[发明专利]一种基于自然语言理解的工伤认定研判方法

说明书

本发明提供了一种基于自然语言理解的智能工伤认定研判方法，可以辅助业务人员根据调查结果即可得到认定结论，并且搜索类似情节案件，给出判决结果和法律依据，提升业务人员工伤认定的精准性和效率，避免不必要的诉讼风险。本发明的优点在于：首先，该方法在原有的提交信息上没有任何额外的信息添加不增加工伤认定人员的负担；其次，能够自动化辅助业务人员出具工伤认定结论和认定法律依据，提升业务人员的工作效率；再者，该方法可以搜索到类似的司法判决案例，为工伤认定把好最后一道关；最后，该方法以文本信息数据为基础，便于在不同机构不同地域推广使用。

技术领域

本发明涉及一种基于自然语言理解的智能工伤认定研判方法，属于智慧政务技术领域。

背景技术

工伤认定是劳动行政部门依据法律的授权对职工因事故伤害(或者患职业病) 是否属于工伤或者视同工伤给予定性的行政确认行为。

近年来，随着人工智能在自然语言处理技术的研究和发展,自然语言处理技术已经应用到很多领域。尤其最近几年，随着智慧政务的提出，很多人员将自然语言处理技术应用于智慧城市、社会保障等方面。

发明内容

本发明的目的是：将自然语言处理技术应用于工伤认定。

为了达到上述目的，本发明的技术方案是提供了一种基于自然语言理解的工伤认定研判方法，其特征在于，包括以下步骤：

步骤1、数据信息采集：

采集以往有关工伤认定的相关数据，包括工伤发生情况信息、工伤认定结果信息以及工伤认定法律依据信息；

构建工伤认定信息数据库，将工伤发生情况信息、工伤认定结果信息、工伤认定法律依据信息分别以数据表的形式存入该工伤认定信息数据库中；

同时，通过对伤认定法律依据信息的整理，形成关于相关法律中每个法律条款对应典型案例的法律条款案例库；

步骤2、数据信息处理：针对工伤认定信息数据库中的结构化数据进行数据预处理、无关字段删除和特征选择，具体包括以下内容：

数据预处理：将工伤认定法律依据信息转换为数值型数据，根据数据的统计结果将相关法律中的所有法律条款转化为n个分类，并将其形式转化为one-hot 形式；对工伤认定信息数据库中每行数据存在缺失值的数据样本进行删除处理；

无关字段删除：删除工伤发生情况信息中存在的无意义字符；

信息顺序转换：根据文本规律对工伤发生情况信息中的文本信息顺序进行转换，将诊断信息提到工伤发生情况信息的文本开头；

信息文本形式转化为向量形式：将工伤发生情况信息按照字粒度进行分割，之后通过字-标号字典将文本信息从文本形式转换为向量形式；

步骤3、构建工伤认定与工伤法律依据模型，具体包括以下内容：

工伤认定与工伤法律依据模型的输入为工伤发生情况信息，数据对应的输入尺寸为n_max×m，其中，n_max为非结构化数据中长文本包含的最大词汇个数，m 为数据特征种类数；

工伤认定与工伤法律依据模型由两个分类模型和一个检索模型构成，其中，两个分类模型分别为工伤认定模型以及工伤认定法律依据模型，检索模型为基于匹配的检索模型；

分类模型包括信息抽取部分，工伤发生情况信息输入信息抽取部分后，由信息抽取部分提取语句特征信息，两个分类模型的信息抽取部分均采用BERT模型实现；

在工伤认定模型中，通过BERT模型得到的语句特征信息通过一个全连接层得到一个1维的向量之后，再通过sigmoid函数将向量转化为0、1结果，0代表不认定为工伤，1代表认定为工伤；