[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

说明书

一种基于多头注意力的法律案例相似度计算方法，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；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；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。本申请的技术方案，能够通过计算相似度，提升法律中类案检索和类案推荐等应用场景的准确度。

技术领域

本发明涉及一种基于多头注意力的法律案例相似度计算方法，具体涉及一种基于多头注意力的法律案例相似度计算方法，属于文本识别技术领域；本发明还涉及一种基于多头注意力的法律案例相似度计算系统。

背景技术

作为成文法国家，法院裁判依照法律条文而非先例，但民众朴素的法治情感要求“类案同判”，尤其是同一法院在较短时间内出现“类案不同判”对司法公信力影响极大，因此研究案例相似度计算以精准匹配相似案例对实现司法公正具有重要意义。在实际应用中，司法工作者通常使用全文检索、关键词匹配和关键词限制检索来筛选案例，之后仍依赖人工判断筛选出的案例与目标案例是否相似，因此耗时长且效率低。

在科研领域计算案例相似度的方法主要可以分为三类：第一类、基于词向量法，比如使用法律文本中的名词构成向量空间，通过TF-IDF计算法律文本相似度；或者使用法律专业词汇构成向量空间，通过余弦相似度公式计算法律文本的相似度。第二类、基于词嵌入模型,利用层级注意力机制来改进孪生网络结构中的文档表示，并压缩文档内容避免了长文档的数据稀疏问题。或者使用非对称孪生网络的新闻与案件相关性计算方法，解决了文本不平衡和新闻文本冗余的问题。第三类、基于事件模板，按照预定义的事件模板从医疗纠纷案例中抽取出医疗事件，通过事件元组的相似度来计算案例的相似度。

词向量法和词嵌入模型不涉及法律领域知识，不考虑法律文本特点，因此基于这两种方法计算出的相似度不够准确。基于事件模板考虑了法律领域知识，但在实际中相同案由的案件中事件极其相似，以民间借贷为例，其中的事件都为何时何地借款，何时何地追债等。因此按照预定义的事件模式抽取事件，只能粗粒度的表示案件，没有包含影响案件相似度计算的关键信息，匹配准确度不高。

因此，如何提供一种基于多头注意力的法律案例相似度计算方法，其能够可以通过计算相似度，提升法律中类案检索和类案推荐等应用场景的准确度，是本领域技术人员亟待解决的技术问题。

发明内容

针对上述现有技术的不足，本发明通过抽取案情描述中的法律关系形成案情知识图谱，使用多头注意力机制获取案情知识图谱的向量化表示，最后使用深度案情感知网络计算出两案例相似度。辅以结构化法律关系的训练的深度案情感知网络可以大大提升案例相似度计算的准确度。本发明提供一种基于多头注意力的法律案例相似度计算方法，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；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；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。

根据本发明的第一个实施方案，提供一种基于多头注意力的法律案例相似度计算方法：

一种基于多头注意力的法律案例相似度计算方法，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；

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；

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。

作为优选，步骤1)中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；