案件事理关系确定方法及系统技术方案

本发明专利技术实施例提供了一种案件事理关系确定方法及系统，所述方法包括采集案件的描述文本，并确定所述案件的属性对应的所有事件类型；对所述描述文本进行分词处理，得到分词结果，并从所述分词结果中提取所述案件中的实体信息；基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息；基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系。本发明专利技术实施例通过将案件以事件为核心结构化拆解，并以此确定案件事理关系的方法，充分使用了事件信息，可以用于构造事件逻辑链条、元事件预测、动机分析等下游任务，可以进一步达到完成相关法条查找、自动判决等智慧法学任务的效果。

【技术实现步骤摘要】
案件事理关系确定方法及系统
本专利技术涉及法律信息处理
，更具体地，涉及案件事理关系确定方法及系统。
技术介绍
在案件侦查过程中，对案件信息进行分析至关重要。现有技术中通常采用结构表的形式对案件信息进行分析，使用时间、案件当事人、地点以及行为等关键词进行案件信息提取，构建表格，并通过查找表格的方式进行后续案情分析、相关法查找、自动判决等后续任务。但是现有技术中提供的这种方法，并没有考虑案件中一系列事件之间的事理关系，将同一案件下事件与事件进行割裂，进而无法进行当事人动机分析、情感分析等深层分析，在进行相关法条查找、自动判决等任务时丢失了大量信息。因此，现急需提供一种案件事理关系确定方法及系统。
技术实现思路
为克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供了一种案件事理关系确定方法及系统。第一方面，本专利技术实施例提供了一种案件事理关系确定方法，包括：采集案件的描述文本，并确定所述案件的属性对应的所有事件类型；对所述描述文本进行分词处理，得到分词结果，并从所述分词结果中提取所述案件中的实体信息；基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息；基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系。优选地，所述从所述分词结果中提取所述案件中的实体信息，具体包括：将所述分词结果输入至长短期记忆神经网络模型，由所述长短期记忆神经网络模型输出所述案件中的实体信息；<br>所述长短期记忆神经网络模型采用基于自注意力的特征提取器进行特征提取，且由样本词及所述样本词对应的实体信息训练得到。优选地，所述长短期记忆神经网络模型的输出层基于Softmax函数或条件随机场构建。优选地，所述基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息，具体包括：将所述分词结果输入至目标神经网络模型，由所述目标神经网络模型输出所述案件中每一事件对应的事件信息；所述目标神经网络模型由样本词所属的事件以及所述样本词所属的事件对应的事件信息训练得到，所述样本词所属的事件对应于所有事件类型以及所述实体信息。优选地，所述事件信息包括事件触发、事件类型和事件论元；相应地，所述将所述分词结果输入至目标神经网络模型，由所述目标神经网络模型输出所述案件中每一事件对应的事件信息，具体包括：所述目标神经网络模型基于管道模型，首先识别出所述分词结果中每一事件对应的事件触发，然后确定与所述事件触发对应的事件类型，最后确定与所述事件触发对应的事件论元。优选地，所述目标神经网络模型具体为卷积神经网络模型和/或循环神经网络模型。优选地，所述事件信息包括事件触发、事件类型和事件论元；相应地，所述基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系，具体包括：根据所述案件中每一事件对应的事件类型，基于事件类型的上下位关系，确定所述案件中所有事件之间的上下位关系；根据所述案件中每一事件对应的事件触发、事件类型和事件论元，确定所述案件中所有事件之间的顺承关系。第二方面，本专利技术实施例提供了一种案件事理关系确定系统，包括：事件类型确定模块、实体信息提取模块、事件信息提取模块以及事理关系确定模块。其中，事件类型确定模块用于采集案件的描述文本，并确定所述案件中包含的所有事件类型；实体信息提取模块用于对所述描述文本进行分词处理，得到分词结果，并从所述分词结果中提取所述案件中的实体信息；事件信息提取模块用于基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息；事理关系确定模块用于基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系。第三方面，本专利技术实施例提供了一种电子设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的案件事理关系确定方法的步骤。第四方面，本专利技术实施例提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的案件事理关系确定方法的步骤。本专利技术实施例提供的一种案件事理关系确定方法及系统，所述方法包括采集案件的描述文本，并确定所述案件的属性对应的所有事件类型；对所述描述文本进行分词处理，得到分词结果，并从所述分词结果中提取所述案件中的实体信息；基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息；基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系。本专利技术实施例通过将案件以事件为核心结构化拆解，并以此确定案件事理关系的方法，充分使用了事件信息，可以用于构造事件逻辑链条、元事件预测、动机分析等下游任务，可以进一步达到完成相关法条查找、自动判决等智慧法学任务的效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种案件事理关系确定方法的流程示意图；图2为本专利技术实施例提供的一种案件事理关系确定方法中构成的有向无环图的示意图；图3为本专利技术实施例提供的一种案件事理关系确定系统的结构示意图；图4为本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例提供了一种案件事理关系确定方法，包括：S1，采集案件的描述文本，并确定所述案件中包含的所有事件类型；S2，对所述描述文本进行分词处理，得到分词结果，并从所述分词结果中提取所述案件中的实体信息；S3，基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息；S4，基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系。具体地，本专利技术实施例中提供的案件事理关系确定方法，其执行主体为服务器，具体可以是本地服务器，也可以是云端服务器，本地服务器可以为电脑，本专利技术实施例中对此不作具体限定。首先执行步骤S1，采集案件的描述文本，案件是指包含有若干事件的组合，案件的属性是指案件的类型，可以是行政处罚案件，也可以是刑事案件，还可以是其他需要确定内部包含的事件之间的事理关系的案件，本专利技术实施例中对此不作具体限定。案件中包含的本文档来自技高网...

