CN110046241A - 基于自动对比文章相似度辅助法律文书检错方法及系统 - Google Patents

基于自动对比文章相似度辅助法律文书检错方法及系统 Download PDF

Info

Publication number
CN110046241A
CN110046241A CN201910314081.5A CN201910314081A CN110046241A CN 110046241 A CN110046241 A CN 110046241A CN 201910314081 A CN201910314081 A CN 201910314081A CN 110046241 A CN110046241 A CN 110046241A
Authority
CN
China
Prior art keywords
similarity
corpus
legal documents
word
sentence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910314081.5A
Other languages
English (en)
Other versions
CN110046241B (zh
Inventor
刘毅
赵鹏翔
秦爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201910314081.5A priority Critical patent/CN110046241B/zh
Publication of CN110046241A publication Critical patent/CN110046241A/zh
Application granted granted Critical
Publication of CN110046241B publication Critical patent/CN110046241B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/08—Error detection or correction by redundancy in data representation, e.g. by using checking codes
    • G06F11/10—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's
    • G06F11/1008—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's in individual solid state devices
    • G06F11/1048—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's in individual solid state devices using arrangements adapted for a specific error detection or correction feature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于自动对比文章相似度辅助法律文书检错方法及系统，先建立专业、完善的法律语言语料库作为对比、检错的依据素材，然后在法律文书编辑过程中实时检测用户的输入，通过对比用户的输入和语料库的相似度，对用户的输入进行评判和反馈，在全文输入完成后，通过对比用户输入的全文结构与语料库中的相似度，对全文进行评判和反馈。针对法律文书的输入和编辑，该方法能够实时地检测用户的输入错误和不规范用语，并能在整体上对用户输入的法律文书提供修改建议，有效地解决了上述技术问题。

