知识图谱的构建方法、应用方法及其对应装置制造方法及图纸

本公开涉及一种知识图谱的构建方法、应用方法及其对应装置，以解决相关技术中受限于仲裁员不同的经验水平，劳动仲裁的效率和可靠性较低的问题。所述构建方法包括：获取劳动仲裁案件数据；根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标要素实体、目标条款实体以及目标说理模板实体，所述目标请求类型实体表征劳动仲裁案件的仲裁请求类型；基于所述目标要素实体、所述目标条款实体、所述目标说理模板实体以及所述目标请求类型实体构建知识图谱，所述知识图谱被应用于劳动仲裁过程。程。程。

【技术实现步骤摘要】
知识图谱的构建方法、应用方法及其对应装置


[0001]本公开涉及知识图谱
，具体地，涉及一种知识图谱的构建方法、应用方法及其对应装置。

技术介绍

[0002]劳动仲裁旨在解决劳动争议，对仲裁员本身的业务能力有着严格的要求和较高的期望。同时，劳动仲裁领域需要仲裁员在工作中通过大量实际案件的经验积累，才能够不断提高业务能力，在劳动争议案件中抽丝剥茧还原真相，做出令争议双方心服口服的裁决结果。
[0003]然而，目前资深仲裁员非常紧缺，并且不同地域之间差异度也比较大，例如经济发达地区有较多经验丰富的仲裁员，反之经济欠发达地区的仲裁员经验相对薄弱。因此，受限于仲裁员不同的经验水平，劳动仲裁的效率和可靠性较低。