【技术保护点】
1.一种案件事理关系确定方法，其特征在于，包括：/n采集案件的描述文本，并确定所述案件的属性对应的所有事件类型；/n对所述描述文本进行分词处理，得到分词结果，并从所述分词结果中提取所述案件中的实体信息；/n基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息；/n基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系。/n

【技术特征摘要】
1.一种案件事理关系确定方法，其特征在于，包括：
采集案件的描述文本，并确定所述案件的属性对应的所有事件类型；
对所述描述文本进行分词处理，得到分词结果，并从所述分词结果中提取所述案件中的实体信息；
基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息；
基于每一事件对应的事件信息，确定所述案件中所有事件之间的事理关系。


2.根据权利要求1所述的案件事理关系确定方法，其特征在于，所述从所述分词结果中提取所述案件中的实体信息，具体包括：
将所述分词结果输入至长短期记忆神经网络模型，由所述长短期记忆神经网络模型输出所述案件中的实体信息；
所述长短期记忆神经网络模型采用基于自注意力的特征提取器进行特征提取，且由样本词及所述样本词对应的实体信息训练得到。


3.根据权利要求2所述的案件事理关系确定方法，其特征在于，所述长短期记忆神经网络模型的输出层基于Softmax函数或条件随机场构建。


4.根据权利要求1所述的案件事理关系确定方法，其特征在于，所述基于所有事件类型以及所述实体信息，从所述分词结果中提取所述案件中每一事件对应的事件信息，具体包括：
将所述分词结果输入至目标神经网络模型，由所述目标神经网络模型输出所述案件中每一事件对应的事件信息；
所述目标神经网络模型由样本词所属的事件以及所述样本词所属的事件对应的事件信息训练得到，所述样本词所属的事件对应于所有事件类型以及所述实体信息。


5.根据权利要求4所述的案件事理关系确定方法，其特征在于，所述事件信息包括事件触发、事件类型和事件论元；相应地，
所述将所述分词结果输入至目标神经网络模型，由所述目标神经网络模型输出所述案件中每一事件对应的事件信息，具体包括：
所述目标神经网络...

【专利技术属性】
技术研发人员：张世琨，李皓辰，乔子乐，李伟平，赵文，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11