[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

说明书

本申请涉及人工智能领域，本申请公开了一种基于神经网络混合模型的法律条文检索方法及相关设备，所述方法包括：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。本申请通过对输入文本进行多路输入，并对多路输入向量化，进行堆栈嵌入循环运算，对运算后的结果拼接后再次进行堆栈嵌入循环运算，获得法律条文的检索结果，可以有效提高法律条文检索的准确度。

技术领域

本申请涉及人工智能领域，特别涉及一种基于神经网络混合模型的法律条文检索方法及相关设备。

背景技术

知识图谱技术日益成为人工智能的基础，它是机器理解自然语言和构建知识网络的重要方法。近年来，知识图谱在司法领域的运用悄然兴起,法律条文的快速检索系统能够依赖法律知识图谱，根据用户输入的文本内容快速地在线检索法律条文，提高法院审判工作质量和效率，该系统主要包括两种类型的快速检索功能，一是根据法律条文对其相关法律条文的检索，二是根据案件要素信息对相关法律条文的检索。

法律条文检索系统通常被法律从业人员用于根据案件中的信息对相关法律条文进行检索，提高案件处理的效率，无需手动翻阅查找相关法律条文；而目前的法律条文检索通常都是通过自然语言处理技术，采用的方法较多为文本相似度、关键词匹配等方法，其中最典型的是transformer算法，该算法基于transformer模型，通过该模型，可以获取案件中的相关法律条文信息，但是该模型在训练过程中，只能够学习到文本的上文或者下文内容，因此预测准确度不高，且耗时较长。

发明内容

本申请的目的在于针对现有技术的不足，提供一种基于神经网络混合模型的法律条文检索方法及相关设备，通过对输入文本进行多路输入，并对多路输入向量化，进行堆栈嵌入循环运算，对运算后的结果拼接后再次进行堆栈嵌入循环运算，获得法律条文的检索结果，可以有效提高法律条文检索的准确度。

为达到上述目的，本申请的技术方案提供一种基于神经网络混合模型的法律条文检索方法及相关设备。

本申请公开了一种基于神经网络混合模型的法律条文检索方法，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。

较佳地，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。

较佳地，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。