[发明专利]蒙古语裁决文书信息自动标注及抽取方法和装置

说明书

本发明提供一种从蒙古语判决文书中自动标注并提取关键信息的方法和装置，涉及文本处理技术领域。本发明通过获取蒙古语判决文书原始数据；对蒙古语判决文书原始数据进行预处理；根据预设的属性标签体系对预处理后的蒙古语判决文书原始数据进行关键要素标注，得到标注文书，所述预设的属性标签体系基于汉语判决文书构建；采用正则表达式对标注文书进行信息抽取，得到关键信息。本发明针对直接蒙古语判决文书中难以获取全面的属性标签的情况，采用从大规模的汉语判决文书获取更加全面的属性标签，并以此构建体系。然后通过将构建的体系应用到蒙古语判决文书中，从而实现蒙古语判决文书的自动标注抽取，提高标注效率和准确率。

技术领域

本发明涉及文本处理技术领域，具体涉及一种蒙古语裁决文书信息自动标注及抽取方法和装置。

背景技术

随着社会发展，法律体系不断完善，群众法律意识也随之不断提高。随着各类案件数量不断增多，各种案件判决书或者裁决书的数量也随着不断增加。面对这样的情况，一方面，法律从事者在了解案情过程中就需要针对相关案件以及涉及的法律法规不断进行大量查阅，以求掌握案情的真实情况，然后再展开进一步的工作。这就对法律从事者的要求不断提高，使得他们的任务不断加重，不但不利于效率的提高，同时还可能增加工作过程中失误的风险。通过对判决文书进行进行标注，方便法律从事者了解案情。

传统的蒙古语裁决文书主要是以人工标注的方式为主，通过对法律文本中的关键信息进行提取，然后将其打上对应标签属性，通过这种方式标注的法律判决文书准确率高，可读性也好。但是一方面，这种标注方式对标注人的要求较高，需要标注人具有一定的法律知识，才能够顺利完成标注任务。而且另一方面，随着法律判决文书数据量的增大，通过人工的方式耗时又费力，统一性变差，人为标注过程中误差率也变高。即现有的蒙古语裁决文书标注方法效率低。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种蒙古语裁决文书信息自动标注及抽取方法和装置，解决了现有的蒙古语裁决文书标注方法效率低的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，本发明提供了一种蒙古语裁决文书信息自动标注及抽取方法，所述方法包括：

S1、获取蒙古语判决文书原始数据；

S2、对所述蒙古语判决文书原始数据进行预处理；

S3、根据预设的属性标签体系对预处理后的蒙古语判决文书原始数据进行关键要素标注，得到标注文书，所述预设的属性标签体系基于汉语判决文书构建；

S4、采用正则表达式对所述标注文书进行信息抽取，得到关键信息。

优选的，所述方法还包括：

S5、将所述关键信息保存预先设置好结构的规则的文本中。

优选的，所述对所述蒙古语判决文书原始数据进行预处理，包括：

S201、将蒙古语判决文书从蒙科立编码转换为国际标准编码；

S202、对变形控制符以及附加成分进行统一转换；

S203、将全角字符转换为半角字符，删除页码以及多余段落符。

优选的，所述预设的属性标签体系的构建过程包括：

为汉语判决文书的外部属性标签设定固定类别性标签，通过固定类别性标签对汉语判决文书的进行标注，对标注后的汉语判决文书按外部标签进行拆分，并从术语、法条知识库中提炼出属性标签体系；对于标签标注的原则，遵循如下规则：

采用机器自动标注；