[发明专利]基于神经网络混合模型的法律条文检索方法及相关设备

权利要求书

1.一种基于神经网络混合模型的法律条文检索方法，其特征在于，包括以下步骤：

获取输入文本，对所述输入文本进行向量化，获得第一文本向量及第二文本向量；

对所述第一文本向量及所述第二文本向量进行堆栈嵌入，获得第一循环向量及第二循环向量；

将所述第一循环向量与所述第二循环向量进行拼接，获得混合向量，并对所述混合向量进行堆栈嵌入，获得混合堆栈向量；

对所述混合堆栈向量进行归一化处理，获得文本检索结果

所述获取输入文本，对所述输入文本进行向量化，获得第一文本向量及第二文本向量，包括：

获取输入文本，将所述输入文本设置为第一文本；

对所述第一文本进行实体链接，获得所述第一文本中的要素，将所述要素拼接成上下文，将所述上下文设置为第二文本；

分别对所述第一文本和所述第二文本进行向量化，获得第一文本向量及第二文本向量；

所述对所述第一文本向量及所述第二文本向量进行堆栈嵌入，获得第一循环向量及第二循环向量，包括：

将所述第一文本向量与所述第一文本向量的位置信息相加，获得第一位置向量，将所述第二文本向量与所述第二文本向量的位置信息相加，获得第二位置向量；

分别将所述第一位置向量与所述第二位置向量输入神经网络模型进行归一化处理，获得第一归一化隐向量及第二归一化隐向量；

对所述第一归一化隐向量及所述第二归一化隐向量进行特征提取，获得第一特征向量及第二特征向量；

将所述第一特征向量及所述第二特征向量输入神经网络模型进行归一化处理，获得第一归一化向量及第二归一化向量，将所述第一归一化向量及所述第二归一化向量输入自注意力神经网络模型进行处理，获得第一编码块向量及第二编码块向量，对所述第一编码块向量及所述第二编码块向量进行循环处理，获得第一循环向量及第二循环向量；

所述对所述混合堆栈向量进行归一化处理，获得文本检索结果，包括：

预设法律条文概率阈值；

将所述混合堆栈向量输入卷积神经网络的全连接层进行线性处理，获得待分类向量，并对所述待分类向量进行归一化处理，获得每一条法律条文对应的概率；

将所述每一条法律条文对应的概率与所述预设法律条文概率阈值进行比较，将所有大于所述法律条文概率阈值的法律条文进行输出。

2.如权利要求1所述的基于神经网络混合模型的法律条文检索方法，其特征在于，所述分别对所述第一文本和所述第二文本进行向量化，获得第一文本向量及第二文本向量，包括：

对所述第一文本和所述第二文本进行字分割，获得第一文本和第二文本中的每个字；

预设向量的维度，根据所述向量的维度分别对所述第一文本的每个字和所述第二文本的每个字进行向量化，获得第一文本向量和第二文本向量。

3.如权利要求1所述的基于神经网络混合模型的法律条文检索方法，其特征在于，所述对所述第一归一化隐向量及所述第二归一化隐向量进行特征提取，获得第一特征向量及第二特征向量，包括：

将所述第一归一化隐向量及所述第二归一化隐向量输入神经网络模型进行特征提取，将所述特征提取后的向量分别与所述第一位置向量及所述第二位置向量相加，获得第一特征隐向量及第二特征隐向量；

预设第一循环次数，将所述第一特征隐向量及所述第二特征隐向量输入神经网络模型进行归一化，将归一化后获得的向量输入神经网络模型进行特征提取，将特征提取后的向量分别与所述第一位置向量及所述第二位置向量相加，并根据预设的第一循环次数重复执行本步骤，获得第一特征向量及第二特征向量。