[发明专利]一种基于多层级多维度语义理解的法律认知方法、装置和介质

说明书

本发明涉及一种利用人工智能领域的机器学习技术，通过多层级和多维度语义理解法律知识，属于人工智能领域。本发明所涉及的方法、装置和计算机可读介质，对法律文本内容进行预处理获得法律文本信息，基于相似词语模型、相似短语模型和相似长句模型，生成语义概念聚合以构建语义理解模块，基于法律属性抽取模型生成法律属性和法律规则，以构建法律规则模块，语义理解模块和/或法律规则构建模块识别所述法律文本信息并生成法律知识图谱。对法律文本中的自然语言进行深度理解，扩展了人工智能法律知识的处理能力。

技术领域

本发明涉及一种利用人工智能领域的智能语义理解和处理，属于人工智能领域。

背景技术

自然语言处理(natural language processing，简称NLP)是计算机科学，人工智能，语言学关注计算机和人类(自然)语言之间的相互作用的领域。对于自然语言理解，特别是语义理解方面，从现有的理论和技术现状看，部分的自然语言处理系统，特别是针对特定业务需求的自然语言处理和理解系统，虽然具备了一定的实用性，但是在法律文本的自然语言处理领域，尚无成熟的、专业的技术成果和商业应用。

就法律自然语言理解而言，其主要问题包括几方面：

一是缺少针对法律领域的大规模真实语料库的研制，以及专业性强的丰富的法律词典的编制。如对于法律专业的“无因管理”、“不当得利”以及特定的案由、罪名等，通用的分词等技术是无法满足实际应用需求的。

二是对法律文本的基本属性、特征、规则研究不足，导致对包括裁判文书、检察文书、诉状与答辩意见、证据材料等在内的各类文本进行信息抽取和分析效果不佳。

三是目前的语义理解能力，主要集中在对相似的法律词语的理解上。在短语、语句层面的理解效果上还有不足，导致无法实现从字面涵义到法律涵义的转换，更无法对纷繁复杂的案件自然事实、情节、证据进行统一认知和扩展。

举例来说，裁判文书会区分为刑事、民事、行政、执行等各类案件类型，同时也会区分一审、二审、再审等各类审判程序，并且根据判决、裁定、调解文书来看，其文书结构和段落等也会有有较多的差别。只有精准的识别了相应的属性，我们才有可能更好地做相应的信息抽取和语义理解。如到公安机关投案这个事实，在法律认知上属于自首的一个具体情形。再如对于入户盗窃中关于“户”的理解，也需要结合具体语境或者实际情况来实现统一的认知，从而扩展我们的知识。

发明内容

为了解决上述存在的技术问题，本发明提出了一种基于多层级多维度语义理解的法律认知方法、装置、系统和介质。本发明提出的技术方案与法律知识图谱技术相结合，通过在语义理解过程中的改进，辅助实现从案情数据输入，到最终对用户有价值的法律知识输出的全智能的应用过程。

本发明提出一种基于多层级和多维度语义理解的法律认知方法，包括，

步骤1：对法律文本内容进行预处理，获得法律文本信息；

步骤2：基于相似词语模型、相似短语模型和相似长句模型，生成语义概念聚合以构建语义理解模块；

步骤3：基于法律属性抽取模型生成法律属性和法律规则，以构建法律规则模块；

步骤4：所述语义理解模块和/或法律规则构建模块识别所述法律文本信息并生成法律知识图谱。

根据本发明的一实施例，所述法律规则模型调用法律法规库以优化法律规则模型。

根据本发明的一实施例，所述词语聚类处理包括对每个词设置一个词向量，利用神经网络训练语言模型对词向量进行训练，通过文本统计出词频、词的共现、词的搭配，调整词向量的值，并自我学习生成新的词向量，自动标注所述法律文本信息，并通过比较词向量的距离，实现语义概念的聚合。

根据本发明的一实施例，对所述获得的法律文本信息的词语进行组合，并通过加权计算，生成文本向量矩阵，对法律短语和法律语句进行相似处理。