[发明专利]一种基于图注意力网络的刑事案件知识图谱关系推理方法

说明书

本发明公开了一种基于图注意力网络的刑事案件知识图谱关系推理方法，用于解决刑事案件知识图谱中对案件相关关系的推理、预测，首先需要围绕案件相关人物（单位）、案件相关时间、案件相关空间、案件相关财物、犯罪行为五大类构建刑事案件知识图谱；接着基于图注意力网络计算并更新图谱中实体的表示向量、通过线性变换计算并更新关系表示向量；然后依据ConvKB模型并结合更新后的实体、关系表示向量计算相关三元组的得分，最后通过训练ConvKB模型对三元组合理性进行判断，完成关系推理，对于时间跨度大、涉案范围广、涉案人员多的复杂案件，能够挖掘出容易被忽略的人物关系、案件关系、财产关系等细节，辅助侦察办案人员对案情梳理。

技术领域

本发明属于自然语言处理、知识图谱领域，涉及到一种基于图注意力网络的刑事案件知识图谱关系推理方法。

背景技术

随着大数据、人工智能技术的不断发展，产生了大量数据，如何规范好、应用好相关数据，知识图谱应运而生。知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体-关系-实体”三元组，以及实体及其相关属性-值对，实体间通过关系相互联结，构成网状的知识结构。以知识图谱为基础的知识推理也成为研究热点，知识推理的出现可以更好地利用和优化知识图谱。

《新一代人工智能发展规划》将“智慧法院”纳入其中，标志着人工智能技术在司法领域的应用上升到国家战略。在司法领域，普遍存在案多人少的问题，而对于涉案人员多、涉案范围广、涉案时间跨度大等问题的复杂案件，需要更多基层人员参与案件的侦察环节，如此使问题进一步加重。因此，需要一种基于图注意力网络的刑事案件知识图谱关系推理方法，借助刑事案件知识图谱，基于知识推理技术对复杂案件中存在的且容易被忽略的案件关系进行挖掘，辅助侦察办案人员对案件的梳理。

发明内容

本发明主要解决的技术问题在于辅助侦察、检察办案环节，对于时间跨度大、涉及范围广、涉案人员复杂等情况下，办案人员无法全局掌握案件全貌，因此忽略一些重要的案件细节，本发明提供一种基于注意力网络的刑事案件知识图谱关系推理方法。

为达到上述目的，本发明的技术方案如下：一种基于图注意力网络的刑事案件知识图谱关系推理方法，该方法包括如下步骤：

首先构建刑事案件知识图谱，在此基础上，通过图注意力网络计算并更新图谱中实体的表示向量、通过线性变换计算并更新关系表示向量；接着依据ConvKB模型并结合更新后的实体、关系表示向量计算相关三元组的得分，最后通过训练ConvKB模型对三元组合理性判断，从而完成关系推理。

本发明的一种基于图注意力网络的刑事案件知识图谱关系推理方法，包括如下步骤：

1）构建刑事案件知识图谱；

2）基于图注意力网络计算刑事案件知识图谱中实体表示向量；

3）计算刑事案件知识图谱中关系表示向量；

4）基于ConvKB模型计算三元组得分函数；

5）训练ConvKB模型完成刑事案件知识图谱关系推理。

作为本发明的一种改进，所述步骤 1）中，围绕案件相关人物（单位）、案件相关时间、案件相关空间、案件相关财物、犯罪行为等构建刑事案件知识图谱。在刑事案件知识图谱构建过程中，首先构建刑事案件知识图谱的知识体系，其中包括案件相关人物（单位）等一级标签、犯罪嫌疑人、被害人、证人、辩护人、在逃人等二级标签；同时包括各二级标签的数据属性和关系属性；接着采用信息抽取技术从刑事案件卷宗中抽取有效信息对知识体系中涉及的相关知识进行实例化操作，最终形成刑事案件知识图谱。其中先构建知识体系再进行实例化的知识图谱构建方式能够从整体了解知识图谱中包含的知识以及不同知识之间的逻辑关系。