[發明專利]一種基于相關圖信息進行因果推斷的案由認定方法及系統

在審

• 申請號: 202210178807.9
• 申請日: 2022-02-25
• 公開（公告）號: CN114429140A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 李玉軍;郭潤東;賁晛燁;胡偉鳳;趙思文;劉保臣
• 申請（專利權）人: 山東大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/279;G06F40/284;G06F16/35;G06N3/04;G06Q50/18
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 楊樹云

1.一種基于相關圖信息進行因果推斷的案由認定方法，其特征在于，包括：

獲取案件的事實描述，包括案件主體、案件情節和案件結果；

根據案件的事實描述抽取關鍵信息；

利用GFCI算法構建因果圖并采樣得到因果子圖，包括通過KeyBERT算法獲取案件的關鍵字，并對案件的關鍵字進行聚類；

對因果子圖的邊進行因果強度的估計，并結合BIC算法得到因果圖的因果強度，得到判決結果；

利用因果圖的因果強度構造輔助loss，提升BiLSTM-Att模型性能，得到訓練好的BiLSTM-Att模型；

對待認定的案件，獲取案件的事實描述，輸入至訓練好的BiLSTM-Att模型中，得到案由認定結果。

2.根據權利要求1所述的一種基于相關圖信息進行因果推斷的案由認定方法，其特征在于，所述通過KeyBERT算法獲取案件的關鍵字，包括使用BERT提取文檔嵌入以獲得文檔級向量表述，并為N-garm詞提取詞向量，利用余弦相似度來找到與文檔最相似的單詞。

3.根據權利要求1所述的一種基于相關圖信息進行因果推斷的案由認定方法，其特征在于，所述對案件的關鍵字進行聚類，包括將案件的關鍵字分為K組，并隨機選取K個對象作為初始的聚類中心，再通過計算每個對象與各個聚類中心的距離，將每個對象分配給距離其最近的聚類中心。

4.根據權利要求1所述的一種基于相關圖信息進行因果推斷的案由認定方法，其特征在于，所述構建因果圖，還包括通過因果推斷，判斷是否建立邊以及邊的類型。

5.根據權利要求1所述的一種基于相關圖信息進行因果推斷的案由認定方法，其特征在于，對因果子圖的邊進行因果強度的估計，并結合BIC算法得到因果圖的因果強度，得到判決結果，包括：

利用ATE對因果子圖的邊進行因果強度的估計，得到

使用BIC對每個因果子圖進行質量的評估，得到BIC(G_q,X)；

計算總的因果強度將每個因果子圖的質量BIC(G_q,X)以及相結合得到：

其中，Y_i表示案由c_i被提交，代表在因果字圖G_q中的因果強度，如果T_j→Y_i在圖G_q中不存在則為0；

通過總的因果強度計算每個案由的得分，將得分送到隨機森林模型中判斷該因果圖對應的到底是哪一類案由。

6.根據權利要求1所述的一種基于相關圖信息進行因果推斷的案由認定方法，其特征在于，通過總的因果強度計算每個案由的得分，包括：對于案由Y_i來說，其得分S(Y_i)為：

其中τ(T_j)表示在這個案件中存在T_j，而Tr(Y_i)是Y_i的處理集合。

7.根據權利要求1所述的一種基于相關圖信息進行因果推斷的案由認定方法，其特征在于，所述利用因果圖的因果強度構造輔助loss，提升BiLSTM-Att模型性能，得到訓練好的BiLSTM-Att模型，包括：

將得到的案件的事實描述進行詞嵌入embedding；

將embedding的結果輸入到BiLSTM中；

在計算loss階段，引入輔助loss，通過利用之前得到的因果子圖所對應的因果強度，將其引入以輔助attention部分，計算公式為：

L＝L_cross+αL_cons；

其中a_i是每個詞在attention中的權重，g_i是因果強度的歸一化的值，L_cross則是交叉熵loss的值。