基于命名实体识别的案件信息提取方法技术

本发明专利技术公开了一种基于命名实体识别的案件信息提取方法，包括以下具体步骤：S1、对原始的案情文本数据进行数据预处理；S2、基于biLSTM‑CRF模型构建命名实体识别模型；S3、在步骤S1数据预处理阶段加入分词流程，将中文文本内容划分成多个语义单元，将分词信息与字序列共同作为输入数据传入命名实体识别模型；在步骤S2嵌入层的字向量序列结构的基础上加入分词信息，通过拼接字向量和分词信息，得到新的特征向量序列并传入biLSTM层进行学习训练。本发明专利技术提取每个字在当前文本中的位置信息，该部分信息扩充了原始数据的特征维度，提升模型的处理能力。同时将模型的最小语义单元从字符扩展到词语，有效地提升了模型对复杂实体的识别能力。

Case information extraction method based on Named Entity Recognition

【技术实现步骤摘要】
基于命名实体识别的案件信息提取方法
本专利技术涉及自然语言处理
，特别是一种基于命名实体识别的案件信息提取方法。
技术介绍
随着大数据技术的普及和公安信息化平台的部署，数据的管理和利用已成为当前亟需解决的问题。大量案情数据由非结构化的中文文本构成，无法直接应用到信息化系统中。当前，案情数据的结构化处理主要由信息补采民警完成。民警需要依据简要案情信息对案件进行标签化、结构化，以便在信息平台中对案件进行更深层的智能分析，从而实现案件的串并化。补采民警只能依靠人工的方式提取案件内容中的涉案人员身份信息、案发时间和地点信息，同时需对作案手段等描述性文字进行归纳。历史案件数据规模庞大，传统处理方式极大浪费了人力和时间成本。因此迫切需要一种案情数据结构化处理方法，自动提取文本中的关键信息，将案情数据标签化，让其在平台中发挥应有的价值。近几年来，基于人工智能的算法模型在视觉、语音等领域取得了巨大成功，另外在自然语言处理领域也取得了不少进展。命名实体识别作为自然语言处理的基础任务，主要应用于信息抽取、文本数据结构化。通常，我们将文本文档来自技高网...

【技术保护点】
1.基于命名实体识别的案件信息提取方法，其特征在于，包括以下具体步骤：/nS1、对原始的案情文本数据进行数据预处理；所述数据预处理包括：/n数据过滤，用于对与案情内容无关的部分进行清洗或替换；/n新词发现，用于从大量案情数据中自动提取出专业术语，将提取出的专业术语作为新词加入分词词典；/nS2、基于biLSTM-CRF模型构建命名实体识别模型；所述命名实体识别模型的构建包括：/n数据标注，针对案情信息提取的任务需求，编写数据标注标准，组织标注人员对经步骤S1处理后的部分案情数据进行标注，人工提取对应文本中的关键信息；/n模型训练，经步骤S1处理后的文字序列进入模型，通过对模型输出结果的处理，提...

【技术特征摘要】
1.基于命名实体识别的案件信息提取方法，其特征在于，包括以下具体步骤：
S1、对原始的案情文本数据进行数据预处理；所述数据预处理包括：
数据过滤，用于对与案情内容无关的部分进行清洗或替换；
新词发现，用于从大量案情数据中自动提取出专业术语，将提取出的专业术语作为新词加入分词词典；
S2、基于biLSTM-CRF模型构建命名实体识别模型；所述命名实体识别模型的构建包括：
数据标注，针对案情信息提取的任务需求，编写数据标注标准，组织标注人员对经步骤S1处理后的部分案情数据进行标注，人工提取对应文本中的关键信息；
模型训练，经步骤S1处理后的文字序列进入模型，通过对模型输出结果的处理，提取出其中的实体；
推理模块，通过模型调试，得到准确率最高的神经网络模型，以模型文件为中心搭建推理模块；
S3、对步骤S2中的命名实体识别模型进行优化；对命名实体识别模型进行优化的步骤包括：
在步骤S1数据预处理阶段加入分词流程，将中文文本内容划分成多个语义单元，将分词信息与字序列共同作为输入数据传入命名实体识别模型；
在步骤S2嵌入层的字向量序列结构的基础上加入分词信息，通过拼接字向量和分词信息，得到新的特征向量序列并传入biLSTM层进行学习训练。


2.根据权利要求1所述的基于命名实体识别的案件信息提取方法，其特征在于，所述步骤S1中的数据过滤是对文本数据中存在的非...

【专利技术属性】
技术研发人员：苏学武，陈诚，水军，龚波，刘怀春，杨刚，
申请(专利权)人：珠海市新德汇信息技术有限公司，
类型：发明
国别省市：广东;44