[發(fā)明專利]聯(lián)合罪名預(yù)測的涉案新聞重疊實(shí)體關(guān)系抽取方法

有效

• 申請?zhí)枺?/td>: 202011269272.3
• 申請日: 2020-11-13
• 公開（公告）號: CN112905713B
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計）人: 余正濤;張明芳;郭軍軍;黃于欣;高盛祥;線巖團(tuán)
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/951;G06F40/211;G06F40/295;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 昆明人從眾知識產(chǎn)權(quán)代理有限公司 53204
• 代理人: 何嬌

本發(fā)明涉及聯(lián)合罪名預(yù)測的涉案新聞重疊實(shí)體關(guān)系抽取方法，屬于自然語言處理技術(shù)領(lǐng)域。本發(fā)明首先預(yù)測涉案新聞所描述的案件的罪名，然后將罪名向量融入到關(guān)系分類的狀態(tài)向量中，實(shí)現(xiàn)重疊實(shí)體關(guān)系抽取，另外，為了緩解因聯(lián)合罪名預(yù)測而給重疊實(shí)體關(guān)系抽取帶來的錯誤傳播問題，本發(fā)明引入一種分層級聯(lián)強(qiáng)化學(xué)習(xí)機(jī)制，將整個過程分解為罪名預(yù)測層和重疊實(shí)體關(guān)系抽取層，利用罪名指導(dǎo)重疊實(shí)體關(guān)系抽取，幫助重疊實(shí)體關(guān)系抽取層優(yōu)化強(qiáng)化學(xué)習(xí)策略。并將重疊實(shí)體關(guān)系抽取結(jié)果反饋給罪名預(yù)測層幫助罪名預(yù)測層優(yōu)化強(qiáng)化學(xué)習(xí)策略。實(shí)驗(yàn)結(jié)果表明，該方法是實(shí)驗(yàn)過程中獲得的一個最優(yōu)的技術(shù)方案，在涉案新聞數(shù)據(jù)集上，F(xiàn)1指標(biāo)達(dá)到了86.5％。

技術(shù)領(lǐng)域

本發(fā)明涉及聯(lián)合罪名預(yù)測的涉案新聞重疊實(shí)體關(guān)系抽取方法，屬于自然語言處理技術(shù)領(lǐng)域。

背景技術(shù)

涉案新聞實(shí)體關(guān)系抽取作為司法領(lǐng)域信息抽取的重要組成部分，是構(gòu)建案件知識圖譜的基礎(chǔ)。相比通用領(lǐng)域，涉案新聞中實(shí)體是指被告人、被害人和作案地點(diǎn)等與案件相關(guān)的人名、地名、機(jī)構(gòu)名，關(guān)系是這些實(shí)體之間的相互聯(lián)系。在涉案新聞句級文本中，普遍存在一個以上的關(guān)系，并且不同關(guān)系的關(guān)聯(lián)實(shí)體有重復(fù)，這類關(guān)系被稱作重疊實(shí)體關(guān)系。目前的實(shí)體關(guān)系抽取局限于單實(shí)體關(guān)系抽取，即只能抽取出一個句子中存在的兩個實(shí)體和實(shí)體之間的關(guān)系，忽略了句子中大量存在的重疊實(shí)體關(guān)系，且在涉案新聞文本中，只抽取出單關(guān)系對于知識圖譜的構(gòu)建遠(yuǎn)遠(yuǎn)不夠，并且準(zhǔn)確抽取出所有的重疊實(shí)體關(guān)系比較困難。因此利用人工智能技術(shù)自動抽取出重疊實(shí)體關(guān)系對涉案新聞實(shí)體關(guān)系抽取研究意義重大。

發(fā)明內(nèi)容

本發(fā)明提供了聯(lián)合罪名預(yù)測的涉案新聞重疊實(shí)體關(guān)系抽取方法，以解決目前重疊實(shí)體關(guān)系抽取傳統(tǒng)的方法中，存在誤導(dǎo)關(guān)系分類和實(shí)體識別的詞，使關(guān)系指示符定位不準(zhǔn)確問題。

本發(fā)明的技術(shù)方案是：聯(lián)合罪名預(yù)測的涉案新聞重疊實(shí)體關(guān)系抽取方法，所述方法包括：

Step1、收集用于預(yù)測罪名和抽取重疊實(shí)體關(guān)系的涉案新聞文本，對爬取的文本進(jìn)行分句、去重、篩選；

作為本發(fā)明的優(yōu)選方案，所述Step1中，使用Scrapy作為爬取工具，根據(jù)頁面數(shù)據(jù)元素的XPath路徑制定模板獲取詳細(xì)數(shù)據(jù)，獲取涉案新聞網(wǎng)站正文數(shù)據(jù)。

此優(yōu)選方案設(shè)計是本發(fā)明的重要組成部分，主要為本發(fā)明收集語料過程，為本發(fā)明預(yù)測罪名和抽取重疊實(shí)體關(guān)系提供了數(shù)據(jù)支撐。

Step2、定制聯(lián)合罪名預(yù)測的涉案新聞重疊實(shí)體關(guān)系抽取的標(biāo)注體系，標(biāo)記出罪名和實(shí)體關(guān)系，將標(biāo)記好的涉案新聞句子級語料按照8:1:1分為訓(xùn)練語料、開發(fā)語料、驗(yàn)證語料；

Step3、獲取涉案新聞字級向量和句級文本向量；

Step4、采用強(qiáng)化學(xué)習(xí)的方法，由涉案新聞句級文本向量經(jīng)過最大池化后，利用softmax分類器獲取涉案新聞句級文本的罪名類別；

Step5、采用強(qiáng)化學(xué)習(xí)的方法，由預(yù)測出的罪名類別指導(dǎo)定位關(guān)系指示符抽取關(guān)系，罪名向量參與的當(dāng)前關(guān)系分類向量經(jīng)過softmax分類器獲得當(dāng)前的關(guān)系分類結(jié)果；

Step6、將實(shí)體識別任務(wù)抽象為給每一個字預(yù)測實(shí)體類別標(biāo)簽，采用強(qiáng)化學(xué)習(xí)的方法，依照抽取出的關(guān)系，由預(yù)測出的罪名類別指導(dǎo)實(shí)體識別，罪名分類向量參與的當(dāng)前實(shí)體標(biāo)簽預(yù)測的向量經(jīng)過softmax分類器獲得當(dāng)前字的標(biāo)簽類別結(jié)果；

Step7、根據(jù)強(qiáng)化學(xué)習(xí)的獎勵分別優(yōu)化整個模型的強(qiáng)化學(xué)習(xí)策略，即優(yōu)化三個任務(wù)對應(yīng)的softmax分類器的參數(shù)。

作為本發(fā)明的優(yōu)選方案，所述Step2中的具體步驟為：

Step2.1、將罪名分為三種類型和不存在罪名，將實(shí)體關(guān)系分為七種類型。根據(jù)任務(wù)的需求，定制聯(lián)合罪名預(yù)測的涉案新聞重疊實(shí)體關(guān)系抽取的標(biāo)注體系，分別針對罪名、實(shí)體關(guān)系、實(shí)體關(guān)系的關(guān)聯(lián)實(shí)體對進(jìn)行標(biāo)注。