[發明專利]蒙古語裁決文書信息自動標注及抽取方法和裝置

在審

• 申請號: 202110532905.3
• 申請日: 2021-05-17
• 公開（公告）號: CN113435164A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 趙小兵;張亮
• 申請（專利權）人: 中央民族大學
• 主分類號: G06F40/117
• 分類號: G06F40/117;G06Q50/18
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 翟麗紅

1.一種蒙古語裁決文書信息自動標注及抽取方法，其特征在于，所述方法包括：

S1、獲取蒙古語判決文書原始數據；

S2、對所述蒙古語判決文書原始數據進行預處理；

S3、根據預設的屬性標簽體系對預處理后的蒙古語判決文書原始數據進行關鍵要素標注，得到標注文書，所述預設的屬性標簽體系基于漢語判決文書構建；

S4、采用正則表達式對所述標注文書進行信息抽取，得到關鍵信息。

2.如權利要求1所述蒙古語裁決文書信息自動標注及抽取方法，其特征在于，所述方法還包括：

S5、將所述關鍵信息保存預先設置好結構的規則的文本中。

3.如權利要求1～2任一所述蒙古語裁決文書信息自動標注及抽取方法，其特征在于，所述對所述蒙古語判決文書原始數據進行預處理，包括：

S201、將蒙古語判決文書從蒙科立編碼轉換為國際標準編碼；

S202、對變形控制符以及附加成分進行統一轉換；

S203、將全角字符轉換為半角字符，刪除頁碼以及多余段落符。

4.如權利要求1～2任一所述蒙古語裁決文書信息自動標注及抽取方法，其特征在于，所述預設的屬性標簽體系的構建過程包括：

為漢語判決文書的外部屬性標簽設定固定類別性標簽，通過固定類別性標簽對漢語判決文書的進行標注，對標注后的漢語判決文書按外部標簽進行拆分，并從術語、法條知識庫中提煉出屬性標簽體系；對于標簽標注的原則，遵循如下規則：

采用機器自動標注；

在機器自動標注的基礎之上，采用人工校對的方式；

針對漢語判決文書的非結構化部分，將其轉化為結構化文本，轉換步驟如下：

a、分析首尾部結構特征，研究基于結構關系的判決文書首尾部屬性化表示方法，構建結構化屬性標簽匹配規則；

b、分析正文中的基本信息和判決結果的內容特征，研究基于規則的判決書的屬性化表示方法，結合專業術語庫選取關鍵關鍵詞相關信息來制定規則，構建非結構化文本的屬性標簽匹配規則。

5.如權利要求1～2任一所述蒙古語裁決文書信息自動標注及抽取方法，其特征在于，采用正則表達式對標注文書進行信息抽取，得到關鍵信息，包括：

采用正則表達式字符串匹配的方式，對步驟S3中的標注文書進行自動抽取，得到關鍵信息，形成XML模板文件。

6.如權利要求2所述蒙古語裁決文書信息自動標注及抽取方法，其特征在于，所述將所述關鍵信息保存預先設置好結構的規則的文本中，包括：

S501、編寫Python程序，利用正則匹配算法從XML模板文件中抽取關鍵信息；

S502、將抽取出的關鍵信息寫入一個txt文本文件中。

7.一種蒙古語裁決文書信息自動標注及抽取裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取蒙古語判決文書原始數據；

預處理模塊，用于對蒙古語判決文書原始數據進行預處理；

標注模塊，用于根據預設的屬性標簽體系對預處理后的蒙古語判決文書原始數據進行關鍵要素標注，得到標注文書，所述預設的屬性標簽體系基于漢語判決文書構建；

抽取模塊，用于采用正則表達式對標注文書進行信息抽取，得到關鍵信息。

8.如權利要求1所述蒙古語裁決文書信息自動標注及抽取裝置，其特征在于，所述裝置還包括：

規則文本模塊，用于將所述關鍵信息保存預先設置好結構的規則的文本中。

9.一種計算機可讀存儲介質，其特征在于，其存儲用于蒙古語裁決文書信息自動標注及抽取的計算機程序，其中，所述計算機程序使得計算機執行如權利要求1～6任一所述的蒙古語裁決文書信息自動標注及抽取方法。

10.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲器；以及

一個或多個程序，其中所述一個或多個程序被存儲在所述存儲器中，并且被配置成由所述一個或多個處理器執行，所述程序包括用于執行如權利要求1～6任一所述的蒙古語裁決文書信息自動標注及抽取方法。