一种基于深度学习的案由提取方法和装置制造方法及图纸

本申请公开了一种基于深度学习的案由提取方法和装置。方法包括：对历史法律文本数据进行清洗、预处理和数据标注，指示案由的位置；将历史法律文本数据划分为训练集、验证集和测试集；利用训练集训练深度学习神经网络模型，并利用训练集对预训练神经网络模型进行微调；获取目标法律文本数据，将目标法律文本数据输入到深度学习神经网络模型中，得到相应案由序列；并将目标法律文本数据输入到预训练神经网络模型中，得到相应文章总结；比较案由序列与文章总结中的潜在案由之间的相似度；基于相似度，结合标准案由大全，判断案由序列是否准确；若判定案由序列准确，输出案由序列。本申请可以有效提高案由提取的准确率，具有更好的泛化能力和适应性。

【技术实现步骤摘要】

本申请涉及数据处理，特别是涉及一种案由提取方法和装置。

技术介绍

1、

2、

3、现有的案由提取方法中，准确率较低是一个普遍存在的问题。基于规则或关键词匹配的方法受限于事先设定的规则和词库，难以适应法律文本的多样性和复杂性。此外，由于案由的表述方式灵活多样，传统方法往往依赖于人工编制的模板或规则，对于新的案件类型或变化的法律问题，需要耗费大量时间和资源进行调整和更新。

技术实现思路

1、本申请提供一种案由提取方法和装置，旨在解决现有案由提取方法准确率较低的技术问题。

2、第一方面，一种基于深度学习的案由提取方法，包括：

3、s1，从多个领域收集历史法律文本数据，对所述历史法律文本数据进行数据清洗和预处理；

4、s2，对所述历史法律文本数据进行数据标注，指示所述历史法律文本数据中案由的位置；

5、s3，将所述历史法律文本数据划分为训练集、验证集和测试集；

6、s4，利用所述训练集训练深度学习神经网络模型，并利用所述训练集对预训练本文档来自技高网...

【技术保护点】

1.一种基于深度学习的案由提取方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的案由提取方法，其特征在于，所述对所述历史法律文本数据进行数据清洗和预处理，包括：

3.根据权利要求1所述的基于深度学习的案由提取方法，其特征在于，所述深度学习神经网络包括输入层、BiLSTM层和CRF层；所述输入层用于将法律文本数据表示为词嵌入或字词嵌入；所述BiLSTM层用于学习文本中的上下文信息；所述CRF层用于建模标签序列的依赖性关系。

4.根据权利要求1所述的基于深度学习的案由提取方法，其特征在于，所述预训练神经网络模型为BERT-Base-Chine...

【技术特征摘要】

1.一种基于深度学习的案由提取方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的案由提取方法，其特征在于，所述对所述历史法律文本数据进行数据清洗和预处理，包括：

3.根据权利要求1所述的基于深度学习的案由提取方法，其特征在于，所述深度学习神经网络包括输入层、bilstm层和crf层；所述输入层用于将法律文本数据表示为词嵌入或字词嵌入；所述bilstm层用于学习文本中的上下文信息；所述crf层用于建模标签序列的依赖性关系。

4.根据权利要求1所述的基于深度学习的案由提取方法，其特征在于，所述预训练神经网络模型为bert-base-chinese模型。

5.根据权利要求4所述的基于深度学习的案由提取方法，其特征在于，利用所述训练集对预训练神经网络模型...

【专利技术属性】
技术研发人员：王荣刚，
申请(专利权)人：北京汉王影研科技有限公司，
类型：发明
国别省市：