[发明专利]基于LSTM网络的法条语义标注方法及装置

说明书

本发明涉及一种基于LSTM网络的法条语义标注方法及装置，包括获取待分析文本；对待分析文本进行分析处理，以获取待分析文本的所有单词和单词对应的词性标注，转化为D维词向量输入到全连接神经网络中获取特征编码；将待分析文本的词性标注与预设数据库中文本的词性标注进行对比获取最匹配文本，获取最终向量表示；将最终向量表示输入全连接神经网络，输出待分析文本中每个单词的语义角色标注；本发明可以自动分析法律法条中的施事者、受事者、时间、地点等要素，能够辅助相关人员理解法条语义，并为更高层的法律信息化应用提供支持，可以有效提高工作人员的工作效率。

技术领域

本发明属于自然语言处理技术领域，具体涉及一种基于LSTM网络的法条语义标注方法及装置。

背景技术

现有的浅层语义分析如语义角色标注的方法，大都需要结合一定程度的句法分析或人工提取的特征，在语义分析的过程中，这样的句法分析存在一定的错误率，导致之后的语义分析结果出现错误。自然语言处理中的语义角色标注任务一直存在着诸多技术难题。近年来随着深度学习技术的迅速发展，对英文、中文的语义角色标注效果有了较大的提升，在多个语言领域的数据集上取得了很好的效果。

但是随着司法领域，案件、法律数量不断增长，给从事法律相关工作的人员带来了较大的压力，即使专业的律师也很难做到熟悉所有的法律法条，而在从海量法律文本中获取案件相关内容的过程中需要耗费大量的时间精力且工作效率低。因此，通过人工智能辅助相关从业人员的工作成为了亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于LSTM网络的法条语义标注方法及装置，以解决现有技术中从海量法律文本中获取案件相关内容需要耗费大量的时间精力以及工作效率低的问题。

为实现以上目的，本发明采用如下技术方案：一种基于LSTM网络的法条语义标注方法，包括：

获取文本并对所述文本进行预处理以获取待分析文本；

对所述待分析文本进行分析处理，以获取待分析文本的所有单词和所述单词对应的词性标注，采用词向量模型将所有所述单词转化为D维词向量，将所有的所述D维词向量输入到全连接神经网络中获取所有所述单词的特征编码；

将所述待分析文本的词性标注与预设数据库中文本的词性标注进行对比获取所述预设数据库中的最匹配文本，将所述最匹配文本的语义角色标注和所述语义角色标注对应的位置信息向量化，得到特征向量；

将所述特征编码与所述特征向量进行复合，获取最终向量表示；

将所述最终向量表示输入全连接神经网络，输出所述待分析文本中每个单词的语义角色标注。

进一步的，所述获取文本并对所述文本进行预处理以获取待分析文本，包括：

对文本进行规范化处理，得到标准的数据输入形式的待分析文本；所述标准的数据输入形式的待分析文本为指定中心谓词的文本。

进一步的，所述中心谓词包括：

行政主体、行政相对人、时间、地点。

进一步的，所述对所述待分析文本进行分析处理，以获取待分析文本的所有单词和所述单词对应的词性标注，包括：

采用中文分词工具以及词性标注工具对所述待分析文本根据法律词典进行拆分；

获取所述分析文本的所有单词以及所述单词对应的词性标注。

进一步的，将所有的所述D维词向量输入到全连接神经网络中获取所有所述单词的特征编码，包括：

将所有的所述D维词向量依次输入到全连接神经网络中，所述全连接神经网络设有特征编码器，所述特征编码器包括4层堆叠的双向LSTM，包括：第一层LSTM，第二层LSTM，第三层LSTM，第四层LSTM；