[发明专利]一种信息处理方法及相关设备

说明书

本发明实施例提供了一种信息处理方法及相关设备，可以解析出更符合裁判文书的要素标签。该方法包括：获取目标司法文书，所述目标司法文书为待解析要素标签的司法文书；确定所述目标司法文书对应的目标标注句子以及所述目标标注句子对应的目标要素标签；对所述目标标注句子以及所述目标要素标签均进行分词和特征向量化处理，得到所述目标标注句子对应的目标句子向量以及所述目标要素标签对应的目标要素向量；将所述目标句子向量以及所述目标要素向量输入预设检索模型，得到所述目标司法文书对应的要素标签。

技术领域

本发明涉及信息处理领域，特别涉及一种信息处理方法及相关设备。

背景技术

人工智能+司法正如火如荼的进行着，如何利用裁判文书网公开的4000万篇文书，为公检法提供有效的支持，减少司法人员重复性工作，提高工作效率，推动司法的透明和公正，是一件非常有意义的事情。在如何利用司法文书中，文书的结构化是一个非常重要的过程，而对文书进行要素标签解析又是司法结构化的基础，该工作可以使文书以要素标签的形式得以呈现，使得法律工作者无需从头到尾阅读整篇文书才能总结该文书涉及的主要事项，而是只要浏览文书的要素标签即可。将文书进行要素标签解析后，文书的要素标签可以用于类案推送、知识图谱构建、文书简化、文书对比等等多项工作。

目前的要素标签解析工作主要有两种方法，一是利用规则的方式进行提取，例如利用关键词、正则表达式等匹配文书，得到文书涉及的要素标签；二是通过标注数据，给每篇文书(按段落或者句子)打上标签，然后利用机器学习或者深度学习算法进行分类，相当于作为多类标分类进行要素标签的解析。

前者的缺点在于对于裁判文书尤其是民事文书，总结规则完全依靠人力，每个正则表达式都非常复杂，尤其针对民事文书，对于同一个要素标签会有各种各样完全不同的描述，总结规律非常复杂，且效果往往不好，准确率和召回率难以兼顾。而后者的缺点在于，要训练一个多类标分类的深度学习模型，需要的标注数据需要非常可观，且一般情况下会存在严重的数据倾斜问题，即少量要素标签在少量文书中即可标注积累大量数据，而大量的数据标注很多数据也只能积累少量数据，数据的严重倾斜会导致模型的效果不是很好。

发明内容

本发明实施例提供了一种信息处理方法及相关设备，可以解析出更加符合裁判文书的要素标签，使得后续依靠要素标签的操作更加流畅。

本发明实施例第一方面提供了一种信息处理方法，具体包括：

获取目标司法文书，所述目标司法文书为待解析要素标签的司法文书，所述要素标签用于指示所述目标司法文书的中心思想；

确定所述目标司法文书对应的目标标注句子以及所述目标标注句子对应的目标要素标签，所述目标标注句子为所述目标司法文书中有标注价值的句子；

对所述目标标注句子以及所述目标要素标签均进行分词和特征向量化处理，得到所述目标标注句子对应的目标句子向量以及所述目标要素标签对应的目标要素向量；

将所述目标句子向量以及所述目标要素向量输入预设检索模型，得到所述目标司法文书对应的要素标签，所述预设检索模型是通过预定司法领域对应的第一特征向量集合以及第二特征向量集合训练得到，其中，所述第一特征向量集合包括所述预定司法领域内的所有给定司法文书中每个司法文书的标注句子的特征向量，所述第二特征向量集合包括所述给定司法文书中每个司法文书的标注句子对应要素标签的特征向量，所述标注句子为所述每个司法文书中有提取要素标签价值的句子。

可选地，所述将所述目标句子向量以及所述目标要素向量输入预设检索模型，得到所述目标司法文书对应的要素标签之前，所述方法还包括：

获取训练数据，所述训练数据包括所述每个司法文书中的标注句子以及所述每个司法文书中的标注句子对应的要素标签，所述训练数据与所述预设检索模型相对应；

将所述训练数据进行预处理，以得到所述第一特征向量集合以及所述第二特征向量集合；