[发明专利]争议焦点类别及相似判断方法及系统及装置及推荐方法

说明书

本发明公开了争议焦点类别及相似判断方法及系统及装置及推荐方法，属于自然语言处理领域，本发明包括数据集构造、模型构建和训练，本发明整体架构使用了召回、精排的双模型，召回模型是对争议焦点直接分类，准确度有限，但是速度快，保障了整体效率；精排模型充分利用了bert的Self‑attention机制对争议焦点对做语义交互，虽然速度稍慢，但是准确率高；因此召回‑精排双模型有效的平衡了速度和精确度。

技术领域

本发明涉及自然语言处理领域，具体地，涉及争议焦点类别及相似判断方法及系统及装置及推荐方法。

背景技术

目前司法领域争议焦点语句相似性判断方式主要有：

1)把争议焦点语句相似性问题转化成多分类任务，该方式面临着小样本学习问题，通常每个案由标注的类别大于100，每个类别的样本数小于10，容易导致分类结果的准确率低。

2)使用语义相似度匹配技术手段，为了更好的判断两个争议焦点语句是否语义相似，通常需要使用交互式模型，本方式一般情况下的准确率相较于第一方式有较大的提高，但本方式的主要问题是推断时查询的争议焦点语句需要与每个标注的争议焦点语句交互，然后确定分类或提取相似争议焦点语句，这样效率会较低。

发明内容

为了同时保障争议焦点语句类别判断的准确性和效率，本发明提供了涉及争议焦点类别及相似判断方法及系统及装置及推荐方法。

其中，争议焦点语句为裁判文书中的一句或者几句话，通常的格式为“本案的争议焦点是……”。

为实现上述目的，本发明提供了争议焦点类别判断方法，所述方法包括：

从裁判文书数据中抽取得到第一争议焦点语句数据，将所述第一争议焦点语句数据标注争议焦点类别得到第二争议焦点语句数据；

基于所述第二争议焦点语句数据构造召回数据集，所述召回数据集中数据元素的结构为：(争议焦点语句a，a的争议类别)；

基于所述第二争议焦点语句数据构造精排数据集，所述精排数据集中数据元素的结构为：((争议焦点语句a，a对应的相似争议焦点语句)，(争议焦点语句a，a对应的困难样本争议焦点语句))；

构造第一召回模型和第一精排模型，利用所述召回数据集训练所述第一召回模型得到第二召回模型，利用所述精排数据集训练所述第一精排模型得到第二精排模型；

得到争议焦点类别待判断的争议焦点语句X，将所述争议焦点语句X输入所述第二召回模型，所述第二召回模型输出所述争议焦点语句X的top N争议焦点类别标签，N为大于或等于1的整数；将争议焦点语句X-top N类别对应的争议焦点语句输入所述第二精排模型，所述第二精排模型输出所述争议焦点语句X的争议焦点类别。

其中，争议焦点语句a对应的相似争议焦点语句与争议焦点语句a属于同一个争议焦点类别；争议焦点语句a对应的困难样本争议焦点语句为从抽取得到的所有争议焦点类别中剔除争议焦点语句a对应争议焦点类别后，从剩余争议焦点语句类别对应的争议焦点语句中提取与争议焦点语句a最相似的top K争议焦点语句，K为大于或等于1的整数；其中，争议焦点语句的争议焦点类别即争议焦点语句的标签，基于具体的案由生成对应的标签，争议焦点语句的争议焦点类别代表了争议焦点的主题。

其中，本发明的原理为：本发明首先整体架构使用了召回、精排的双模型，召回模型是对争议焦点直接分类，准确度有限，但是速度快，保障了整体效率；精排模型充分利用了bert的Self-attention机制对争议焦点对做语义交互，虽然速度稍慢，但是准确率高；因此召回-精排双模型有效的平衡了速度和精确度。