一种基于多头注意力的法律案例相似度计算方法及系统技术方案

一种基于多头注意力的法律案例相似度计算方法，该方法包括：1)将待计算相似度的两个案例的案情描述输入案例法律关系识别模型，分别抽取两个案例中的法律关系形成的三元组，所述三元组中包含头实体、关系和尾实体，并依据所述三元组构建案情知识图谱；2)通过多头注意力机制将所述案情知识图谱转化为向量化表示；3)将所述案情的向量化表示输入深度案情感知模型，获取两个案例的相似度。本申请的技术方案，能够通过计算相似度，提升法律中类案检索和类案推荐等应用场景的准确度。

【技术实现步骤摘要】
一种基于多头注意力的法律案例相似度计算方法及系统
本专利技术涉及一种基于多头注意力的法律案例相似度计算方法，具体涉及一种基于多头注意力的法律案例相似度计算方法，属于文本识别
；本专利技术还涉及一种基于多头注意力的法律案例相似度计算系统。
技术介绍
作为成文法国家，法院裁判依照法律条文而非先例，但民众朴素的法治情感要求“类案同判”，尤其是同一法院在较短时间内出现“类案不同判”对司法公信力影响极大，因此研究案例相似度计算以精准匹配相似案例对实现司法公正具有重要意义。在实际应用中，司法工作者通常使用全文检索、关键词匹配和关键词限制检索来筛选案例，之后仍依赖人工判断筛选出的案例与目标案例是否相似，因此耗时长且效率低。在科研领域计算案例相似度的方法主要可以分为三类：第一类、基于词向量法，比如使用法律文本中的名词构成向量空间，通过TF-IDF计算法律文本相似度；或者使用法律专业词汇构成向量空间，通过余弦相似度公式计算法律文本的相似度。第二类、基于词嵌入模型,利用层级注意力机制来改进孪生网络结构中的文档表示，并压缩文档内容避免了长文档的数据稀疏本文档来自技高网...

【技术保护点】
1.一种基于多头注意力的法律案例相似度计算方法，其特征在于，该方法包括：/n1)将待计算相似度的两个案例的案情描述输入案例法律关系识别模型，分别抽取两个案例中的法律关系形成的三元组，所述三元组中包含头实体、关系和尾实体，并依据所述三元组构建案情知识图谱；/n2)通过多头注意力机制将所述案情知识图谱转化为向量化表示；/n3)将所述案情的向量化表示输入深度案情感知模型，获取两个案例的相似度。/n

【技术特征摘要】
1.一种基于多头注意力的法律案例相似度计算方法，其特征在于，该方法包括：
1)将待计算相似度的两个案例的案情描述输入案例法律关系识别模型，分别抽取两个案例中的法律关系形成的三元组，所述三元组中包含头实体、关系和尾实体，并依据所述三元组构建案情知识图谱；
2)通过多头注意力机制将所述案情知识图谱转化为向量化表示；
3)将所述案情的向量化表示输入深度案情感知模型，获取两个案例的相似度。


2.根据权利要求1所述的基于多头注意力的法律案例相似度计算方法，其特征在于，步骤1)中所述案例法律关系识别模型包括：
用于识别所述案情描述中实体的实体识别模块；
用于识别所述案情描述中所述实体之间关系的关系抽取模块；
作为优选，在对结构化文本和类结构化文本的所述案情描述进行识别时，所述实体识别模块采用基于规则的实体识别方式识别出实体。


3.根据权利要求2所述的基于多头注意力的法律案例相似度计算方法，其特征在于，步骤1)中所述案件法律关系识别模型的构建方法包括以下步骤：
1a)确定对计算案例相似度具有影响或影响较大的实体和关系，构建案例法律关系识别模型训练数据集；
1b)构建所述实体识别模块，所述实体识别模块采用基于BiLSTM-CRF的实体识别网络构建；
1c)构建所述关系抽取模块，所述关系抽取模块采用基于BERT的关系抽取网络构建。


4.根据权利要求3所述的基于多头注意力的法律案例相似度计算方法，其特征在于，所述步骤2)具体包括以下步骤：
2a)初始化所述三元组的头实体、关系和尾实体的向量化表示；
2b)将所述三元组的实体和关系的向量化表示联结起来，使用投影矩阵计算所述三元组的特征向量；
2c)使用leakyReLU计算所述三元组的注意力值；
2d)使用softmax函数计算出具有相同头实体的三元组的相对注意力值；
2e)通过所述三元组的相对注意力值和所述特征向量计算所述实体新的向量化表示；
2f)使用多头注意力机制封装复杂的法律关系并再次更新所述实体的向量化表示。


5.根据权利要求4所述的基于多头注意力的法律案例相似度计算方法，其特征在于，所述步骤3)中所述深度案情感知模型为已训练好的模型，所述深度案情感知模型构建方法具体为：
3a)获取一定量的基于某案由案例的相似案例对，所述相似案例对为正例，随机替换部分相似案例...

【专利技术属性】
技术研发人员：程戈，张冬良，肖冬梅，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43