[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

本發明公開一種面向法律領域的實體關系聯合抽取方法，其包括以下步驟：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；將步驟文本的內容進行向量化處理，得到文本的向量表示；搭建法律領域人物、涉案物件實體關系聯合抽取模型；對搭建的實體關系聯合抽取模型進行訓練；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。本發明有益效果：能夠更加準確挖掘法律領域中人物、涉案物件等實體之間的關系。

技術領域

本發明涉及實體關系聯合抽取領域，尤其涉及一種面向法律領域的實體關系聯合抽取方法。

背景技術

法律領域中存在大量人物、涉案物件等實體，且實體之間關系錯綜復雜，難以對法律領域文書中的知識進行高效整合，因此，挖掘法律領域中人物、涉案物件等實體的關系三元組，從而對法律領域相關文書形成結構化知識表示，進而幫助法律相關的從業人員更準確的掌握案情、分析案情，為智能法律中的類案推送、量刑預測等智能服務提供支撐。

目前關系抽取領域大多是采用的管道式抽取方法，即先抽取實體，再對實體進行兩兩組合進行關系預測。管道式抽取方法易實現，但存在誤差傳播的問題，關系抽取的性能在一定程度上取決于實體抽取的性能，并且管道式抽取會產生大量的冗余數據，難以滿足法律領域，尤其是針對法律領域對案情精準掌握的需求。

因此，有必要提供一種新的抽取方法解決上述問題。

發明內容

為解決上述背景技術中提出的問題。本發明提供了一種面向法律領域的實體關系聯合抽取方法，更加準確挖掘法律領域中人物、涉案物件等各實體之間的關系，可在法律領域對案情精準掌握的需求。

為實現上述目的，本發明提供如下技術方案：一種面向法律領域的實體關系聯合抽取方法，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S13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15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。

所述步驟S1具體為：

步驟S11：根據不同的法律案件類型，從中國裁判文書網等網站中下載法律文書；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。

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。