[发明专利]一种基于裁判文书的结构化处理方法

说明书

本发明涉及一种基于裁判文书的结构化处理方法，本发明采用自然语言处理技术和高级机器学习技术，自动实现基于案由文本的关键词提取的案件类型分类，从而通过构建案件层次结构和设计的提取规则进行结构化处理，本发明通过相关词库的构建与扩展、裁判文书模块分割、设计确定聚簇数目K、初始聚类中心以及采用词语权重的增量作为第二特征选择来实现kmeans聚类算法的改进，并得到案例的类标签；根据不同案例类型创建不同层次框架，结合设计的提取规则，得到裁判文书的结构化处理。本发明可快递实现裁判文书的结构化处理。

技术领域

本发明涉及文本数据结构化处理技术领域，尤其涉及一种基于裁判文书的结构化处理方法。

背景技术

随着司法改革的推进，我国司法改革的深度和宽度也在不断的扩展，民主、法治的思想也在慢慢的深入人心。其中，裁判文书的网上公开便是一个很好的例子，截止目前为止，互联网上公开的裁判文书达到三千多万篇，人们能够通过网络途径自由查阅和下载裁判文书，这意味着能更好的保障社会大众的知情权、参与权，提升法院司法公正的形象，树立司法权威。公开后的裁判文书信息，目前是主要以互联网网页的形式呈现，案件裁判文书虽然有一定的格式，但仍以大段文本的形式进行内容组织，对于裁判文书中的案号、原告、被告、判决法院、判决时间、案件分类等主要信息字段，是以自然行文的方式包含了在裁判文书中。如果需要更进一步挖掘和利用这些公开的裁判文书信息，就需要对案件的各个核心字段进行结构化处理，这通常由人工操作完成，即使熟练的人员日均处理案件结构化信息也就500条左右。对于如此规模的案件裁判文书信息数量，常见的人工加工处理明显在成本和效率两方面都存在不足。因此怎样利用信息加工的技术提升效率节约成本成了亟待解决的主要难题。

目前，在非结构化文本转化为结构化数据领域中已经存在大量的研究工作。专利CN106649844 A通过分词、词频统计后，再根据抽取所关注的目标领域，通过计算得出在输入文本中主题词与主题词所有左侧词共同出现的稳定性，通过训练设定阈值的方法得到输入文本主题相关的左侧主题词集合，最后过滤主题词，有效将海量非机构化文本数据转化为结构化或者半结构化数据。专利CN106844636 A利用深度学习算法对大量历史非结构化数据内容按照数据间的语义关系，采用时空分割、特征提取、对象识别等处理手段，实现非结构化数据项信息、情报的转化。专利CN 104899269 A公开了一种从病理报告文本数据的样本与指标的层次结构中提取出各个样本所对应的模板信息，采用计算指标名的TF值、IDF值和C_value值，筛选出满足相关阈值的指标名作为模板的成分，实现将非结构化的中文病理文本结构化。

裁判文书的结构化处理是对司法案件数据分析、深度挖掘的前提，不仅需要成熟的大数据挖掘技术，还需要制定司法专业领域的数据处理服务；目前主流常见的信息抽取技术方法分为统计和规则两种，基于统计的方法常常在某一特定领域内结构化处理结果准确率不高，指定的领域其行文特点相对特殊，无法直接移植到其他的领域。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于裁判文书的结构化处理方法，本发明采用自然语言处理技术和高级机器学习技术，自动实现基于案由文本的关键词提取的案件类型分类，从而通过构建案件层次结构和设计的提取规则进行结构化处理，本发明通过相关词库的构建与扩展、裁判文书模块分割、设计确定聚簇数目K、初始聚类中心以及采用词语权重的增量作为第二特征选择来实现kmeans聚类算法的改进，并得到案例的类标签；根据不同案例类型创建不同层次框架，结合设计的提取规则，得到裁判文书的结构化处理。

本发明是通过以下技术方案达到上述目的：一种基于裁判文书的结构化处理方法，包括如下步骤：

(1)获取并存储裁判文书信息，并对裁判文书信息进行数据清洗；

(2)基于裁判文书的文本特征进行相关词库的构建与扩展，包括裁判文书专业词库的构建、触发词表的构建与词语标注；

(3)根据裁判文书的书写结构特征，对裁判文书文档进行模块标注处理；