科创中国

行业领域

电子信息技术,基于层级式法律知识与双图联合表

需求背景

近年来，随着自然语言处理技术和人工智能的发展，自助法律服务系统也渐渐建立并完善起来。譬如，可以通过查询寻找相关的法律文书；可以为控诉罪名的预测提供合理的法律条文证明；可以根据用户当前查看的文书，推送相似文书。这些工作为法律从业者提供了很大的便利。另外，自动预测罪名也属于法律服务系统的一部分，对法官来说具有重要意义。 

需解决的主要技术难题

1、利用爬虫技术从中国裁判文书网上爬取大量法律文书，并对裁判文书进行初步处理，提取出每份文书的事实描述部分以及对应的判决罪名。

2、使用图神经网络将文书中的事实描述分别表示成结构图和语义图，然后通过双图交互模块在图更新过程中共享结构信息和语义信息，最后将结构图的向量表示和语义图的向量表示拼接起来，获得语义丰富的事实表示向量。

3、利用爬虫技术爬取所有罪名的构成要件，作为专业法律知识用以区分罪名，并使用双图联合表示学习得到每个罪名知识。

期望实现的主要技术目标

1、构建结构图和语义图，并提出双图交互的方式共享结构信息和语义信息，从而获得语义更加丰富的文本表示向量，有利于提高罪名预测的准确率。

2、设计一种共指解析模型将指代相同实体的代词替换为其原始实体名称。采用SpanBERT预训练模型获得语义信息丰富的区间跨度向量表示，但是由于不在词汇表中的单词会导致SpanBERT对不同的概念产生相同的跨度表示，从而影响共指解析的效果。

3、对词、词性标签和实体之间的相互作用进行建模，可以方便地提取罪名知识的语义和句法信息，以弥补上下文信息的不足，罪名知识图是动态学习和优化的，由此使得相同类型罪名之间的标签传播更加有效。

4、、提高罪名预测的准确率起到了改进作用，有利于提高法律从业者的工作效率。

需求解析

解析单位：四川省成都市 解析时间：2022-10-26

朱玉玲

智慧云律（成都）网络服务有限公司

顾问

综合评价

发明一种面向层级罪名知识的异构图表示学习方法。该种方法对词、词性标签和实体之间的相互作用进行建模，可以方便地提取罪名知识的语义和句法信息，以弥补上下文信息的不足。其次，罪名知识图是动态学习和优化的，由此使得相同类型罪名之间的标签传播更加有效。该种方法提出的基于层级式法律知识与双图联合表示学习的罪名预测方法对于提高罪名预测的准确率起到了改进作用，有利于提高法律从业者的工作效率。

查看更多>

处理进度