一种基于多层次匹配和预训练语言模型的法条推荐方法技术

本发明专利技术一种基于多层次匹配和预训练语言模型的法条推荐方法，属于自然语言处理领域。本发明专利技术使用BERT模型最后一层输出的向量经过BiLSTM提取上下文信息得到句级特征。利用法条对应的罪名特征和司法解释使用TF‑IDF技术对每一条法条提取关键词，利用交互注意力机制将法条关键词分别融入到事实和法条的文本向量中，采用最大池化保留最关键的特征得到关键词级别特征。利用BERT+CRF提取犯罪四要件，通过交互注意力机制将犯罪四要件分别融入到事实和法条的文本向量中，采用最大池化保留最关键特征得到犯罪四要件级别特征。综合句级、关键词级别、犯罪四要件特征多层次衡量事实与法条的相关性。本发明专利技术能实现法条多层次精准匹配推荐，辅助提高法条推荐任务的精度和效率。

【技术实现步骤摘要】

本专利技术属于自然语言处理领域，特别涉及一种基于多层次匹配和预训练语言模型的法条推荐方法。

技术介绍

1、自然语言技术(nlp)完成的是这样一个任务，即构建人机联系的桥梁。这些方法具体包括中文分词。词性标注、词汇语义、句法解析等等，目标是能够将人的半结构化语言转化为机器能够处理的结构化信息。法律领域作为人工智能应用的细分领域，离不开自然语言处理技术的基础性作用。法律领域中的大多数材料如判决书、裁决书、合同、意见书等都是以文本形式呈现的。法律领域又因为追求表述的严谨性，有一套严密的法律概念体系，并且法律界的许多任务需要法律从业者的及其专业的法律知识和对各种法律法规的认知和理解，由于法律知识和案件库十分庞大，检索到相关的法律知识和文档需要花费大量时间，即使对于从业多年的专业人员也是如此。当前，法院在长期的司法实践中积累了大量的司法裁判文书，裁判文书具有结构明确、专业术语丰富、逻辑严谨等特征。依据裁判文书的特殊结构，可以将裁判文书的重要部分分成事实、推理、判决、依据四块，法条推荐注重的是事实和依据的关系，研究的是如何基于给定事实给出特定法典中的特点条款支撑的问题本文档来自技高网...

【技术保护点】

1.一种基于多层次匹配和预训练语言模型的法条推荐方法，其特征在于：

2.如权利要求1所述的一种基于多层次匹配和预训练语言模型的法条推荐方法，其特征在于：还包括S6，将需要寻找到参考的法条的案件事实文本输入到事实与法条多层次匹配模型模型中，事实与法条多层次匹配模型模型会将该案件与法典库中的法条进行一一比对，输出该案件与法典库中的法条的相似度得分，取出相似度得分最高的10个法条返回，得到与该案件最相关的十个法条，能够为律师、法官快速提供相关的法条，节省司法工作人员寻找各个法条库的时间，并且使用该模型的方法能够充分利用到法条知识和事实文本中的犯罪四要件的信息，综合兼顾事实文本句级别...

【技术特征摘要】

1.一种基于多层次匹配和预训练语言模型的法条推荐方法，其特征在于：

2.如权利要求1所述的一种基于多层次匹配和预训练语言模型的法条推荐方法，其特征在于：还包括s6，将需要寻找到参考的法条的案件事实文本输入到事实与法条多层次匹配模型模型中，事实与法条多层次匹配模型模型会将该案件与法典库中的法条进行一一比对，输出该案件与法典库中的法条的相似度得分，取出相似度得分最高的10个法条返回，得到与该案件最相关的十个法条，能够为律师、法官快速提供相关的法条，节省司法工作人员寻找各个法条库的时间，并且使用该模型的方法能够充分利用到法条知识和事实文本中的犯罪四要件的信息，综合兼...

【专利技术属性】
技术研发人员：阮歆池，郭欣锐，于国鑫，郝志伟，徐冠宇，胡晗，郇鑫涛，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：