基于案例知识图谱的案件推荐方法、装置和电子设备制造方法及图纸

本说明书一个或多个实施例提供一种基于案例知识图谱的案例推荐方法、装置和电子设备。所述案例推荐方法包括：对用户输入的案件进行特征提取；将提取出的案件特征在所述案例知识图谱中进行语义图搜索，推送相关联案例；对所述相关联案例进行排序，最终进行数据返回。本发明专利技术基于案例知识图谱的案例推荐方法采用知识图谱、自然语言处理和深度学习等领域的技术，对用户的提问进行实体提取、关系提取、时间提取、语义分析，并在知识图谱中通过多维匹配算法，最终精确分析当前处理案件，最终推送出相关指导案例。

【技术实现步骤摘要】
基于案例知识图谱的案件推荐方法、装置和电子设备
本说明书一个或多个实施例涉及知识图谱
，尤其涉及一种基于案例知识图谱的案件推荐方法、装置和电子设备。
技术介绍
对于法官和律师来说，类案推荐是日常工作中的核心内容。然而，类案推荐是一项复杂、繁琐的工作，要从数以千万计的裁判文书中找到真正想要了解的内容，需要花费大量的时间成本。传统的案例智能推荐只能是通过简单的案件类型及关键词过滤，经筛查后依旧有大量的文书，需要占用大量人工时间审阅。基于此，需要一种能够自动对案例文书及包含的法律条文进行分类整理并且根据用户输入可以快速推荐相关案例的智能推荐系统。
技术实现思路
有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于案例知识图谱的案件推荐方法、装置和电子设备，以解决难以精准推荐案例的问题。基于上述目的，本说明书一个或多个实施例提供了一种基于案例知识图谱的案件推荐方法，包括：响应于接收到用户输入的法律案件和/或问题的描述，从所述描述中提取多维度特征，所述多维度特征包括实体、关系、事件和主题；根据本文档来自技高网...

【技术保护点】
1.一种基于案例知识图谱的案例推荐方法，其特征在于，包括：/n响应于接收到用户输入的法律案件和/或问题的描述，从所述描述中提取多维度特征，所述多维度特征包括实体、关系、事件和主题；/n根据所述多维度特征，在预先基于案例相关文件构建的案例知识图谱中进行语义图搜索，搜索出与所述多维度特征相关联的案例候选推荐数据；/n输出所述案例候选推荐数据中的至少一个作为与所述描述相关的案例推荐数据。/n

【技术特征摘要】
1.一种基于案例知识图谱的案例推荐方法，其特征在于，包括：
响应于接收到用户输入的法律案件和/或问题的描述，从所述描述中提取多维度特征，所述多维度特征包括实体、关系、事件和主题；
根据所述多维度特征，在预先基于案例相关文件构建的案例知识图谱中进行语义图搜索，搜索出与所述多维度特征相关联的案例候选推荐数据；
输出所述案例候选推荐数据中的至少一个作为与所述描述相关的案例推荐数据。


2.根据权利要求1所述的案例推荐方法，其特征在于，从所述描述中提取多维度特征，包括：
对所述描述进行预处理，以去除所述描述中的停用词；
对经过所述预处理的所述描述通过深度语义表示模型进行向量表示，计算得出相关实体，完成实体识别；
对经过所述实体识别的所述描述采用基于堆叠膨胀门卷积神经网络DGCNN进行关系抽取；
对经过所述实体识别的所述描述进行事件抽取，所述事件抽取包括触发词提取和角色提取；
对经过所述实体识别的所述描述采用基于预训练的分类模型进行主题抽取；
对经过所述实体识别、所述关系抽取、所述事件抽取和所述主题抽取得到的相应特征进行融合。


3.根据权利要求2所述的案例推荐方法，其特征在于，对经过所述实体识别的所述描述采用DGCNN进行关系抽取，包括：
通过字词混合向量得到所述描述的字向量序列，所述字向量序列加上位置向量，得到所述描述的混合编码；
将所述混合编码输入到12层DGCNN中进行编码，得到编码后的序列H；
将所述序列H输入DGCNN自注意力层后得到序列H的向量表示；
将所述序列H的向量表示传入卷积神经网络CNN的全连接层Dense中，用sigmoid激活函数预测所述描述的主体的首尾位置；
随机采样一个所述主体，将所述序列H对应所述主体的子序列传入到一个双向长短期记忆LSTM神经网络中，得到所述主体的编码向量，所述主体的编码向量加上相对位置向量，得到一个与所述描述等长的向量序列；
将H传入DGCNN的另一层自注意力层后，将输出结果与所述描述等长的向量序列进行拼接；
将拼接后的结果传入CNN的全连接层Dense中，通过sigmoid激活函数来预测对应的客体的首、尾位置，同时把关系抽取出来。...

【专利技术属性】
技术研发人员：朵思惟，余梓飞，张程华，薛晨云，
申请(专利权)人：天津汇智星源信息技术有限公司，
类型：发明
国别省市：天津;12