技术实现思路

[0004]本公开的目的是提供一种知识图谱的构建方法、应用方法及其对应装置，以解决相关技术中受限于仲裁员不同的经验水平，劳动仲裁的效率和可靠性较低的问题。
[0005]为了实现上述目的，本公开的第一方面提供一种知识图谱的构建方法，所述方法包括：
[0006]获取劳动仲裁案件数据；
[0007]根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标要素实体、目标条款实体以及目标说理模板实体，所述目标请求类型实体表征劳动仲裁案件的仲裁请求类型；
[0008]基于所述目标要素实体、所述目标条款实体、所述目标说理模板实体以及所述目标请求类型实体构建知识图谱，所述知识图谱被应用于劳动仲裁过程。
[0009]可选地，所述根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标要素实体，包括：
[0010]根据所述目标请求类型实体和所述劳动仲裁案件数据确定每一目标请求类型实体对应的目标证据数据；
[0011]针对所述每一目标请求类型实体，对所述目标请求类型实体对应的目标证据数据进行聚类分析，得到多个目标证据名称，并将所述多个目标证据名称中出现频数超过预设阈值的目标证据名称确定为所述目标请求类型实体对应的目标要素实体。
[0012]可选地，所述根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标条款实体，包括：
[0013]根据所述目标请求类型实体和所述劳动仲裁案件数据确定每一目标请求类型实体对应的目标条款；
[0014]针对所述每一目标请求类型实体，将所述目标请求类型实体对应的目标条款确定
为所述目标请求类型实体对应的目标条款实体。
[0015]可选地，所述根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标说理模板实体，包括：
[0016]根据所述目标请求类型实体对所述劳动仲裁案件数据进行拆分，得到每一目标请求类型实体对应的仲裁说理分段数据；
[0017]针对所述每一目标请求类型实体，将所述目标请求类型实体对应的仲裁说理分段数据拆分为仲裁说理分句数据；
[0018]对所述仲裁说理分句数据进行聚类分析，得到多个目标聚类中心，并将所述多个目标聚类中心所表征的仲裁说理分句确定为候选分句数据；
[0019]基于所述候选分句数据确定所述目标请求类型实体对应的目标说理模板实体。
[0020]可选地，所述对所述仲裁说理分句数据进行聚类分析，得到多个目标聚类中心，包括：
[0021]对所述仲裁说理分句数据进行初始化，得到多个初始的聚类中心；
[0022]重复执行以下聚类步骤，直至所述仲裁说理分句数据的聚类中心固定，并将固定的聚类中心作为所述目标聚类中心：
[0023]针对所述仲裁说理分句数据中的每一仲裁说理分句，分别确定所述仲裁说理分句与所述多个聚类中心的相似度，并将所述仲裁说理分句划分至相似度最高的聚类中心所对应的聚类簇中；
[0024]分别确定所述聚类簇中的每一仲裁说理分句与所述聚类簇中其他仲裁说理分句的相似度和值，并将所述相似度和值最大的仲裁说理分句作为所述聚类簇的新的聚类中心。
[0025]可选地，所述对所述仲裁说理分句数据进行初始化，得到多个初始的聚类中心，包括：
[0026]确定所述仲裁说理分句数据中每一仲裁说理分句对应的第一概率值，所述第一概率值与所述仲裁说理分句的词频
‑
逆向文件频率正相关；
[0027]将所述仲裁说理分句数据中第一概率值最高的仲裁说理分句作为聚类中心，并重复执行以下步骤，直至所述聚类中心的数量等于预设数量：
[0028]分别计算所述仲裁说理分句数据中未成为聚类中心的仲裁说理分句与所述聚类中心的第一距离；
[0029]针对每一所述未成为聚类中心的仲裁说理分句，确定所述未成为聚类中心的仲裁说理分句对应的第二概率值，所述第二概率值与所述未成为聚类中心的仲裁说理分句的第一距离中的最小值正相关；
[0030]将所述未成为聚类中心的仲裁说理分句数据中第二概率值最高的仲裁说理分句作为聚类中心。
[0031]可选地，所述基于所述要素实体、所述目标条款实体、所述目标说理模板实体以及所述目标请求类型实体构建知识图谱，包括：
[0032]根据同一所述劳动仲裁案件数据中包括的请求类型实体和要素实体确定所述目标请求类型实体和所述目标要素实体的第一对应关系；
[0033]根据同一所述劳动仲裁案件数据中包括的请求类型和条款实体确定所述目标请
求类型实体和所述目标条款实体的第二对应关系；
[0034]根据同一所述劳动仲裁案件数据中包括的请求类型实体和说理模板实体确定所述目标请求类型实体和所述目标说理模板实体的第三对应关系；
[0035]根据同一所述劳动仲裁案件数据中包括的要素实体和条款实体确定请求所述目标要素实体和目标条款实体的第四对应关系；
[0036]根据同一所述劳动仲裁案件数据中包括的要素实体和说理模板实体确定所述目标要素实体和所述说理模板实体的第五对应关系；
[0037]根据同一所述劳动仲裁案件数据中包括的说理模板实体和条款实体确定所述目标说理模板实体和所述目标条款实体的第六对应关系；
[0038]基于所述第一对应关系、所述第二对应关系、所述第三对应关系、所述第四对应关系、所述第五对应关系和所述第六对应关系构建所述知识图谱。
