[發(fā)明專利]基于法規(guī)文本的法律規(guī)則圖譜構(gòu)建方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110744524.1
• 申請日: 2021-06-30
• 公開（公告）號: CN113420126A
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計）人: 陳浩
• 申請（專利權(quán)）人: 北京法意科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/289;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京方韜法業(yè)專利代理事務(wù)所(普通合伙) 11303
• 代理人: 黨小林

1.一種基于法規(guī)文本的法律規(guī)則圖譜構(gòu)建方法，其特征在于，包括：

根據(jù)法律法規(guī)的書寫規(guī)范與文本結(jié)構(gòu)，按立法技術(shù)規(guī)范，將法規(guī)文本由粗到細切分為多層級的文本片，設(shè)計法規(guī)文本的切片模型，并以此分片模型為基礎(chǔ)，結(jié)合法規(guī)文本的立法技術(shù)特征、語義特征，基于規(guī)則的NLP算法，實現(xiàn)對法規(guī)文本的切片并存儲；

根據(jù)法律法規(guī)的法律原理、立法技術(shù)規(guī)范和法律規(guī)則應(yīng)用目標，以整個法規(guī)文本為對象，設(shè)計法規(guī)屬性模型，利用文本分層切片的成果基礎(chǔ)上，采用基于規(guī)則和深度學習混合的算法模型，實現(xiàn)對法規(guī)屬性的提取并存儲；

基于法規(guī)的立法技術(shù)規(guī)范、法條屬性特征，采用深度學習算法模型，實現(xiàn)對法條的自動分類；

根據(jù)法律規(guī)則的業(yè)務(wù)特征，設(shè)計法律規(guī)則結(jié)構(gòu)模型；

在自有法律術(shù)語庫基礎(chǔ)上，針對法規(guī)文本語料，采用專家詞庫、基于規(guī)則的自舉法和卷積神經(jīng)網(wǎng)絡(luò)混合的模式，構(gòu)建法律術(shù)語庫；

利用構(gòu)建的法律術(shù)語庫，基于深度學習的關(guān)系抽取模型，構(gòu)建法律術(shù)語概念圖譜，圖譜采用標準的三元組存儲；

針對法規(guī)語料，根據(jù)法律規(guī)則模型中的不同類型特征，融合法律術(shù)語庫，采用基于規(guī)則和深度學習混合的方法，識別法律術(shù)語之間的關(guān)系，并根據(jù)法律規(guī)則結(jié)構(gòu)模型，生成法規(guī)語料中存在的法律規(guī)則，并記錄法律規(guī)則與語料的鏈接關(guān)系；

利用構(gòu)建的法律術(shù)語概念圖譜，結(jié)合當前法規(guī)文本或其他法規(guī)文本中的上下文語義指代，開展單一法律規(guī)則之間的規(guī)則推理，生成新的法律規(guī)則；

按照抽取的法律規(guī)則的類型，在對應(yīng)的法律規(guī)則結(jié)構(gòu)模型中進行存儲。

2.根據(jù)權(quán)利要求1所述的基于法規(guī)文本的法律規(guī)則圖譜構(gòu)建方法，其特征在于，根據(jù)法律法規(guī)的書寫規(guī)范與文本結(jié)構(gòu)，按立法技術(shù)規(guī)范，將法規(guī)文本由粗到細切分為多層級的文本片，設(shè)計法規(guī)文本的切片模型，并以此分片模型為基礎(chǔ)，結(jié)合法規(guī)文本的立法技術(shù)特征、語義特征，基于規(guī)則的NLP算法，實現(xiàn)對法規(guī)文本的切片并存儲，包括：

總結(jié)法規(guī)文本書寫規(guī)范和文本結(jié)構(gòu)，將文本各段落按照邏輯關(guān)系劃分出多層級的文本片，對法規(guī)文本的一級文本片進行分析；

基于法規(guī)文本的切片業(yè)務(wù)特征、立法技術(shù)規(guī)范和語義特征，采用基于規(guī)則的NLP算法模型，實現(xiàn)對法規(guī)文本的多層級切片，在切片基礎(chǔ)上，結(jié)合法規(guī)不同切片層級的立法技術(shù)規(guī)范和語義特征，采用基于規(guī)則和深度學習混合的算法模型，提取每個層級切片的基本屬性和文本內(nèi)容；

設(shè)計文書切片模型用以存儲法規(guī)文本各層級切片。

3.根據(jù)權(quán)利要求1所述的基于法規(guī)文本的法律規(guī)則圖譜構(gòu)建方法，其特征在于，根據(jù)法律法規(guī)的法律原理、立法技術(shù)規(guī)范和法律規(guī)則應(yīng)用目標，以整個法規(guī)文本為對象，設(shè)計法規(guī)屬性模型，利用文本分層切片的成果基礎(chǔ)上，采用基于規(guī)則和深度學習混合的算法模型，實現(xiàn)對法規(guī)屬性的提取并存儲，包括：

總結(jié)法律法規(guī)關(guān)于法的淵源、法的效力、法的分類等基本法律原理，結(jié)合立法技術(shù)規(guī)范關(guān)于法律立改廢的技術(shù)要求，以及本專利涉及到法律規(guī)則在法律適用層面的應(yīng)用目標，對法規(guī)作為整體的屬性維度進行建模；

設(shè)計法規(guī)文本的屬性模型用以存儲法規(guī)文本各各屬性；

基于法規(guī)各種屬性的業(yè)務(wù)內(nèi)涵、屬性所在位置特征、屬性語義特征，采用基于規(guī)則的NLP算法模型，實現(xiàn)對法規(guī)文本基于切片結(jié)果自身包含有屬性信息的部分屬性進行自動提取；

針對基于法規(guī)文本之間的屬性關(guān)聯(lián)才能形成提取和賦值的法規(guī)屬性，采用構(gòu)建法規(guī)屬性庫并基于屬性庫利用推理規(guī)則的方法，實現(xiàn)對這部分法規(guī)屬性的自動生成。

4.根據(jù)權(quán)利要求1所述的基于法規(guī)文本的法律規(guī)則圖譜構(gòu)建方法，其特征在于，基于法規(guī)的立法技術(shù)規(guī)范、法條屬性特征，采用深度學習算法模型，實現(xiàn)對法條的自動分類，包括：

設(shè)計分類體系，對于法條的分類，屬于文本多分類問題的解決范疇；

標注一批分類學習樣本，獲取一批法條分段，進行分類標注，分成訓練、驗證、測試三份樣本集；

采用TextBiLSTM+Attention神經(jīng)網(wǎng)絡(luò)，結(jié)合預訓練語言模型AlBert的微調(diào)，訓練法條分類算法模型；

應(yīng)用法條分類模型，對條文進行分類，并將條文分類存儲于法條的“技術(shù)分類”屬性中。