基于Ernie模型的案件线索要素抽取方法及系统技术方案

本发明专利技术提供一种基于Ernie模型的案件线索要素抽取方法及系统，涉及计算机技术领域，该方法包括：将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，调整Ernie模型输出的权重，并根据权重进行分类；将线索文本划分为单句集合S1并将其依次输入命名实体识别单元，识别其中的实体；将单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取违法行为要素和违法后果要素；根据要素组织整合信息，将线索类型、实体、违法行为要素和违法后果要素组织整合，获取要素抽取结果。本发明专利技术能够克服现有技术抽取精度低、容易遗漏线索要素或错误抽取线索要素的缺点，且能够提高违法行为和违法后果要素的抽取效果。

【技术实现步骤摘要】
基于Ernie模型的案件线索要素抽取方法及系统
本专利技术涉及计算机
，具体地，涉及一种基于Ernie模型的案件线索要素抽取方法及系统。
技术介绍
随着公益诉讼案件量大幅提升，公益诉讼线索的体量也有了巨大的增长，因此仅仅依靠检察官人工对线索分析很难满足办案的需要。一方面，公益诉讼案件类型繁多，人工分析线索的效率较低，导致检察机关无法及时介入，造成损害时间的延长。另一方面，人工分析线索的准确度不够，容易造成误判。因此有必要引入人工智能、自然语言处理等信息技术手段辅助检察机关分析公益诉讼线索。目前抽取公益诉讼线索要素的主要方法还集中于关键词等非智能手段。现有公开号为CN112270633A的中国专利技术专利公开了“一种基于大数据驱动的公益诉讼线索研判系统和方法”，包括：针对不同的来源渠道及数据特点，制定相应的数据采集方案，并自动从多个渠道动态获取公益诉讼相关的案源信息，并对案源信息进行整合、清洗、转换，形成公益诉讼案源库；基于大数据、自然语言处理等技术，构建公益诉讼线索研判模型，自动对获取的案源信息进行精准分类、分析研判，计算出线索研判指数，并对大于预设阈值的线索主动推送给检察官进行办理。该专利技术实现了海量案源数据的采集、治理、分析、研判、预警，有效拓展了公益诉讼案源渠道，提升了从海量案源数据中筛查公益诉讼线索的质效，增强了公益诉讼线索发现的及时性、准确性。该方法以关键词匹配作为获取公益诉讼线索类型、主体、违法后果等要素的手段，无法挖掘出线索文本的深层语义特征，因此无法适应复杂的自然语言文本语料，线索要素抽取的精度较低，容易遗漏线索中的要素或错误抽取要素。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于Ernie模型的案件线索要素抽取方法及系统。根据本专利技术提供的一种基于Ernie模型的案件线索要素抽取方法及系统，所述方案如下：第一方面，提供了一种基于Ernie模型的案件线索要素抽取方法，所述方法包括：步骤1：将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，根据线索文本中匹配到关键词的次数调整Ernie模型输出的权重，并根据所述权重进行分类；步骤2：将所述线索文本划分为单句集合S1；步骤3：将单句集合S1中的元素依次输入命名实体识别单元，识别出线索文本中的实体；步骤4：将所述单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取线索文本中的违法行为要素和违法后果要素；步骤5：根据要素组织整合信息，将所述线索类型、实体、违法行为要素和违法后果要素组织整合，获取要素抽取结果。优选的，所述步骤1中线索类型的类别包括生态环境、国资保护、国土保护、食品安全以及药品安全。优选的，所述步骤3中的实体为人名、地址、公司名以及组织名。优选的，所述步骤4中Ernie模型的输入包括单句的位置特征。优选的，所述步骤4中Ernie模型的损失函数为多分类Focal-Loss，所述多分类Focal-Loss能够让Ernie模型更加关注难分类的样本。第二方面，提供了一种基于Ernie模型的案件线索要素抽取系统，所述系统包括：模块1：将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，根据线索文本中匹配到关键词的次数调整Ernie模型输出的权重，并根据所述权重进行分类；模块2：将所述线索文本划分为单句集合S1；模块3：将单句集合S1中的元素依次输入命名实体识别单元，识别出线索文本中的实体；模块4：将所述单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取线索文本中的违法行为要素和违法后果要素；模块5：根据要素组织整合信息，将所述线索类型、实体、违法行为要素和违法后果要素组织整合，获取要素抽取结果。优选的，所述模块1中线索类型的类别包括生态环境、国资保护、国土保护、食品安全以及药品安全。优选的，所述模块3中的实体为人名、地址、公司名以及组织名。优选的，所述模块4中Ernie模型的输入包括单句的位置特征。优选的，所述模块4中Ernie模型的损失函数为多分类Focal-Loss，所述多分类Focal-Loss能够让Ernie模型更加关注难分类的样本。与现有技术相比，本专利技术具有如下的有益效果：1、对经过预训练的Ernie模型采用公益诉讼线索领域内文本进行微调，使模型能够挖掘出线索文本的深层语义特征，在复杂的公益诉讼线索文本语料中可以更加精确地抽取出线索要素，克服了现有技术抽取精度低、容易遗漏线索要素或错误抽取线索要素的缺点；2、采取多种手段优化模型，在进行文本分类时，结合关键词匹配提高对难分类的样本分类效果；在进行命名实体识别时，在Ernie模型后接条件随机场，提高命名实体识别的精度；在进行违法行为和违法后果抽取时，修改Ernie模型的输入层，使Ernie模型能够获得语句的位置特征向量，并使用多分类Focal-Loss为损失函数，提高违法行为和违法后果要素的抽取效果。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术实施例中要素抽取的流程图；图2为本申请实施例中线索分类单元示意图；图3为本申请实施例中命名实体识别单元示意图；图4为本申请实施例中违法行为和违法后果抽取单元示意图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。本专利技术实施例提供了一种基于Ernie模型的案件线索要素抽取方法，参照图1和图2所示，具体步骤如下：首先，将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，根据线索文本中匹配到关键词的次数调整Ernie模型输出的权重，并根据所述权重进行分类；再将线索文本划分为单句集合S1；其中，本实施例中线索类型分为生态环境、国资保护、国土保护、食品安全、药品安全等五个类别。其次，参照图3和图4所示，将单句集合S1中的元素依次输入命名实体识别单元，识别出线索文本中的实体；命名实体识别单元由Ernie模型和条件随机场构成，条件随机场根据词性规律从Ernie模型的输出结果中找到最合适的标注；本实施例中的实体为人名、地址、公司名以及组织名。随后，将单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取线索文本中的违法行为要素和违法后果要素；违法行为与违法后果抽取单元由Ernie模型和全连接层构成。其中，Ernie模型的输入包括单句的位置特征；Ernie模型的损失函数为多分类Focal-Loss，多分类Focal-Loss能够让E本文档来自技高网...

