[发明专利]司法文书的结构化分析方法及系统

权利要求书

1.一种司法文书的结构化分析方法，其特征在于，包括：

根据不同案件类型司法文书的书写规范与文书结构，按法院的业务标准，将文书由粗到细切分为多层级的文本切片，生成文书切片模型，其中，案件类型包括：刑事、民事、行政、执行、赔偿；

分析法律标准和法院业务需求，确定司法文书中包含的信息项及信息项之间的隶属关系，生成文书信息项模型；

对预先构建信息项模型中的复杂信息项，构建关系模型，构建专家规则库，创建带标注的司法文书样本集；

以司法文书样本集为输入，以文本片的内容特征为依据，输出文书切片模型；

提取来源于各切片或已提取的信息项，基于规则与统计混合NLP结构化技术，构建文书信息项模型；

将文书的切片及文书信息项模型输出为XML结构化文档。

2.根据权利要求1所述的司法文书的结构化分析方法，其特征在于，以司法文书为输入，以文本片的内容特征为依据，输出文书切片模型，包括：

对文书的关键特征进行初步扫描，先识别出文书所属的案件类型以及文书类型，其中，关键特征包括：案号、文书类型、审判员；

根据步骤识别的结果，分析引擎调用相应的切分规则和算法，进行一级文本片切分；

分析引擎调用相应的切分规则和算法进行二级文本片的切分；

根据信息项提取对段落切分颗粒度大小的要求，决定是否要进行细切；

如果不需要细切，根据各文本片特征以及切片方法，将整篇文书进行层层切分后，以树状结构加入文书切片模型中。

3.根据权利要求1所述的司法文书的结构化分析方法，其特征在于，提取来源于各切片或已提取的信息项，基于规则与统计混合NLP结构化技术，构建文书信息项模型，包括：

根据识别到的案件及文书类型，加载相应的专家规则及算法模型；

采用NLP技术对切片中的句子进行分词、词性标注、句法依存分析，将切片按自然段、句子构建出树状结构；

根据命名实体的类别，采用对应的识别算法识别命名实体；

以专家规则和深度学习相结合的方式对非事实实体进行过滤；

执行命名实体的指代消解和对齐；

通过从不同句子分别构建实体三元组，最终组合成文本片的关系图，以识别出实体与实体之间的关系；

根据三元组对象集合，以实体为节点、关系为边构建人-行为-实体等关系的有向图结构的三元组图谱，进而通过图的推理，识别出实体间距离更远的关系；

各切片完成各自对应的信息项模型构建后，文书解析器将各逻辑段信息项模型组装成文书信息项模型。

4.根据权利要求3所述的司法文书的结构化分析方法，其特征在于，采用NLP技术对切片中的句子进行分词、词性标注、句法依存分析，将切片按自然段、句子构建出树状结构，包括：

对司法文书内容进行预处理，清除干扰项；

基于司法文书的常用表述，采用模式匹配的方式将句子进行压缩；

以句子为单位，进行分词及词性标注；

对分词及词性标注结果进行修正；

对句子进行依存句法分析。

5.根据权利要求3所述的司法文书的结构化分析方法，其特征在于，以专家规则和深度学习相结合的方式对非事实实体进行过滤，包括：

采用专家规则进行非事实实体过滤；

采用深度学习进行非事实实体过滤。

6.根据权利要求3所述的司法文书的结构化分析方法，其特征在于，执行命名实体的指代消解和对齐，包括：

构建人名、金额等实体的指代词库，采用模式匹配的方式，从句法依存关系中分析依赖成分缺失或指代的部份，进行前向搜索，以完成实体的补齐；

执行相同实体的对齐。