[發明專利]基于弱監督學習和聯合學習機制的法律問答方法及設備

有效

• 申請號: 202110474027.4
• 申請日: 2021-04-29
• 公開（公告）號: CN113297360B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 朵思惟;余梓飛;張程華
• 申請（專利權）人: 天津匯智星源信息技術有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F16/35;G06Q50/18
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 孫曉鳳

本公開提供一種基于弱監督學習和聯合學習機制的法律問答方法及設備。該方法包括：獲取用戶輸入的法律問題；利用預先構建的多標簽分類模型和預設的法律標簽集合，基于聯合學習機制對所述法律問題進行分類，以得到所述法律問題的法律標簽；從法律問答對數據庫中檢索出與所述法律標簽相關聯的候選法律問答對；輸出至少一個所述候選法律問答對中的答案作為對所述法律問題的答復。本公開提供的基于弱監督學習和聯合學習機制的法律問答方法及設備，針對口語化的提問方式給出了一套法律咨詢的智能問答方法，改善了傳統方法不能很好的識別和理解口語化法律問題并將其意圖進行精準分類的缺陷。

技術領域

涉及人工智能技術領域，尤其涉及一種基于弱監督學習和聯合學習機制的法律問答方法及設備。

背景技術

隨著我國經濟社會的不斷發展，人民群眾的民主法制意識逐漸增強，法律咨詢的需求也日益增多。由于律師和專業法律從業人員的資源緊缺，很多咨詢不能得到及時準確的回復。人工智能在法律領域的應用為法律咨詢市場供需不平衡的問題提供了可行的解決方案。

法律咨詢過程中，當事人大多是通過口語化的表達方式對法律問題進行法律問題，表述中往往不包含相關的法律專業詞匯。傳統的方式通過將用戶咨詢的問題和法律關鍵詞詞典進行匹配來分析用戶問題的意圖，然后將對應問題的答案推送給用戶。但由于用戶提問大多偏向口語化，多數情況下并不能將一段口語化的法律問題準確地解析為相對應的法律術語，因此在實際場景的應用中有很大的局限性。

發明內容

有鑒于此，本公開的目的在于提出一種基于弱監督學習和聯合學習機制的法律問答方法及設備。

基于上述目的，本公開提供了一種法律問答方法，包括：

獲取用戶輸入的法律問題；

利用預先構建的多標簽分類模型和預設的法律標簽集合，基于聯合學習機制對所述法律問題進行分類，以得到所述法律問題的法律標簽；

從法律問答對數據庫中檢索出與所述法律標簽相關聯的候選法律問答對；

輸出至少一個所述候選法律問答對中的答案作為對所述法律問題的答復，

其中，所述多標簽分類模型是經過基于弱監督學習的預訓練和基于強監督學習的訓練的。

進一步的，基于聯合學習機制對所述法律問題進行分類以得到所述法律問題的法律標簽包括：

利用分詞算法對所述法律問題進行分詞處理；

利用第一BERT預訓練模型分別對經過分詞處理的所述法律問題和所述法律標簽集合進行嵌入，以得到所述法律問題的詞向量序列和所述法律標簽集合的標簽向量序列；

對于所述詞向量序列中的每個詞向量，分別計算該詞向量與所述標簽向量序列中的各個標簽向量的余弦相似度，并確定所述余弦相似度中的最大值作為該詞向量的權重系數；

基于所述詞向量序列中的各個詞向量的所述權重系數，得到所述法律問題的加權向量表示；

對所述加權向量表示和所述法律標簽集合應用多標簽分類算法，以得到所述法律標簽集合的針對所述法律問題的得分向量；

確定所述得分向量中數值超過預設閾值的分量作為目標分量；

將所述法律標簽集合中與所述目標分量對應的法律標簽作為所述法律問題的法律標簽。

進一步的，輸出至少一個所述候選法律問答對中的答案作為對所述法律問題的答復包括：

對于所述候選法律問答對中的每一個候選法律問答對，通過第二BERT預訓練模型得到該候選法律問答對中的問句與所述法律問題的語義相似度；

將得到的多個所述語義相似度按從大到小的順序排序；