；
步驟S3，采用所述裁判文書的詞向量學習模型，表示司法實體共現網絡中的每個實體，結合實體關聯關系，提取裁判文書中的句子級語義特征fs作為第一裁判文書特征；
步驟S4，結合實體屬性，抽取第二裁判文書特征；具體包括：
步驟S401，抽取裁判文書中的實體屬性特征；對句子s中的實體ei，從知識庫D中查找實體ei的屬性集合Ai＝{Ai1，Ai2，......，Aim}，然后將Ai中的每個屬性Aij的屬性名Kij和屬性值Vij轉化為向量；對于實體ei，定義其屬性向量的集合KVi＝{KVi1，KVi2，......，KVim}，其中第j個屬性向量表示為KVij＝[Kij；Vij]；
步驟S402，基于所述實體屬性，抽取裁判文書中的實體特征作為第二裁判文書特征；對于實體ei有屬性向量KVij，首先將屬性值向量Vij通過最大池化操作捕捉重要特征接著，將屬性名向量Kij與S3中的句子級語義特征fs之間通過點乘操作來計算其對該句子中實體關系的重要程度，計算公式如下：
aij＝tanh(Kij(W1(fs)T)) (8)
其中W1為參數矩陣；得到屬性的權重分數之后對其進行歸一化，最終各屬性的權重表示gij和實體特征如下：
步驟S5，基于所述第一裁判文書特征和第二裁判文書特征，構建人員社交關系抽取模型；具體包括：
步驟S501，融合第一裁判文書特征和第二裁判文書特征，首先，將句子級語義特征fs與語料級環境特征進行拼接后輸入全連接層，得到語義融合特征；使用語義融合特征和實體特征作為最終分類器的輸入；
步驟S502，將分類器的輸入數據輸入分類器，對裁判文書中的實體關系進行分類；
步驟S6，采用所述人員社交關系抽取模型，對司法裁判文書中的人員社交關系進行抽取。
2.根據權利要求1所述的人員社交關系抽取方法，其特征在于，所述步驟S1包括：
步驟S101，對司法裁判文書中的文本信息進行數據清洗與存儲；
步驟S102，基于清洗后的司法裁判文書數據構建法律專業詞庫和停用詞表。
3.根據權利要求2所述的人員社交關系抽取方法，其特征在于，所述數據清洗，進一步為，刪除裁判文書中內容為空或者描述字段過少、重復的文本數據；檢測并修正裁判文書中的術語縮寫、常見拼寫錯誤；使用空格替換裁判文書中的全部特殊符號。
4.根據權利要求1所述的人員社交關系抽取方法，其特征在于，所述步驟S2包括：
步驟S201，對所述分詞后的裁判文書進行句段分割，得到裁判文書編號、句子編號以及句子內容的三元組；
步驟S202，對所述三元組中的句子內容進行預處理，得到訓練句子語料；
步驟S203，根據所述訓練句子語料對預訓練語言模型進行參數調整，得到詞向量學習模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京交通大學，未經北京交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010205874.6/1.html，轉載請聲明來源鉆瓜專利網。
