[发明专利]基于法规文本的法律规则图谱构建方法及系统

权利要求书

1.一种基于法规文本的法律规则图谱构建方法，其特征在于，包括：

根据法律法规的书写规范与文本结构，按立法技术规范，将法规文本由粗到细切分为多层级的文本片，设计法规文本的切片模型，并以此分片模型为基础，结合法规文本的立法技术特征、语义特征，基于规则的NLP算法，实现对法规文本的切片并存储；

根据法律法规的法律原理、立法技术规范和法律规则应用目标，以整个法规文本为对象，设计法规属性模型，利用文本分层切片的成果基础上，采用基于规则和深度学习混合的算法模型，实现对法规属性的提取并存储；

基于法规的立法技术规范、法条属性特征，采用深度学习算法模型，实现对法条的自动分类；

根据法律规则的业务特征，设计法律规则结构模型；

在自有法律术语库基础上，针对法规文本语料，采用专家词库、基于规则的自举法和卷积神经网络混合的模式，构建法律术语库；

利用构建的法律术语库，基于深度学习的关系抽取模型，构建法律术语概念图谱，图谱采用标准的三元组存储；

针对法规语料，根据法律规则模型中的不同类型特征，融合法律术语库，采用基于规则和深度学习混合的方法，识别法律术语之间的关系，并根据法律规则结构模型，生成法规语料中存在的法律规则，并记录法律规则与语料的链接关系；

利用构建的法律术语概念图谱，结合当前法规文本或其他法规文本中的上下文语义指代，开展单一法律规则之间的规则推理，生成新的法律规则；

按照抽取的法律规则的类型，在对应的法律规则结构模型中进行存储。

2.根据权利要求1所述的基于法规文本的法律规则图谱构建方法，其特征在于，根据法律法规的书写规范与文本结构，按立法技术规范，将法规文本由粗到细切分为多层级的文本片，设计法规文本的切片模型，并以此分片模型为基础，结合法规文本的立法技术特征、语义特征，基于规则的NLP算法，实现对法规文本的切片并存储，包括：

总结法规文本书写规范和文本结构，将文本各段落按照逻辑关系划分出多层级的文本片，对法规文本的一级文本片进行分析；

基于法规文本的切片业务特征、立法技术规范和语义特征，采用基于规则的NLP算法模型，实现对法规文本的多层级切片，在切片基础上，结合法规不同切片层级的立法技术规范和语义特征，采用基于规则和深度学习混合的算法模型，提取每个层级切片的基本属性和文本内容；

设计文书切片模型用以存储法规文本各层级切片。

3.根据权利要求1所述的基于法规文本的法律规则图谱构建方法，其特征在于，根据法律法规的法律原理、立法技术规范和法律规则应用目标，以整个法规文本为对象，设计法规属性模型，利用文本分层切片的成果基础上，采用基于规则和深度学习混合的算法模型，实现对法规属性的提取并存储，包括：

总结法律法规关于法的渊源、法的效力、法的分类等基本法律原理，结合立法技术规范关于法律立改废的技术要求，以及本专利涉及到法律规则在法律适用层面的应用目标，对法规作为整体的属性维度进行建模；

设计法规文本的属性模型用以存储法规文本各各属性；

基于法规各种属性的业务内涵、属性所在位置特征、属性语义特征，采用基于规则的NLP算法模型，实现对法规文本基于切片结果自身包含有属性信息的部分属性进行自动提取；

针对基于法规文本之间的属性关联才能形成提取和赋值的法规属性，采用构建法规属性库并基于属性库利用推理规则的方法，实现对这部分法规属性的自动生成。

4.根据权利要求1所述的基于法规文本的法律规则图谱构建方法，其特征在于，基于法规的立法技术规范、法条属性特征，采用深度学习算法模型，实现对法条的自动分类，包括：

设计分类体系，对于法条的分类，属于文本多分类问题的解决范畴；

标注一批分类学习样本，获取一批法条分段，进行分类标注，分成训练、验证、测试三份样本集；

采用TextBiLSTM+Attention神经网络，结合预训练语言模型AlBert的微调，训练法条分类算法模型；

应用法条分类模型，对条文进行分类，并将条文分类存储于法条的“技术分类”属性中。