[發(fā)明專利]一種基于深度學(xué)習(xí)混合模型的爭(zhēng)議焦點(diǎn)檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110007332.2
• 申請(qǐng)日: 2021-01-05
• 公開（公告）號(hào): CN112613582B
• 公開（公告）日: 2022-06-24
• 發(fā)明（設(shè)計(jì)）人: 鄧維斌;朱坤;胡峰;李云波;王崇宇;彭露;黃龍海;陳航
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F40/279;G06F40/211;G06F40/216;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種基于深度學(xué)習(xí)混合模型的爭(zhēng)議焦點(diǎn)檢測(cè)方法，其特征在于：所述方法包括以下步驟：

S1、構(gòu)建爭(zhēng)議焦點(diǎn)樹庫(kù)，剔除冗余的爭(zhēng)議焦點(diǎn)，得到爭(zhēng)議焦點(diǎn)標(biāo)簽集合C；

S2、從爭(zhēng)議焦點(diǎn)樹庫(kù)中獲得案例文件，從案例文件中提取原告和被告的訴辯內(nèi)容，利用構(gòu)建好的爭(zhēng)議焦點(diǎn)樹庫(kù)，結(jié)合先驗(yàn)知識(shí)及人工規(guī)則，完成數(shù)據(jù)的標(biāo)注，并統(tǒng)一為“原告訴稱”+“被告辯稱”+“爭(zhēng)議焦點(diǎn)標(biāo)簽”格式，得到數(shù)據(jù)集；

S3、采用先驗(yàn)知識(shí)與主動(dòng)學(xué)習(xí)相結(jié)合的方法擴(kuò)充數(shù)據(jù)集，得到完整可訓(xùn)練的數(shù)據(jù)集；

S4、將步驟S3得到的數(shù)據(jù)集進(jìn)行中文數(shù)據(jù)預(yù)處理，并將預(yù)處理后的數(shù)據(jù)轉(zhuǎn)換為模型輸入所需要的數(shù)據(jù)格式；

S5、利用BERT-wwm全字掩蔽模型訓(xùn)練得到文本字向量矩陣，將文本字向量矩陣同時(shí)作為雙向LSTM網(wǎng)絡(luò)模型和TextCNN網(wǎng)絡(luò)模型的輸入；

S6、使用雙向LSTM網(wǎng)絡(luò)模型提取文本全局語義特征；在TextCNN模型中利用不同大小的卷積核提取文本不同粒度的局部語義特征；將兩個(gè)模型的概率結(jié)果進(jìn)行平均計(jì)算，設(shè)定閾值進(jìn)行預(yù)測(cè)，輸出概率超過閾值的爭(zhēng)議焦點(diǎn)；

所述S6具體為：

設(shè)定閾值進(jìn)行預(yù)測(cè)，輸出概率超過閾值的爭(zhēng)議焦點(diǎn)定義為：

將BERT-wwm全字掩蔽輸出的字向量矩陣作為雙向LSTM模型和TextCNN模型的輸入；

TextCNN模型中使用一維卷積，并設(shè)置大小不同的卷積核提取多個(gè)粒度的局部特征，兩個(gè)模型分別預(yù)測(cè)每個(gè)爭(zhēng)議焦點(diǎn)標(biāo)簽得分，該爭(zhēng)議焦點(diǎn)標(biāo)簽的列數(shù)為|C|，使用sigmod函數(shù)激活得到每個(gè)標(biāo)簽的概率值，將兩個(gè)模型的得到的概率結(jié)果算數(shù)平均，在[0.5，0.7]數(shù)值范圍內(nèi)按步長(zhǎng)0.01設(shè)置閾值，超過閾值則預(yù)測(cè)為該標(biāo)簽存在爭(zhēng)議焦點(diǎn)，用1表示；低于閾值則預(yù)測(cè)為該標(biāo)簽不是爭(zhēng)議焦點(diǎn)，用0表示。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)混合模型的爭(zhēng)議焦點(diǎn)檢測(cè)方法，其特征在于：

所述步驟S1中，爭(zhēng)議焦點(diǎn)樹庫(kù)的構(gòu)建具體為：根據(jù)案由將案件分為民事案件、刑事案件和行政案件三類；

該民事案件包括民間借貸糾紛、機(jī)動(dòng)車交通事故責(zé)任糾紛、離婚糾紛、追索勞動(dòng)報(bào)酬糾紛和股權(quán)轉(zhuǎn)讓糾紛；

該刑事案件包括盜竊罪、詐騙罪、危險(xiǎn)駕駛罪、故意傷害罪和受賄罪；

該行政案件包括勞動(dòng)和社會(huì)保障行政管理、道路交通管理、房屋拆遷管理、商標(biāo)行政管理和金融行政管理；

針對(duì)每一類案由，結(jié)合法學(xué)知識(shí)，歸納出相應(yīng)的爭(zhēng)議焦點(diǎn)，并導(dǎo)入爭(zhēng)議焦點(diǎn)的原告和被告表述文本及相應(yīng)的裁判文書，形成爭(zhēng)議焦點(diǎn)樹；

根據(jù)真實(shí)的且法律適用的爭(zhēng)議焦點(diǎn)及其性質(zhì)，對(duì)每一類爭(zhēng)議焦點(diǎn)樹進(jìn)行再次的歸納、篩選、梳理、抽象提取和文本編輯，最終完成對(duì)案由案件的爭(zhēng)議焦點(diǎn)樹庫(kù)的構(gòu)建。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)混合模型的爭(zhēng)議焦點(diǎn)檢測(cè)方法，其特征在于：所述步驟S3中，擴(kuò)充數(shù)據(jù)具體為：

從爭(zhēng)議焦點(diǎn)樹庫(kù)取得標(biāo)注好的數(shù)據(jù)后，通過研究法律文本規(guī)范性的特征，對(duì)每一個(gè)爭(zhēng)議焦點(diǎn)撰寫規(guī)則，選取隨機(jī)森林作為分類器，通過查詢函數(shù)在未標(biāo)注的樣本數(shù)據(jù)集中查詢信息量大的樣本，利用先驗(yàn)知識(shí)和規(guī)則對(duì)這些未標(biāo)注的樣本進(jìn)行標(biāo)注糾正，迭代訓(xùn)練，完成對(duì)數(shù)據(jù)的擴(kuò)充。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)混合模型的爭(zhēng)議焦點(diǎn)檢測(cè)方法，其特征在于：所述步驟S4中，數(shù)據(jù)預(yù)處理具體為：

讀取文本，提取原告訴稱和被告辯稱文本內(nèi)容，去除文本中的英文字符、表情和亂碼，對(duì)文本進(jìn)行分句；

使用分詞工具和司法領(lǐng)域?qū)Ｓ凶值鋵?duì)句子分詞，去除停用詞；

計(jì)算句子得分，選取得分排名靠前的句子，并保持句子在原文本中的順序。

5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)混合模型的爭(zhēng)議焦點(diǎn)檢測(cè)方法，其特征在于：所述計(jì)算句子得分為：利用詞頻逆文本頻率指數(shù)TF-IDF方法計(jì)算句子中每一個(gè)詞的tf-idf值，句子的得分score為所有詞的tf-idf值之和。