[发明专利]基于融合关系信息编码的法律文书中的实体关系抽取方法

说明书

本发明公开了一种基于融合关系信息编码的法律文书中的实体关系抽取方法，包括以下步骤：S1、根据预先建立的法律文书中的目标关系表使用联合标记法对训练文本中的主体、客体和非实体进行标注；S2、使用与预训练模型BERT对经过标注的训练文本进行编码，得到原始文本编码；S3、将原始文本编码输入多通道卷积神经网络，获得目标关系表中各个关系类别所对应的关系信息编码；S4、使用权值法对原始文本编码和关系信息编码进行融合，得到融合信息编码；S5、通过神经网络模型LSTM对融合信息编码进行解码，得到最后的实体关系识别结果。

技术领域

本发明属于自然语言处理领域，具体涉及一种基于融合关系信息编码的法律文书中的实体关系抽取方法。

背景技术

在法律行业，检察机关、律师、法官等从事司法相关行业工作人员在工作时往往需要翻阅大量相关的案件文书。自然语言处理领域中的实体关系抽取技术可以帮助司法人员快速获取文书原告、被告以及执法机关等实体之间的关系。对于法律文书而言，关系抽取的主要任务就是提取出被告人、警方、被害人等法律实体和它们之间的关联(这里的关联是事先定义的关系)，并以此构建类似于(subject，relation，object)的三元组(其中，subject代表主实体， relation代表关系，object代表客实体)。以往的实体关系抽取主要使用流水现方法，分为两步：①命名实体识别(Named Entity Recognition,NER)；②关系分类(Relation Classification,RC)。即根据命名实体识别结果对其进行关系分类。命名实体识别的目标是识别出文本中的人名、机构名、地名等命名实体。关系分类是一个多分类问题，首先需要预先对关系类型进行定义；然后再对已识别的实体进行两两配对；最后判断实体对的所属关系。流水线方法存在以下缺点：一是错误的传递问题，识别错误的实体会对之后的关系分类器的性能造成极大的干扰；二是忽略了命名实体识别和关系分类之间的内在联系，只是机械地对命名实体识别的结果进行分类，没有考虑到实体在句子中的语义。这样的抽取方法抽取效率低下，且难以识别如图1所示重叠实体关系。

发明内容

本发明的目的是提供一种可以识别出重叠的实体关系的基于融合关系信息编码的法律文书中的实体关系抽取方法。

本发明所采用的技术方案是：

提供一种基于融合关系信息编码的法律文书中的实体关系抽取方法，其特征在于，包括以下步骤：

S1、根据预先建立的法律文书中的目标关系表使用联合标记法对训练文本中的主体、客体和非实体进行标注；

S2、使用与预训练模型BERT对经过标注的训练文本进行编码，得到原始文本编码；

S3、将原始文本编码输入多通道卷积神经网络，获得目标关系表中各个关系类别所对应的关系信息编码；

S4、使用权值法对原始文本编码和关系信息编码进行融合，得到融合信息编码；

S5、通过神经网络模型LSTM对融合信息编码进行解码，得到最后的实体关系识别结果。

接上述技术方案，联合标注法具体对每个关系都进行标注，其中1、2分别对应关系中的主体标签和客体标签，0对应关系中的非实体标签。

接上述技术方案，权值法具体先使用向量点积、余弦相似度或者映射矩阵作为相关度函数计算文本的关系信息编码与原始文本编码的相关度；然后将计算后得到的相关度向量输入softmax函数，计算得到原始文本编码中各个词的权值；最后将各词的原始编码与对应的权值相乘，得到最终的融合信息编码。

接上述技术方案，神经网络模型LSTM中仅包含一个LSTM解码器。

接上述技术方案，多通道卷积神经网络的通道数为目标关系表中关系类别的个数。

本发明还提供了一种基于融合关系信息编码的法律文书中的实体关系抽取系统，包括：