【技术实现步骤摘要】
一种裁判文书信息提取方法
本专利技术涉及文本信息提取领域，尤其涉及一种裁判文书信息提取方法。
技术介绍
裁判文书是法官在案件审理终结后，依据案件事实和法律条款，对案件实体和程序问题所做出的具有法律约束力的书面结论。裁判文书忠实地记录了案件的裁判过程，因此包含了大量的有价值信息。裁判文书虽然有一定的格式，但仍以大段文本的形式进行内容组织，对于裁判文书中的原告、被告、判决法院、判决时间等主要信息字段，是以自然行文的方式包含了在裁判文书中。如果需要更进一步挖掘和利用这些公开的裁判文书信息，就需要对案件的各个核心字段进行结构化处理，这通常由人工操作完成，常见的人工加工处理明显在成本和效率两方面都存在不足。CN201910263217以神经网络模型对法律文书进行命名实体识别，提取法律文书中的关键信息，提出了对法律文书的命名实体识别方法，但是不能识别实体之间的语义关系，比如，裁判文书中有多个被告人和多个被告判决罪名，该方法不能确定某个被告人具体的判决罪名；CN201910145396先对非结构的文本进行TF-IDF词频统计，得到...
【技术保护点】
1.一种裁判文书信息提取方法，其特征在于，该方法包括以下步骤：/n(1)获取裁判文书的整个HTML并解析，从HTML中提取无格式的文本text。/n(2)对提取的无格式文本text进行标注，在每个事件的标注任务中，一个标签定义为事件类型或实体类型，若一个标签和其他标签都存在关系，则把该标签定义为事件类型，而其他标签定义为实体类型，定义裁判文书中的事件结构为：事件类型-实体类型-…-实体类型，从无格式的文本text标注出每个事件下的事件类型及其实体类型对应的文字，得到标注数据。/n(3)将无格式的文本text按字切分，得到一个数组，记为x，x
【技术特征摘要】
1.一种裁判文书信息提取方法，其特征在于，该方法包括以下步骤：
(1)获取裁判文书的整个HTML并解析，从HTML中提取无格式的文本text。
(2)对提取的无格式文本text进行标注，在每个事件的标注任务中，一个标签定义为事件类型或实体类型，若一个标签和其他标签都存在关系，则把该标签定义为事件类型，而其他标签定义为实体类型，定义裁判文书中的事件结构为：事件类型-实体类型-…-实体类型，从无格式的文本text标注出每个事件下的事件类型及其实体类型对应的文字，得到标注数据。
(3)将无格式的文本text按字切分，得到一个数组，记为x，xi为数组x中的第i个字；若x中的xi，xi+1，…，xi+j被标注为一个事件类型(实体类型)，则其对应标签为yi，yi+1，…，yi+j，记为事件类型(实体类型)-B，事件类型(实体类型)-I，…，事件类型(实体类型)-I，事件类型(实体类型)-I的个数为j个；若xi在无格式的文本text中既没有被标记为事件类型也没有被标记为实体类型，则其对应标签yi记为O；从而得到一个完整的样本(x，y)；
(4)对完整的样本(x，y)进行处理，具体包括以下步骤：针对数组x，对x进行向量化，得到x1；针对标签y，若y中元素yi不是事件类型-B或事件类型-I，则改为O，得到新的标签，记为y1；从而得到事件类型提取模型的样本(x1，y1)。
(5)采用谷歌开源的BERT模型作为事件类型提取模型，并将步骤(4)中得到的样本(x1，y1)输入BERT模型中进行训练，得到训练好的事件类型提取模型，记为model_1。
(6)对标签y1中的事件进行处理；具体为：针对数组x，初始化一个事件类型矩阵Even...
【专利技术属性】
技术研发人员：金霞，杨红飞，程东，张庭正，
申请(专利权)人：杭州费尔斯通科技有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。