【技术保护点】
1.一种基于Ernie模型的案件线索要素抽取方法，其特征在于，包括：/n步骤1：将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，根据线索文本中匹配到关键词的次数调整Ernie模型输出的权重，并根据所述权重进行分类；/n步骤2：将所述线索文本划分为单句集合S1；/n步骤3：将单句集合S1中的元素依次输入命名实体识别单元，识别出线索文本中的实体；/n步骤4：将所述单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取线索文本中的违法行为要素和违法后果要素；/n步骤5：根据要素组织整合信息，将所述线索类型、实体、违法行为要素和违法后果要素组织整合，获取要素抽取结果。/n

【技术特征摘要】
1.一种基于Ernie模型的案件线索要素抽取方法，其特征在于，包括：
步骤1：将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，根据线索文本中匹配到关键词的次数调整Ernie模型输出的权重，并根据所述权重进行分类；
步骤2：将所述线索文本划分为单句集合S1；
步骤3：将单句集合S1中的元素依次输入命名实体识别单元，识别出线索文本中的实体；
步骤4：将所述单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取线索文本中的违法行为要素和违法后果要素；
步骤5：根据要素组织整合信息，将所述线索类型、实体、违法行为要素和违法后果要素组织整合，获取要素抽取结果。


2.根据权利要求1所述的基于Ernie模型的案件线索要素抽取方法，其特征在于，所述步骤1中线索类型的类别包括生态环境、国资保护、国土保护、食品安全以及药品安全。


3.根据权利要求1所述的基于Ernie模型的案件线索要素抽取方法，其特征在于，所述步骤3中的实体为人名、地址、公司名以及组织名。


4.根据权利要求1所述的基于Ernie模型的案件线索要素抽取方法，其特征在于，所述步骤4中Ernie模型的输入包括单句的位置特征。


5.根据权利要求1所述的基于Ernie模型的案件线索要素抽取方法，其特征在于，所述步骤4中Ernie模型的损失函数为多分类Focal-Loss，所述多分类Focal-Loss能够让Ernie模型更加关注难分类的样本。

【专利技术属性】
技术研发人员：张月国，黄锐奇，董莉莉，姚立红，陶佳毅，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31