[发明专利]一种在线自学习的法院电子卷宗文本分类方法

权利要求书

1.一种在线自学习的法院电子卷宗文本分类方法，其特征在于，包括以下步骤：

S1:采集文本数据，从案卷中选取常见案件卷宗，从所述案件卷宗中选取文本文件进行人工标注作为卷宗语料集，从网上采集裁判文书作为法律文书语料集；

S2:基于所采集的法律文书语料集，采用Word2vec的Skip-gram模型，训练得到司法领域词向量模型，向量维度为300维，并标记词向量；

S3:基于所采集的卷宗语料集，采用Doc2vec的PV-DM模型进行训练，得到文件特征向量，向量维度为300维，并标记特征向量；

S4:基于所采集的卷宗语料集，进行训练LDA模型；

S5:使用多维度语义表示方法获取卷宗文件特征向量；

S6:在应用系统中集成基于高斯核函数的KELM离线学习案卷文本分类器；

S7:系统在线使用过程，采集用户修正后的文件作为新标注样本，利用基于RLS的在线序列优化模型KOS-ELM对当前案卷文本分类器进行在线优化。

2.根据权利要求1所述的一种在线自学习的法院电子卷宗文本分类方法，其特征在于，基于所述高斯核函数的KELM对(C,Y)是敏感，其中C为正则化参数，Y高斯核函数参数；通过多种组合参数的对比实验，确定合适的参数值；基于少量样本对模型进行训练。

3. 根据权利要求1所述的一种在线自学习的法院电子卷宗文本分类方法，其特征在于，所述的LDA模型进行训练首先构建基于词的主题模型和基于LDA对文件主题和词的概率分布的设定得到联合概率关系式，采用算法得到卷宗文件主题的概率分布和主题中词的概率分布，从而确定一个K*V矩阵，所述矩阵中每一列作为对应词的主题信息向量:。

4.根据权利要求1所述的一种在线自学习的法院电子卷宗文本分类方法，其特征在于，所述步骤S5通过采用卡方检验构建类别特征词典，语料集经过预处理后，对文本进行计算出词语类型的卡方值：

，

并按降序排列，再根据文件特征词卡方值的分布情况设定阈值，得到本卷重语料集的类别特征词典，计算tf-idf值可作为特征词对文本语义的贡献权重，在特征词表示向量中加入LDA主题模型提供的案由信息，结合基于Doc2vec的文本表示，得到文本的多维度语义特征信息。

5.根据权利要求1所述的一种在线自学习的法院电子卷宗文本分类方法，其特征在于，所述的ELM算法是通过随机初始化输入权重和偏置，根据KKT优化理论，通过一次计算获取输出权重的全局最优解。

6.根据权利要求1所述的一种在线自学习的法院电子卷宗文本分类方法，其特征在于，所述KOS-ELM通过RLS逐渐增加新样本来更新模型参数，进行优化模型预测精准度，采用离线方式计算得到KELM输出权重矩阵。