基于违法广告案例的广告领域知识图谱构建方法技术

本发明专利技术公开了一种基于违法广告案例的广告领域知识图谱构建方法，涉及知识图谱构建技术领域。该基于违法广告案例的广告领域知识图谱构建方法包括以下步骤：广告命名实体获取、实体定义、采用Bi

【技术实现步骤摘要】
基于违法广告案例的广告领域知识图谱构建方法


[0001]本专利技术涉及知识图谱构建
，具体为一种基于违法广告案例的广告领域知识图谱构建方法。

技术介绍

[0002]在人工智能推动下的司法改革当中，以法学知识为中心的认知智能是当前人工智能发展的重要方向；知识图谱是存储知识的数据库，知识图谱是由谷歌公司在2012年正式提出的概念，它的主要目的是在面对互联网高速发展，网络数据爆炸增长的时代，增强搜索效率，完善用户体验。知识图谱凭借其卓越的语义处理技术和互联性，为信息智能应用建立了基础，广泛运用于搜索、问答、情报分析等方面，促进信息技术从信息服务向知识服务发展。近几年，各行各业都在研究将知识图谱应用于专业领域，更好的服务特定领域；
[0003]在现有技术中，目前知识图谱的构建采用人工建立的方式进行，其在实际使用的过程中，未采用自动构建流程的方式，其不能对相似案例进行检索，类案在整理过程中不能进行精准推动，裁判文书需要人工的对其进行制作和核对，导致整体构建的流程繁琐且效率低；鉴于此，我们提出了一种基于违法广告案例的广告领域知识图谱构建方法。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于违法广告案例的广告领域知识图谱构建方法，其特征在于：所述知识图谱构建方法包括以下步骤：S1、广告命名实体获取，对于法律文书的语料，采用BIO序列标注格式，在序列标注中，序列指的是一个句子，元素指的是句子中的一个词，信息提取问题可以转换成序列标注问题，BIO标注格式将每个元素标注为“B
‑
XX”、“I
‑
XX”或者“O”；S2、实体定义；S3、采用Bi
‑
LSTM
‑
CRF模型实现命名实体的抽取，所述实体抽取模型分为词嵌入层、Bi
‑
LSTM特征学习层和CRF实体识别层；S4、提取体系作为法律文书的关系；S5、关系抽取模型的建立；S6、基于GRU和Attention机制实现实体关系抽取。2.根据权利要求1所述的基于违法广告案例的广告领域知识图谱构建方法，其特征在于：所述S2进一步的包括：提取“广告发布者”、“广告内容”、“违法条例”、“宣发平台”、“惩罚类型”、“监管部门”、“广告类型”、“处罚时间”、“违法原因”作为法律文书的实体名称。3.根据权利要求1所述的基于违法广告案例的广告领域知识图谱构建方法，其特征在于：所述B
‑
XX代表此元素在自定义实体中属于X类型，并且位于此元素片段的开头，I
‑
XX表示此元素所在片段属于X类型并且此元素在片段的中间位置，O表示不...

【专利技术属性】
技术研发人员：赵华，曾庆田，张培信，毕丽君，倪维健，张峰，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：