【技术实现步骤摘要】
电子证据相关性标定方法、装置、设备及存储介质
[0001]本申请涉及数据处理
，更具体的说，是涉及一种电子证据相关性标定方法、装置、设备及存储介质。
技术介绍
[0002]随着计算机和信息网络的普及和流行，证据信息化成为一种趋势，电子证据逐渐成为传递信息、记录事实的重要载体，逐渐成为影响纠纷和案件的走向的决定性证据，并且高安全性、高稳定性的存储单元的发展，示例如区块链，提高了电子证据在保存和查证等方面的可靠性和稳定性。此外，提高电子证据的模态丰富度，也能够提高电子证据的公信力，例如在存储目标对象的图片类证据的同时，存储对应的合同、表单、文本等文本类证据，将目标对象的图片、视频等非格式化的电子证据和对应的文档文件等进行组合存储，可以丰富目标对象的电子证据的模态丰富度。
[0003]但是，在电子证据的上传或存储过程中，可能会发生同一对象的不同模态的电子证据不相关的情况，可能会导致该对象的电子证据的真伪性难以判断，降低了电子证据的可信度。
技术实现思路
[0004]鉴于上述问题，提出了本申请以便提供一...
【技术保护点】
【技术特征摘要】
1.一种电子证据相关性标定方法，其特征在于，该方法包括：提取文本态电子证据的文本特征，提取图片态电子证据的图片特征；对于所述文本特征和所述图片特征中的每一特征，基于注意力机制计算所述特征中的各组成元素间的相关性，利用所述相关性对所述特征进行更新，得到更新后的文本特征和更新后的图片特征；融合所述更新后的文本特征和所述更新后的图片特征，得到融合特征；根据所述融合特征，标定所述文本态电子证据和所述图片态电子证据的相关性。2.根据权利要求1所述的方法，其特征在于，所述电子证据相关性标定方法是通过预训练的多模态异构图注意力网络实现的，所述多模态异构图注意力网络是利用标注有对应的相关性的文本态训练数据和图片态训练数据训练得到的模型。3.根据权利要求2所述的方法，其特征在于，所述多模态异构图注意力网络包括文本特征提取模块、图片特征提取模块、模内注意力模块、融合模块和相关性标定模块；所述文本特征提取模块用于，提取文本态电子证据的文本特征；所述图片特征提取模块用于，提取图片态电子证据的图片特征；所述模内注意力模块用于，对于所述文本特征和所述图片特征中的每一特征，基于注意力机制计算所述特征中的各组成元素间的相关性，利用所述相关性对所述特征进行更新，得到更新后的文本特征和更新后的图片特征；所述融合模块用于，融合所述更新后的文本特征和所述更新后的图片特征，得到融合特征；所述相关性标定模块用于，根据所述融合特征，标定所述文本态电子证据和所述图片态电子证据的相关性。4.根据权利要求3所述的方法，其特征在于，所述文本特征提取模块提取文本态电子证据的文本特征的过程，包括：获取所述文本态电子证据的词向量表示；基于所述词向量表示，提取所述文本态电子证据中的各词之间的文本特征关系，由所述文本特征关系生成文本特征。5.根据权利要求3所述的方法，其特征在于，所述图片特征提取模块包括循环神经网络和串联的预设数量个卷积神经网络；所述串联的预设数量个卷积神经网络用于，对所述图片态电子证据进行多层次的特征提取，得到不同层次的图片特征提取结果；所述循环神经网络用于，提取各层次的图片特征提取结果之间的图片特征关系，由所述图片特征关系生成图片特征。6.根据权利要求3所述的方法，其特征在于，所述融合模块融合所述更新后的文本特征和所述更新后的图片特征，得到融合特征的过程，包括：分别对所述更新后的文本特征和所述更新后的图片特征进行池化处理，得到相同维度的池化后的文本特征和池化后的图片特征；对所述池化后的文本特征和所述池化后的图片特征进行拼接，得到融合特征。7.根据权利要求3
‑
6中任一项所述的方法，其特征在于，所述多模态异构图注意力网络还包括模间注意力模块，所述模间注意力模块串联在特征提取模块和所述模内注意力模块
之间，所述特征提取模块由所述文本特征提取模块和所述图片特征提取模块构成；所述模间注意力模块用于，基于注意力机制计算所述文本特征和所述图片特征的第一相关性权重，利用所述第一相关性权重对所述图片特征进行加权，得到加权后的文本特征，以及，基于注意力机制计算所述图片特征和所述文本特征的第二相关性权重，利用所述第二相关性权重对所述文本特征进行加权，得到加权后的图片特征，以供所述模内注意力模块对所述...
【专利技术属性】
技术研发人员：王合建，郭庆雷，陈鹏，杨珂，于晓昆，李文健，马小小，李永亮，高博，李学锋，
申请(专利权)人：国网区块链科技北京有限公司国网宁夏电力有限公司国网宁夏电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。