[发明专利]一种基于贝叶斯网络的裁判文书分类方法

说明书

本发明涉及一种基于贝叶斯网络的裁判文书分类方法，包括以下步骤：提取基本法律要素；构建法律要素关系网络；提取关联特征；构建裁判文书贝叶斯网络；构建联合树推理模型，进行推理分类。本发明通过基于平均信息熵的权重指标体系对法律要素的主题表现力进行评估，有效过滤了干扰信息，提高了法律要素提取的准确率；基于异构信息网络的法律要素关系模型，有效地表示了文本数据；基于Network Embedding的关联特征提取算法有效解决了传统文本向量化算法受上下文窗口大小限制的问题，能够有效地捕捉法律要素之间的关联关系；基于关联特征的贝叶斯网络结构学习算法能够保证图的连通性，学习到对于裁判文书来说最优的网络结构。

技术领域

本发明涉及一种基于贝叶斯网络的裁判文书分类方法,属于自然语言处理、机器学习技术领域。

背景技术

近年来，我国民事纠纷案件数量呈上升趋势。而纠纷案件的增加，对于案件解决的效率和案件处理结果的合理性都有着更高的要求。历史民事纠纷裁判文书作为宝贵的材料对于纠纷的解决有着重要参考作用，通过对历史民事纠纷裁判文书的分析，向相关法务人员推荐相似的裁判文书，可以帮助案件分析理清争议焦点，协助纠纷双方客观分析现状，拉近双方的期望值，提高解决纠纷的质量和效率。作为类案推荐的基础，快速而精准地从裁判文书中提取特征信息，并以此为基础高效地对文书进行分类成为了相关法务工作人员的迫切需求。

裁判文书的分类相较其他中文文本具有诸多特点。首先，领域知识在法律文本分类问题中占据重要地位，法律文本的分类问题研究应该在评估特征信息对法律文书主题反映能力时将司法领域知识融入其中。其次，法律文本案由众多而且相互具有很大的差异性，不同的案由通常涉及到不同的领域知识，建立一个能够适用各种案由甚至建立一个做到领域无关的通用模型都是不现实的，将无法客观准确地提取能够反映文本主题的特征信息。最后，法律文本属于长文本，且各个段落在内容上存在大量冗余，使得文本的特征不突出，特征信息提取困难。

现有基于词频的特征提取算法未考虑裁判文书存在大量冗余信息及法律要素之间存在紧密逻辑关系的特殊性，导致提取的法律要素准确率较低。传统文本向量化算法word2vec受上下文窗口大小所限，容易陷入局部最优，无法准确捕捉法律要素之间的逻辑关系。现有贝叶斯网络结构学习方法易陷入局部最优，且存在一些难以定向的边，无法习得最优的裁判文书贝叶斯网络结构。

发明内容

本发明的目的是为了解决上述问题，提出基于贝叶斯网络的裁判文书分类方法(Classification of Judgment Documents Based on Bayesian Network，CBBN)。

为了达到上述目的，本发明采用的方法是：一种基于贝叶斯网络的裁判文书分类方法，包括以下步骤：

(1)提取基本法律要素，先对裁判文书进行分段操作，之后经过分词，停用词去除操作得到候选法律要素；接着对候选法律要素进行权重的计算，以衡量其对裁判文书主题的表现能力，并根据权重大小提取法律要素；

(2)构建法律要素关系网络；

(3)提取关联特征；

(4)构建裁判文书贝叶斯网络；

(5)构建联合树推理模型，进行推理分类。

作为本发明的一种改进，裁判文书是一种具有鲜明主题特征的文本，经观察，可按照“原告陈诉”、“被告辩诉”、“审理查明”、“本院认为”、“判决结果”等五个关键词将裁判文书分为五个内容模块，这样分割之后，对于不同的法律要素可以有针对性的从五个模块中进行提取，避免了大量冗余信息的干扰。

作为本发明的一种改进，所述的法律要素权重计算采用基于平均信息熵的法律要素主题表现力评估方法，综合考虑平均信息熵、位置特征和词频特征三大标准进行计算。