[发明专利]基于级联模型和数据增强的法律命名实体识别方法及系统

权利要求书

1.一种基于级联模型和数据增强的法律命名实体识别方法，其特征在于，包括以下步骤：

S1、对经过数据增强后的训练数据进行处理，构建带有上下文语义的字符级别的向量表示，并构建带有上下文语义的词语级别的向量表示；

S2、将字符级别的向量表示和词语级别的向量表示进行融合，将每个字符向量后面放置与其对应的词语向量，完成向量拼接，生成融合字词特征的向量表示；

S3、使用BiLSTM双向长短记忆神经网络对融合字词特征的向量表示进行处理，提取文本的深层特征；

S4、使用两个CRF条件随机场，分别按照实体规则和属性规则对BiLSTM层的结果进行解码，得到实体序列和属性序列；并将实体序列和属性序列进行拼接，得到最后的标签表示；

S5、将最后的标签表示与验证集进行比较，调整模型参数信息，再次训练，直至验证集测试的指标水平趋于稳定，选取稳定前，指标性能最好的模型；

S6、输入中文法律文书案列，模型自动进行判断并输出法律文书中的法律实体。

2.根据权利要求1所述的基于级联模型和数据增强的法律命名实体识别方法，其特征在于，训练数据为经过增强后的数据与经过过采样后的原始数据进行1:1混合得到。

3.根据权利要求1所述的基于级联模型和数据增强的法律命名实体识别方法，其特征在于，具体使用标签线性化数据增强方法对法律判决文书数据集进行处理，将数据的实体标签放置于中文字符前，生成增强数据。

4.根据权利要求1所述的基于级联模型和数据增强的法律命名实体识别方法，其特征在于，具体按照“B，M，E，O”实体规则和“D，T，N，L”属性规则对BiLSTM层的结果进行解码。

5.根据权利要求1所述的基于级联模型和数据增强的法律命名实体识别方法，其特征在于，文本的深层特征为带有上下文信息的特征向量。

6.一种基于级联模型和数据增强的法律命名实体识别系统，其特征在于，包括：

字符级别向量表示构建模块，用于对经过数据增强后的训练数据进行处理，构建带有上下文语义的字符级别的向量表示；

词语级别向量表示构建模块，用于对经过数据增强后的训练数据进行处理，构建带有上下文语义的词语级别的向量表示；

字词特征融合模块，用于将字符级别的向量表示和词语级别的向量表示进行融合，将每个字符向量后面放置与其对应的词语向量，完成向量拼接，生成融合字词特征的向量表示；

BiLSTM处理模块，用于使用BiLSTM双向长短记忆神经网络对融合字词特征的向量表示进行处理，提取文本的深层特征；

双CRF处理模块，用于使用两个CRF条件随机场，分别按照实体规则和属性规则对BiLSTM层的结果进行解码，得到实体序列和属性序列；并将实体序列和属性序列进行拼接，得到最后的标签表示；

模型训练模块，用于将最后的标签表示与验证集进行比较，调整模型参数信息，再次训练，直至验证集测试的指标水平趋于稳定，选取稳定前，指标性能最好的模型；

识别模块，用于输入中文法律文书案列，通过模型自动进行判断并输出法律文书中的法律实体。

7.根据权利要求6所述的基于级联模型和数据增强的法律命名实体识别系统，其特征在于，训练数据为经过增强后的数据与经过过采样后的原始数据进行1:1混合得到。

8.根据权利要求6所述的基于级联模型和数据增强的法律命名实体识别系统，其特征在于，具体使用标签线性化数据增强方法对法律判决文书数据集进行处理，将数据的实体标签放置于中文字符前，生成增强数据。

9.根据权利要求6所述的基于级联模型和数据增强的法律命名实体识别系统，其特征在于，具体按照“B，M，E，O”实体规则和“D，T，N，L”属性规则对BiLSTM层的结果进行解码。

10.一种计算机存储介质，其特征在于，其内存储有可被处理器执行的计算机程序，该计算机程序执行权利要求1-5中任一项所述的基于级联模型和数据增强的法律命名实体识别方法。