Description

基于自动对比文章相似度辅助法律文书检错方法及系统
技术领域
本发明属于信息技术领域，涉及一种文书检错方法及系统，特别涉及一种基于自动对比文章相似度辅助法律文书检错方法及系统。
背景技术
关键词提取技术就是从一段给定的文本中自动抽取若干有意义的词语或词组。目前，关键词提取方法是利用局部词汇之间的关系对后续关键词进行排序，直接从文本本身抽取。
文章相似度分析技术是在提取题目中的关键词、关键句后利用简单共有词算法、余弦相似度算法等对文章之间的相似度进行计算。
这些技术和过程在实际应用中产生了以下主要问题：
1.集中在一般的语法错误和错别字的检错和修改上；
2.针对专业性的词汇和语句结构适用性不足；
3.在法律领域运用过程中出现了错误评判。
目前，需要一种针对法律领域专业性更强、准确度更高的自动对比文章相似度辅助法律文书检错的方法。
发明内容
为了解决上述技术问题，本发明提出了一种针对法律领域专业性更强、准确度更高的自动对比文章相似度辅助法律文书检错的方法。该方法能够准确识别并提取法律领域语料库资源，在法律文书编辑过程中能够识别用户的输入错误，并对法律文书全文做出整体对比检错，为后续法律文书进一步修改提供辅助手段。
本发明的方法所采用的技术方案是：一种基于自动对比文章相似度辅助法律文书检错方法，其特征在于，包括以步骤：
步骤1：构建法律语料库，包含规范词汇、规范语句结构、文书结构；
步骤2：输入过程中，提取用户输入文本中的关键词；
步骤3：将步骤2中提取的关键词与法律语料库中的规范词汇进行相似度对比，对相似度低于50％的词语提供替换备选；
步骤4：输入完成后，提取用户输入文本中的语句结构、文书结构，并与法律语料库的规范语句结构、文书结构进行相似度对比，对相似度低于50％的词语提供替换备选，对相似度低于30％的语句结构和文书结构提出增补、删减、修改建议。
所述系统采用的技术方案是：一种基于自动对比文章相似度辅助法律文书检错系统，其特征在于：包括以构建法律语料库模块、用户输入文本关键词提取模块、关键词相似度对比模块、语句结构及文书结构相似度对比模块、操作模块、数据库；
所述构建法律语料库模块，用于构建法律语料库，包含规范词汇、规范语句结构、规范文书结构；
所述用户输入文本关键词提取模块，用于输入过程中，提取用户输入文本中的关键词；
所述关键词相似度对比模块，用于将提取的关键词与法律语料库中的规范词汇进行相似度对比，对相似度低于50％的词语提供替换备选；
所述语句结构及文书结构相似度对比模块，用于输入完成后，提取用户输入文本中的语句结构、文书结构，并与法律语料库的规范文书模板进行相似度对比，对相似度低于50％的词语提供替换备选，对相似度低于30％的语句结构和文书结构提出增补、删减、修改建议；
所述操作模块，用于提供法律文书编辑界面，供用户登陆使用；
所述数据库，用于存储系统中产生的各种数据信息。
本发明相对于现有技术，先建立专业、完善的法律语言语料库作为对比、检错的依据素材，然后在法律文书编辑过程中实时检测用户的输入，通过对比用户的输入和语料库的相似度，对用户的输入进行评判和反馈，在全文输入完成后，通过对比用户输入的全文结构与语料库中的相似度，对全文进行评判和反馈。针对法律文书的输入和编辑，该方法能够实时地检测用户的输入错误和不规范用语，并能在整体上对用户输入的法律文书提供修改建议，有效地解决了上述技术问题。
附图说明
图1：为本发明实施例的方法流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种基于自动对比文章相似度辅助法律文书检错方法，包括以步骤：
步骤1：利用人民法院公开的裁判文书、人民检察院公开的检察文书等国家公开的法律文书，构建法律语料库；
具体实现包括以下子步骤：
步骤1.1：收集公开的法律文书；
本实施例中，抓取相关网页，收集人民法院公开的裁判文书、人民检察院公开的检察文书等国家公开的法律文书以及各大相关网站公开的法律文书；
步骤1.2：将收集的法律文书转换为可编辑文本；
步骤1.3：对步骤1.2中的文本按照词汇、语句、文书结构通过分词、分句、分段进行自动提取，并对带有强烈个人情感、表述模糊、意表猜测、口语化、方言化的词汇、语句结构和文书结构进行人工甄别处理，获得规范词汇、规范语句结构、规范文书结构；
步骤1.4：对步骤1.3中的规范词汇、规范语句结构、规范文书结构分类存储，组成法律语料库。
步骤2：输入过程中，提取用户输入文本中的关键词；
在用户的输入过程中，不断地获取、检测用户的实时输入内容，利用关键词提取方法对用户的输入内容进行实时的关键词提取。
本实施例中，步骤2的具体实现包括以下子步骤：
步骤2.1：把输入的原始文本T按照完整句子进行分割，即T＝[S1,S2,…,Sn]；
步骤2.2：对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，获得Si＝[ti,1,ti,2,…,ti,n]，其中ti,j是保留后的候选关键词；
