[發(fā)明專利]一種基于司法裁判文書的人員社交關(guān)系抽取方法

有效

• 申請?zhí)枺?/td>: 202010205874.6
• 申請日: 2020-03-23
• 公開（公告）號: CN111563374B
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 萬懷宇;林友芳;武志昊;韓升;王晶;張碩
• 申請（專利權(quán)）人: 北京交通大學(xué)
• 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(chǎn)權(quán)代理事務(wù)所(普通合伙) 11525
• 代理人: 陳月福

本發(fā)明提供了一種基于司法裁判文書的人員社交關(guān)系抽取方法，用以解決司法裁判文書中人員社交關(guān)系數(shù)據(jù)處理的問題。所述基于司法裁判文書的人員社交關(guān)系抽取方法，對裁判文書進(jìn)行數(shù)據(jù)清洗、中文分詞以及去停用詞，構(gòu)建基于預(yù)訓(xùn)練語言模型的詞向量學(xué)習(xí)模型，再分別結(jié)合相關(guān)實(shí)體關(guān)聯(lián)關(guān)系和實(shí)體屬性的抽取裁判文書特征并進(jìn)行融合，構(gòu)建關(guān)系抽取模型，抽取裁判文書中相關(guān)人員的社交關(guān)系。本發(fā)明充分挖掘裁判文書數(shù)據(jù)中的實(shí)體關(guān)聯(lián)關(guān)系以及司法實(shí)體的背景信息，支持司法工作人員理清裁判文書中人員之間的社交關(guān)系，挖掘涉案人員潛在的社交關(guān)系，有助于法務(wù)工作者進(jìn)行案件相關(guān)人員的社交關(guān)系發(fā)現(xiàn)，減少了人工調(diào)查的成本。

技術(shù)領(lǐng)域

本發(fā)明屬于司法數(shù)據(jù)處理領(lǐng)域，具體涉及一種基于司法裁判文書的人員社交關(guān)系抽取方法。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)據(jù)處理及信息化已滲透進(jìn)每一個領(lǐng)域。在司法信息化改革中，如何利用科學(xué)信息化技術(shù)輔助司法工作人員從海量的司法裁判文書、案件卷宗等文本資料中進(jìn)行信息抽取和整理，已經(jīng)成為司法信息化建設(shè)中的一個研究熱點(diǎn)。司法裁判文書記載了人民法院審理過程和結(jié)果，其中包含大量的相關(guān)人員以及機(jī)構(gòu)等司法實(shí)體。將司法裁判文書中司法實(shí)體之間復(fù)雜的社交關(guān)系抽取出來，有助于司法人員快速了解涉案人員及機(jī)構(gòu)之間的關(guān)系；同時依據(jù)司法裁判文書中的相關(guān)信息以及其他背景信息，挖掘涉案人員潛在的社交關(guān)系，有助于司法工作者理清案件事實(shí)。現(xiàn)有技術(shù)中，尚無專門針對人員社交關(guān)系的數(shù)據(jù)處理。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種基于司法裁判文書的人員社交關(guān)系抽取方法，基于預(yù)訓(xùn)練語言模型的詞向量表示模型，提升模型的泛化性能以及復(fù)用性，提高人員社交關(guān)系抽取的準(zhǔn)確率和召回率，支持司法工作人員快速理清裁判文書中人員之間復(fù)雜的社交關(guān)系，挖掘涉案人潛在的社交關(guān)系，為法院等司法機(jī)構(gòu)減少人工調(diào)查的成本，節(jié)省人力物力，推動司法信息化的建設(shè)。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

本發(fā)明實(shí)施例提供了一種基于司法裁判文書的人員社交關(guān)系抽取方法，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(jìn)行數(shù)據(jù)清洗、中文分詞，并去掉停用詞，得到分詞后的裁判文書數(shù)據(jù)；

步驟S2，基于所述分詞后的裁判文書數(shù)據(jù)，構(gòu)建基于預(yù)訓(xùn)練語言模型的詞向量學(xué)習(xí)模型；

步驟S3，采用所述裁判文書的詞向量學(xué)習(xí)模型，表示司法實(shí)體共現(xiàn)網(wǎng)絡(luò)中的每個實(shí)體，結(jié)合實(shí)體關(guān)聯(lián)關(guān)系，抽取第一裁判文書特征；

步驟S4，結(jié)合實(shí)體屬性，抽取第二裁判文書特征；

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(gòu)建人員社交關(guān)系抽取模型；

步驟S6，采用所述人員社交關(guān)系抽取模型，對司法裁判文書中的人員社交關(guān)系進(jìn)行抽取。

作為本發(fā)明的一個優(yōu)選實(shí)施例，所述步驟S1包括：

步驟S101，對司法裁判文書中的文本信息進(jìn)行數(shù)據(jù)清洗與存儲；

步驟S102，基于清洗后的司法裁判文書數(shù)據(jù)構(gòu)建法律專業(yè)詞庫和停用詞表。

作為本發(fā)明的一個優(yōu)選實(shí)施例，所述數(shù)據(jù)清洗，進(jìn)一步為，刪除裁判文書中內(nèi)容為空或者描述字段過少、重復(fù)的文本數(shù)據(jù)；檢測并修正裁判文書中的術(shù)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。

作為本發(fā)明的一個優(yōu)選實(shí)施例，所述步驟S2包括：

步驟S201，對所述分詞后的裁判文書進(jìn)行句段分割，得到裁判文書編號、句子編號以及句子內(nèi)容的三元組；

步驟S202，對所述三元組中的句子內(nèi)容進(jìn)行預(yù)處理，得到訓(xùn)練句子語料；

步驟S203，根據(jù)所述訓(xùn)練句子語料對預(yù)訓(xùn)練語言模型進(jìn)行參數(shù)調(diào)整，得到詞向量學(xué)習(xí)模型。