[发明专利]一种基于多头注意力的法律案例相似度计算方法及系统

权利要求书

1.一种基于多头注意力的法律案例相似度计算方法，其特征在于，该方法包括：

1) 将待计算相似度的两个案例的案情描述输入案例法律关系识别模型，分别抽取两个案例中的法律关系形成的三元组，所述三元组中包含头实体、关系和尾实体，并依据所述三元组构建案情知识图谱；所述案例法律关系识别模型的构建方法包括以下步骤：

1a) 确定对计算案例相似度具有影响或影响较大的实体和关系，构建案例法律关系识别模型训练数据集；

1b) 构建所述实体识别模块，所述实体识别模块采用基于BiLSTM-CRF的实体识别网络构建；

1c) 构建所述关系抽取模块，所述关系抽取模块采用基于BERT的关系抽取网络构建；

2) 通过多头注意力机制将所述案情知识图谱转化为向量化表示，包括以下步骤：

2a) 初始化所述三元组的头实体、关系和尾实体的向量化表示；

2b) 将所述三元组的实体和关系的向量化表示联结起来，使用投影矩阵计算所述三元组的特征向量；

2c) 使用leakyReLU计算所述三元组的注意力值；

2d) 使用softmax函数计算出具有相同头实体的三元组的相对注意力值；

2e) 通过所述三元组的相对注意力值和所述特征向量计算所述实体新的向量化表示；

2f) 使用多头注意力机制封装复杂的法律关系并再次更新所述实体的向量化表示；

3）将所述案情的向量化表示输入深度案情感知模型，获取两个案例的相似度；所述深度案情感知模型为已训练好的模型，所述深度案情感知模型构建方法具体为：

3a) 获取一定量的基于某案由案例的相似案例对，所述相似案例对为正例，随机替换部分相似案例对中的一个案例形成负例，构建相似案例数据集；

3b) 分别将所述相似案例数据集中的案例对输入所述案例法律关系识别模型，分别构建案情知识图谱，并使用所述多头注意力机制分别获得每个案例的案情知识图谱的向量化表示；

3c) 分别将所述相似案例对的实体和关系的向量化表示联结起来，构建深度案情感知网络，使用所述案例的向量化表示训练所述网络得到所述深度案情感知模型。

2.根据权利要求1所述的基于多头注意力的法律案例相似度计算方法，其特征在于，所述案例法律关系识别模型包括：用于识别所述案情描述中实体的实体识别模块和用于识别所述案情描述中所述实体之间关系的关系抽取模块；在对结构化文本和类结构化文本的所述案情描述进行识别时，所述实体识别模块采用基于规则的实体识别方式识别出实体。

3.根据权利要求1或2所述的基于多头注意力的法律案例相似度计算方法，其特征在于，所述案情描述，包括存在于起诉书、上诉书、判决文书中的案情描述和记载了案例案情信息的非正式法律文本中的案情描述。

4.一种应用权利要求1-3中任一项所述基于多头注意力的法律案例相似度计算方法的基于多头注意力的法律案例相似度计算系统，其特征在于，该系统包括：

案情知识图谱构建模块，所述案情知识图谱构建模块用于将待计算相似度的两个案例的案情描述输入所述案例法律关系识别模型，进而分别抽取两个案例中的法律关系形成的三元组，并依据所述三元组构建案情知识图谱，所述三元组中包含头实体、关系和尾实体；

与所述案情知识图谱构建模块信号连接的案情知识图谱表征模块，所述案情知识图谱表征模块用于通过多头注意力机制将所述案情知识图谱转化为向量化表示；

与所述案情知识图谱表征模块信号连接的深度案情感知网络模块，所述深度案情感知网络模块用于将所述向量化表示输入所述深度案情感知模型，得到两个案例的相似度。

5.根据权利要求4所述的基于多头注意力的法律案例相似度计算系统，其特征在于，所述案例法律关系识别模型包括：

用于识别所述案情描述中实体的实体识别模块；

与所述实体识别模块信号连接，用于识别所述实体之间关系的关系抽取模块；

所述关系抽取模块通过找到包含两个所述实体的句子，从所述句子中抽取出两个所述实体之间的关系，两个所述实体包括头实体、尾实体。