[發明專利]一種面向法律領域的實體關系聯合抽取方法

在審

• 申請號: 202011625471.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112749283A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 李參宏
• 申請（專利權）人: 江蘇網進科技股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F40/30;G06N3/04;G06N3/08;G06Q50/18
• 代理公司: 蘇州佳博知識產權代理事務所(普通合伙) 32342
• 代理人: 唐毅

1.一種面向法律領域的實體關系聯合抽取方法，其特征在于，其包括以下步驟：

步驟S1：獲取法律領域的文本，并對其進行實體關系三元組標注，構建法律領域的語料庫；

步驟S2：將步驟S1中的文本的內容進行向量化處理，得到文本的向量表示；

步驟S3：搭建法律領域人物、涉案物件實體關系聯合抽取模型；具體的步驟：

步驟S31：對于步驟S2中得到的每一個字向量x_t，利用編碼層的Bi-LSTM分別獲得前向和后向傳播得到的法律領域的文書的特征信息，分別記為

步驟S32：將拼接得到t時刻編碼層的特征向量，記為

步驟S33：將步驟S32編碼層的特征向量輸入到CRF層，用于對法律文書中的人物、涉案物件實體進行識別；將實體識別的結果和編碼層的輸出作為t時刻解碼層Bi-LSTM的輸入，同理分別計算前向和后向傳播得到法律領域的文書的語義信息，分別記為

步驟S34：將進行拼接，得到最終的語義信息即為在t時刻解碼層Bi-LSTM根據文書上下文的信息解析得到的語義向量；

步驟S35：將步驟S34得到的語義向量作為softmax分類器的輸入，分類得到實體對的關系標簽；

步驟S4：對搭建的實體關系聯合抽取模型進行訓練；

步驟S5：利用關系抽取模型，對待處理的法律領域非結構化文書進行人物、涉案物件關系抽取，得到對應的關系三元組。

2.根據權利要求1所述的一種面向法律領域的實體關系聯合抽取方法，其特征在于：所述步驟S1具體為：

步驟S11：根據不同的案件類型，下載法律文書；

步驟S12：對步驟S11處理后的文書進行人物、涉案物品等實體的標注，并對人物-人物、人物-涉案物品進行關系標注，形成關系三元組；

步驟S13：重復步驟S11至步驟S12，直到所有句子都完成標注，即構造法律領域的語料庫。

3.根據權利要求1所述的一種面向法律領域的實體關系聯合抽取方法，其特征在于：所述步驟S2具體為：

步驟S21：對于法律文書中的每一個句子都以字為基本單位，通過使用one-hot編碼方式，對每個字進行one-hot(獨熱)表示，得到句子的one-hot表示；

步驟S22：將句子的one-hot向量作為word2vec模型的輸入，訓練word2vec模型，利用梯度下降算法不斷更新權重矩陣w；

步驟S23：將步驟S22訓練完成的得到的權重矩陣與每個字的one-hot向量相乘，得到每個字的word embedding，最終得到整個語句的word embedding表示。

4.根據權利要求1所述的一種面向法律領域的實體關系聯合抽取方法，其特征在于：所述步驟S4具體為：

步驟S41：對法律領域語料庫進行隨機劃分，令訓練集和測試集的比例為7:3，train_x,test_x,train_y,test_y＝train_test_split(x,y,test_size＝0.3)；

步驟S42：選擇負對數似然函數作為損失函數，由于該模型是實現法律領域人物、涉案物件等實體關系的聯合抽取，因此該損失函數由實體代價函數和關系代價函數兩部分組成，代價函數如下：

其中|S|表示句子的長度，e_i、r_i表示模型分類出的字符的實體標簽和關系標簽，θ表示模型的參數集合；

步驟S43：使用隨機梯度下降算法不斷更新共享參數θ；

步驟S44：對模型進行訓練，并保存訓練后的模型。

5.根據權利要求4所述的一種面向法律領域的實體關系聯合抽取方法，其特征在于：所述步驟S5具體為：

步驟S51：以步驟S41中獲得的測試集作為模型的輸入，對模型進行測試；

步驟S22：對步驟S51所得到的關系三元組結果進行性能評價，其評價指標采用精確率、召回率和F1值，其評估方法如下：

其中，TP表示分類正確的數量，FP表示把負類預測為正類的數量，FN表示把正類預測為負類的數量。