[0039]本公开的第二方面还提供一种知识图谱的应用方法，所述方法包括：
[0040]确定待仲裁案件的仲裁请求类型；
[0041]根据所述仲裁请求类型和预设的知识图谱确定目标候选问题、目标参考条款和目标说理模板中的至少一者；
[0042]其中，所述知识图谱是通过以下方式构建的：
[0043]获取劳动仲裁案件数据；
[0044]根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标要素实体、目标条款实体以及目标说理模板实体，所述目标请求类型实体表征劳动仲裁案件的仲裁请求类型；
[0045]基于所述目标要素实体、所述目标条款实体、所述目标说理模板实体以及所述目标请求类型实体构建知识图谱，所述知识图谱被应用于劳动仲裁过程。
[0046本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识图谱的构建方法，其特征在于，所述方法包括：获取劳动仲裁案件数据；根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标要素实体、目标条款实体以及目标说理模板实体，所述目标请求类型实体表征劳动仲裁案件的仲裁请求类型；基于所述目标要素实体、所述目标条款实体、所述目标说理模板实体以及所述目标请求类型实体构建知识图谱，所述知识图谱被应用于劳动仲裁过程。2.根据权利要求1所述的方法，其特征在于，所述根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标要素实体，包括：根据所述目标请求类型实体和所述劳动仲裁案件数据确定每一目标请求类型实体对应的目标证据数据；针对所述每一目标请求类型实体，对所述目标请求类型实体对应的目标证据数据进行聚类分析，得到多个目标证据名称，并将所述多个目标证据名称中出现频数超过预设阈值的目标证据名称确定为所述目标请求类型实体对应的目标要素实体。3.根据权利要求1所述的方法，其特征在于，所述根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标条款实体，包括：根据所述目标请求类型实体和所述劳动仲裁案件数据确定每一目标请求类型实体对应的目标条款；针对所述每一目标请求类型实体，将所述目标请求类型实体对应的目标条款确定为所述目标请求类型实体对应的目标条款实体。4.根据权利要求1所述的方法，其特征在于，所述根据预设的目标请求类型实体和所述劳动仲裁案件数据确定目标说理模板实体，包括：根据所述目标请求类型实体对所述劳动仲裁案件数据进行拆分，得到每一目标请求类型实体对应的仲裁说理分段数据；针对所述每一目标请求类型实体，将所述目标请求类型实体对应的仲裁说理分段数据拆分为仲裁说理分句数据；对所述仲裁说理分句数据进行聚类分析，得到多个目标聚类中心，并将所述多个目标聚类中心所表征的仲裁说理分句确定为候选分句数据；基于所述候选分句数据确定所述目标请求类型实体对应的目标说理模板实体。5.根据权利要求4所述的方法，其特征在于，所述对所述仲裁说理分句数据进行聚类分析，得到多个目标聚类中心，包括：对所述仲裁说理分句数据进行初始化，得到多个初始的聚类中心；重复执行以下聚类步骤，直至所述仲裁说理分句数据的聚类中心固定，并将固定的聚类中心作为所述目标聚类中心：针对所述仲裁说理分句数据中的每一仲裁说理分句，分别确定所述仲裁说理分句与所述多个聚类中心的相似度，并将所述仲裁说理分句划分至相似度最高的聚类中心所对应的聚类簇中；分别确定所述聚类簇中的每一仲裁说理分句与所述聚类簇中其他仲裁说理分句的相似度和值，并将所述相似度和值最大的仲裁说理分句作为所述聚类簇的新的聚类中心。6.根据权利要求5所述的方法，其特征在于，所述对所述仲裁说理分句数据进行初始
化，得到多个初始的聚类中心，包括：确定所述仲裁说理分句数据中每一仲裁说理分句对应的第一概率值，所述第一概率值与所述仲裁说理分句的词频
‑
逆向文件频率正相关；将所述仲裁说理分句数据中第一概率值最高的仲裁说理分句作为聚类中心，并重复执行以下步骤，直至所述聚类中心的数量等于预设数量：分别计算所述仲裁说理分句数据中未成为聚类中心的仲裁说理分句与所述聚类中心的第一距离；针对每一所述未成为聚类中心的仲裁说理分句，确定所述未成为聚类中心的仲裁说理分句对应的第二概率值，所述第二概率值与所述未成为聚类中心的仲裁说理分句的第一距离中的最小值正相关；将所述未成为聚类中心的仲裁说理分句数据中第二概率值最高的仲裁说理分句作为聚类中心。7.根据权利要求1
‑
6任一项所述的方法，其特征在于，所述基于所述要素实体、所述目标条款实体、所述目标说理模板实体以及所述目标请求类型实体构建知识图谱，包括：根据同一所述劳动仲裁案件数据中包括的请求类型实体和要素实体确定所述目标请求类型实体和所述目标要素实体的第一对应关系；根据同一所述劳动仲裁案件数据中包括的请求类型和条款实体确定所述目标请求类型实体和所述目标条款实体的第二对应关系；根据同一所述劳动仲裁案件数据中包括的请求类型实体和说理模板实体确定所述目标请求类型实体和所述目标说理模板实体的第三对应关系；根据同一所述劳动仲裁案件数据中包括的要素实体和条款实体确定请求所...

【专利技术属性】
技术研发人员：李想，遇晓婷，钱沫，伍云飞，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：