申请/专利权人：太极计算机股份有限公司

申请日：2020-11-30

公开（公告）日：2023-06-23

公开（公告）号：CN112417880B

主分类号：G06F40/295

分类号：G06F40/295;G06F40/216;G06F40/242;G06F40/30;G06F16/335;G06Q50/18

优先权：

专利状态码：有效-授权

法律状态：2023.06.23#授权;2021.03.16#实质审查的生效;2021.02.26#公开

摘要：本发明公开了一种面向法院电子卷宗的案情信息自动抽取方法，该方法包括：创建案情信息抽取框架，对各类案件电子卷宗文件中案情要素进行统计分析，构建基本案情本体；根据案情本体和电子卷宗文件版面特点，定制基本案情信息抽取策略；基于XML的跨领域信息抽取工具TZIE，构建案情信息抽取框架；基于多粒度语义的法律文书构建NER模型及训练，多粒度语义单元的结合方式，采用Word2vec的Skip‑gram模型和LDA主题模型，分别训练得到司法领域词向量模型和字向量模型，结合BiLSTM‑Attention‑CRF模型的领域实体识别，在基准模型BiLSTM‑CRF中增加了Attentio机制，预测每个语义单元属于不同标签的概率，辅助优化的模型训练方式，以人工标注语料训练模型作为主任务，以人工和自动标注语料训练模型作为辅助任务。

主权项：1.一种面向法院电子卷宗的案情信息自动抽取方法，其特征在于，该方法包括以下步骤：S1创建案情信息抽取框架，进一步包含：S1.1对各类案件电子卷宗文件中案情要素进行统计分析，构建基本案情本体；S1.2根据案情本体和电子卷宗文件版面特点，定制基本案情信息抽取策略；S1.3基于XML的跨领域信息抽取工具TZIE，自定义抽取领域要素信息，构建案情信息抽取框架，提供领域词典、规则及现有模型组合配置；S2基于多粒度语义的法律文书构建NER模型及训练，进一步包含：S2.1多粒度语义单元的结合方式，采集一个包含400多万份裁判文书的中文语料集，采用Word2vec的Skip-gram模型和LDA主题模型，分别训练得到司法领域含有主题语义的词向量模型和字向量模型，另外，不同案件类型的裁判文书中，使用LDA主题模型的向量模型，获取更大粒度上的语义信息；S2.2结合BiLSTM-Attention-CRF模型的领域实体识别，在基准模型BiLSTM-CRF中增加了Attentio机制，预测出每个语义单元属于不同标签的概率，在BiLSTM模型上接入CRF模型，使得BiLSTM模型在计算最优标签序列时合理体现CRF模型转移矩阵；S2.3基于辅助优化的模型训练方式，以人工标注语料训练模型作为主任务，以人工和自动标注语料训练模型作为辅助任务，后者向前者共享BiLSTM模型层的输出。

全文数据：

权利要求：

百度查询： 太极计算机股份有限公司 一种面向法院电子卷宗的案情信息自动抽取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD