[发明专利]采用半监督卷积神经网络的法律文本分类方法

摘要

本发明涉及一种采用半监督卷积神经网络的法律文本分类方法，属于神经网络领域。该方法利用SSC对自然语言进行处理，实现了该系统的主要目标，通过对法律案情描述的处理，初步解决该法律案情描述触犯了当事人什么权益，或是当事人违反了哪些法律法规，当事人可能不止一个权益受到侵犯，也或者是当事人同时触犯了多个法律法规，实现多标签分类。该法律服务平台帮助办案人员高效处理各类法律案件，对各类法律案件进行语义分析，实现分类，使我们的自然语言理解功能不仅具备理解字面意思的能力，还具备逻辑推理，理解深层意思的能力。

主权项

1.采用半监督卷积神经网络的法律文本分类方法，其特征在于：该方法包括以下步骤：S1：从输入的法律案情文本数据中提取高频单词；S2：利用word2vec将词表征为向量，得到矩阵作为输入；S3：通过训练two-view-embedding学习模型，每个特征区域预测目标区域；S4：把学到的向量标签数据整合进监督卷积神经网络；S5：滤波器对句子矩阵做卷积运算；S6：得到不同程度的特征字典；S7：对特征字典进行最大值池化，利用最大值池化方法，对特征字典进行池化操作；S8：生成一串单变量的特征向量；S9：在softmax层，以这个特征向量作为输入，对句子矩阵做分类；S10：输入验证集，调整分类器参数；S11：输入测试集，测试模型的分类能力。