步骤2.3：构建候选关键词图G＝(V,E)，其中V为节点集，由步骤2.2中生成的候选关键词组成；然后采用共现关系构造任两点之间的边E，两个节点之间存在边仅当它们对应的词汇在长度为K的窗口中共现；K表示窗口大小，即最多共现K个词语；
步骤2.4：根据TextRank算法，迭代传播各节点的权重，直至收敛；
步骤2.5：对节点权重进行倒序排序，从而得到最重要的N个词语，作为最终候选关键词；
步骤2.6：由步骤2.5得到最重要的N个词语，在原始文本中进行标记，若形成相邻词组，则组合成多词关键词。
步骤3：将步骤2中提取的关键词与法律语料库中的规范词汇进行相似度对比，对相似度低于50％的词语提供替换备选；
本实施例中，采用余弦相似度算法进行相似度计算，余弦相似度是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量，其对应的n维向量计算式为：
其中，xi表示向量x的第i个分量，yi表示向量y的第i个分量，cosθ表示向量x和向量y之间的余弦距离；余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似。
步骤4：输入完成后，提取用户输入文本中的语句结构、文书结构，并与法律语料库的规范语句结构、文书结构进行相似度对比，对相似度低于50％的词语提供替换备选，对相似度低于30％的语句结构和文书结构提出增补、删减、修改建议；
本实施例中，对用户输入的法律文书进行整体的关键词提取，比较提取的关键词组成的语句结构和文书结构与语料库中的规范模板进行相似度对比。
以下通过具体实施例对本发明的余弦相似度算法计算相似度的过程做进一步阐述：
(1)分词。
句子A：双方/在/婚后/因/性格/不和/，发生/矛盾/后/不能/互谅/互让，且/被告/有/吸毒/的/行为，影响/了/夫妻/感情。
句子B：王某/和/李某/婚后/性格/不和，频繁/发生/争吵/后/不能//互相/原谅/，且/王某/吸毒/屡教不改/，影响/了/夫妻/感情。
(2)列出所有的词。
双方，在，婚后，因，性格，不和，发生，矛盾，后，不能，互谅，互让，且，被告，有，吸毒，的，行为，影响，了，夫妻，感情，王某，和，李某，频繁，争吵，互相，原谅，屡教不改。
(3)计算词频。
句子A：双方1，在1，婚后1，因1，性格1，不和1，发生1，矛盾1，后1，不能1，互谅1，互让1，且1，被告1，有1，吸毒1，的1，行为1，影响1，了1，夫妻1，感情1，王某0，和0，李某0，频繁0，争吵0，互相0，原谅0，屡教不改0。
句子B：双方0，在0，婚后1，因0，性格1，不和1，发生1，矛盾0，后1，不能1，互谅0，互让0，且1，被告0，有0，吸毒1，的0，行为0，影响1，了1，夫妻1，感情1，王某1，和1，李某1，频繁1，争吵1，互相1，原谅1，屡教不改1。
(4)写出词频向量。
句子A：(1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，0，0，0，0，0，0，0，0)
句子B：(0，0，1，0，1，1，1，0，1，1，0，0，1，0，0，1，0，0，1，1，1，1，0，0，1，1，1，1，1，1)
到这里，问题就变成了如何计算这两个向量的相似程度。本实施例把它们想象成空间中的两条线段，都是从原点([0,0,...])出发，指向不同的方向。两条线段之间形成一个夹角，如果夹角为0度，意味着方向相同、线段重合，这是表示两个向量代表的文本完全相等；如果夹角为90度，意味着形成直角，方向完全不相似；如果夹角为180度，意味着方向正好相反。因此，本实施例通过夹角的大小，来判断向量的相似程度。夹角越小，就代表越相似。
本发明还提供了一种基于自动对比文章相似度辅助法律文书检错系统，包括以构建法律语料库模块、用户输入文本关键词提取模块、关键词相似度对比模块、语句结构及文书结构相似度对比模块、操作模块、数据库；
构建法律语料库模块，用于构建法律语料库，包含规范词汇、规范语句结构、规范文书结构；
用户输入文本关键词提取模块，用于输入过程中，提取用户输入文本中的关键词；
关键词相似度对比模块，用于将提取的关键词与法律语料库中的规范词汇进行相似度对比，对相似度低于50％的词语提供替换备选；
语句结构及文书结构相似度对比模块，用于输入完成后，提取用户输入文本中的语句结构、文书结构，并与法律语料库的规范文书模板进行相似度对比，对相似度低于50％的词语提供替换备选，对相似度低于30％的语句结构和文书结构提出增补、删减、修改建议；
操作模块，用于提供法律文书编辑界面，供用户登陆使用；
数据库管理模块，用于存储系统中产生的各种数据信息。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (6)

