[发明专利]一种基于神经网络的司法领域关系抽取方法及系统

说明书

一种基于神经网络的司法领域关系抽取方法及系统，本发明在原有的开放式神经网络关系抽取框架基础上，构建司法领域专用数据集，并形成司法领域罪名特征集，通过优化神经网络提高关系抽取准确率的方法：首先，从中国裁判文书网获取大量司法领域相关非结构化文本，并用Word2Vec模型，Bert模型等向量转换模型得到文本的向量表示；其次，通过对非结构化文本进行TF‑IDF词频统计，得到不同罪名及案由的特征集，并得到向量表示；然后优化OpenNRE模型及JointNRE模型，得到准确性更高的JudNRE模型；最后，利用JudNRE模型对文本向量，罪名特征向量向量进行处理，得到司法领域关系抽取模型，用于对待处理的司法领域非结构化文本数据进行司法领域关系抽取，得到对应的实体三元组。

技术领域

本发明涉及关系抽取领域，更具体地说，涉及一种基于神经网络的司法领域关系抽取方法及系统。

背景技术

近年来，随着人工智能技术的飞速发展，越来越多的研究工作被投入到实际应用中来。关系抽取作为自然语言处理技术的一种强有力表现形式，也伴随着知识图谱研究的火热而备受关注。就实用性来讲，关系抽取作为一项从非结构化文本中抽取有用信息，快速准确获取结构化数据信息的技术，可以有效减轻人工分析海量数据文本的负担。

当下，针对特定领域的关系抽取主要基于单语言文本，而且大多研究围绕英文展开。目前检察院办案仍需要对大量的裁判文书文本和刑事案件卷宗文本进行人工筛选和分析，而案情文本和卷宗文本多以半结构或纯原始文本的形式呈现，且文本类别繁多，检察官审阅的过程耗时耗力且工作效率较低，而关系抽取技术是帮助用户快速便捷获取信息的可靠媒介。因此，利用现有关系抽取相关技术，结合司法领域文本特点，实现司法领域文本的关系抽取，对检察院高效率高质量办案有着重大的意义。

现存问题：

虽然关系抽取的流程均为获取文本数据、文本分词、自然语言处理、实体对预测、关系推理(大多用到了远程监督)、关系概率预测等步骤，且训练数据较为规范。但通过对已有的司法领域裁判文书文本进行分析，可知其有如下特点：

1、文本包含信息多样；

2、文本独立性强；

3、没有外部数据作为参考。

对完整的司法领域刑事案件卷宗文本进行分析，可知其有如下特点：

1、卷宗涵盖信息完整；

2、卷宗内文本间信息相互关联；

3、待抽取信息较多，仅依托nlp处理较难实现。

故无法预测是否能通过常规的关系抽取方式来处理司法领域文本数据。

发明内容

本发明要解决的技术问题在于，针对现有技术中无法预测是否能通过常规的关系抽取方式来处理司法领域文本数据的技术缺陷，提供了一种基于神经网络的司法领域关系抽取方法及系统。

本发明解决其技术问题所采用的基于神经网络的司法领域关系抽取方法，包含：

S1、获取司法领域非结构化文本数据，然后通过文本预处理，获取每个文本的结论部分，分词后将其作为语料集，并生成每个语料集对应的实体三元组；

S2、对所述司法领域非结构化文本数据进行TF-IDF词频统计，得到不同罪名及案由所一起构成的特征集；

S3、分别得到预料集和特征集的向量表示，然后将语料集向量和特征集向量进行拼接，从而得到语料集的最终向量序列表示；

S4、对最终向量序列表示进行神经网络训练，得到面向司法领域的关系抽取模型；

S5、利用所述关系抽取模型，对待处理的司法领域非结构化文本数据进行司法领域关系抽取，得到对应的实体三元组。