[发明专利]一种裁判文书结构化处理方法及系统

摘要

本发明公开了一种裁判文书结构化处理方法及系统，所述方法包括：建立裁判文书语料库；分析裁判文书结构；标注裁判文书，将标注的裁判文书划分为训练集和验证集；构建语言模型并预训练；计算预训练语言模型的损失函数；将训练集输入预训练语言模型，输出训练集中裁判文书的向量表示；利用该向量及训练集标注数据训练预测分段模型，获得初步的预测分段模型；将验证集输入预训练语言模型，将输出的向量输入初步预测分段模型，对比输出的分段结果与裁判文书标注调整优化预测分段模型，得到最优预测分段模型；利用本发明可提升裁判文书结构化处理准确率，降低对人工核查的依赖，提升裁判文书结构化处理效率。

主权项

1.一种裁判文书结构化处理方法，其特征在于，所述方法包括：/n收集历史裁判文书，建立裁判文书语料库；/n分析裁判文书结构，将裁判文书分为若干部分，每个部分对应一个标签；/n将裁判文书语料库中的每篇裁判文书按照自然段分隔为多个段落；/n从裁判文书语料库中提取部分裁判文书，将每篇裁判文书的每个段落打上裁判文书结构标签之一，作为标注数据；/n将标注数据划分为训练集和验证集；/n构建语言模型，预训练语言模型，包括：给定每个单词初始的向量表示，使用两个预测任务训练语言模型，在语言模型训练过程中更新单词向量，得到预训练语言模型；/n计算预训练语言模型的损失函数；/n将训练集输入预训练语言模型，得到段落的向量表示；输入该向量表示及段落的标注数据训练预测分段模型，得到初步预测分段模型；/n将验证集输入预训练语言模型，得到段落的向量表示；将该向量表示输入初步预测分段模型，得到输入段落的初步预测分段结果；对比预测的分段结果与标注的分段结果优化初步预测分段模型，得到最优预测分段模型；/n将待预测的段落x输入预训练语言模型，得到段落x的向量表示，将段落x的向量表示输入最优预测分段模型，得到段落x的分段结果。/n