[发明专利]一种基于裁判文书的结构化处理方法

摘要

本发明涉及一种基于裁判文书的结构化处理方法，本发明采用自然语言处理技术和高级机器学习技术，自动实现基于案由文本的关键词提取的案件类型分类，从而通过构建案件层次结构和设计的提取规则进行结构化处理，本发明通过相关词库的构建与扩展、裁判文书模块分割、设计确定聚簇数目K、初始聚类中心以及采用词语权重的增量作为第二特征选择来实现kmeans聚类算法的改进，并得到案例的类标签；根据不同案例类型创建不同层次框架，结合设计的提取规则，得到裁判文书的结构化处理。本发明可快递实现裁判文书的结构化处理。

主权项

1.一种基于裁判文书的结构化处理方法，其特征在于，包括如下步骤：(1)获取并存储裁判文书信息，并对裁判文书信息进行数据清洗；(2)基于裁判文书的文本特征进行相关词库的构建与扩展，包括裁判文书专业词库的构建、触发词表的构建与词语标注；(3)根据裁判文书的书写结构特征，对裁判文书文档进行模块标注处理；(4)利用常见的分隔标点和分隔词作为长句切分规则，采用正则表达式匹配规则对裁判文书中每个关键段落进行短句长句切分；(5)根据裁判文书专用词库judgment.txt和停用词典stopword.txt对裁判文书进行处理，并结合触发词表的构建与词语标注将裁判文书数据表示为向量的形式；(6)通过设计确定聚簇数目K、初始聚类中心以及采用词语权重的增量作为第二特征选择来实现kmeans聚类算法的改进，完成裁判文书聚类，并得到案例的类标签；(7)创建基于裁判文书内容的层次结构，根据不同种类的裁判文书设计出相应的提取规则，并利用其得到裁判文书的结构化处理结果。