1.一种基于自动对比文章相似度辅助法律文书检错方法，其特征在于，包括以步骤：
步骤1：构建法律语料库，包含规范词汇、规范语句结构、规范文书结构；
步骤2：输入过程中，提取用户输入文本中的关键词；
步骤3：将步骤2中提取的关键词与法律语料库中的规范词汇进行相似度对比，对相似度低于50％的词语提供替换备选；
步骤4：输入完成后，提取用户输入文本中的语句结构、文书结构，并与法律语料库的规范语句结构、规范文书结构进行相似度对比，对相似度低于50％的词语提供替换备选，对相似度低于30％的语句结构和文书结构提出增补、删减、修改建议。
2.根据权利要求1所述的基于自动对比文章相似度辅助法律文书检错方法，其特征在于，步骤1的具体实现包括以下子步骤：
步骤1.1：收集公开的法律文书；
步骤1.2：将收集的法律文书转换为可编辑文本；
步骤1.3：对步骤1.2中的文本按照词汇、语句、文书结构通过分词、分句、分段进行自动提取，并对带有强烈个人情感、表述模糊、意表猜测、口语化、方言化的词汇、语句结构和文书结构进行人工甄别处理，获得规范词汇、规范语句结构、规范文书结构；
步骤1.4：对步骤1.3中的规范词汇、规范语句结构、规范文书结构分类存储，组成法律语料库。
3.根据权利要求1所述的基于自动对比文章相似度辅助法律文书检错方法，其特征在于，步骤2的具体实现包括以下子步骤：
步骤2.1：把输入的原始文本T按照完整句子进行分割，即T＝[S1，S2，...，Sn]；
步骤2.2：对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，获得Si＝[ti，1，ti，2，...，ti，n]，其中ti，j是保留后的候选关键词；
步骤2.3：构建候选关键词图G＝(V，E)，其中v为节点集，由步骤2.2中生成的候选关键词组成；然后采用共现关系构造任两点之间的边E，两个节点之间存在边仅当它们对应的词汇在长度为K的窗口中共现；K表示窗口大小，即最多共现K个词语；
步骤2.4：根据TextRank算法，迭代传播各节点的权重，直至收敛；
步骤2.5：对节点权重进行倒序排序，从而得到最重要的N个词语，作为最终候选关键词；
步骤2.6：由步骤2.5得到最重要的N个词语，在原始文本中进行标记，若形成相邻词组，则组合成多词关键词。
4.根据权利要求1所述的基于自动对比文章相似度辅助法律文书检错方法，其特征在于：步骤3中，采用余弦相似度算法进行相似度计算，余弦相似度是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量，其对应的n维向量计算式为：
其中，xi表示向量x的第i个分量，yi表示向量y的第i个分量，cosθ表示向量x和向量y之间的余弦距离；余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似。
5.根据权利要求1-4任意一项所述的基于自动对比文章相似度辅助法律文书检错方法，其特征在于：步骤4中，对用户输入的法律文书进行整体的关键词提取，比较提取的关键词组成的语句结构和文书结构与语料库中的规范模板进行相似度对比。
6.一种基于自动对比文章相似度辅助法律文书检错系统，其特征在于：包括构建法律语料库模块、用户输入文本关键词提取模块、关键词相似度对比模块、语句结构及文书结构相似度对比模块、操作模块、数据库管理模块；
所述构建法律语料库模块，用于构建法律语料库，包含规范词汇、规范语句结构、规范文书结构；
所述用户输入文本关键词提取模块，用于输入过程中，提取用户输入文本中的关键词；
所述关键词相似度对比模块，用于将提取的关键词与法律语料库中的规范词汇进行相似度对比，对相似度低于50％的词语提供替换备选；
所述语句结构及文书结构相似度对比模块，用于输入完成后，提取用户输入文本中的语句结构、文书结构，并与法律语料库的规范语句结构和文书结构进行相似度对比，对相似度低于50％的词语提供替换备选，对相似度低于30％的语句结构和文书结构提出增补、删减、修改建议；
所述操作模块，用于提供法律文书编辑界面，供用户登陆使用；
所述数据库，用于存储系统中产生的各种数据信息。
CN201910314081.5A 2019-04-18 2019-04-18 基于自动对比文章相似度辅助法律文书检错方法及系统 Active CN110046241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910314081.5A CN110046241B (zh) 2019-04-18 2019-04-18 基于自动对比文章相似度辅助法律文书检错方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910314081.5A CN110046241B (zh) 2019-04-18 2019-04-18 基于自动对比文章相似度辅助法律文书检错方法及系统

Publications (2)

Publication Number Publication Date
CN110046241A true CN110046241A (zh) 2019-07-23
CN110046241B CN110046241B (zh) 2022-12-16

Family

ID=67277865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910314081.5A Active CN110046241B (zh) 2019-04-18 2019-04-18 基于自动对比文章相似度辅助法律文书检错方法及系统

Country Status (1)

Country Link
CN (1) CN110046241B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110795561A (zh) * 2019-10-24 2020-02-14 北京华宇信息技术有限公司 一种电子卷宗材料类型自动识别系统及其自主学习方法
CN111353307A (zh) * 2020-02-29 2020-06-30 重庆百事得大牛机器人有限公司 基于简单证据的法律意见书评估系统及方法
CN112036188A (zh) * 2020-08-07 2020-12-04 深圳前海微众银行股份有限公司 一种质检例句推荐的方法及装置
CN114881043A (zh) * 2022-07-11 2022-08-09 四川大学 基于深度学习模型的法律文书语义相似度评估方法及系统
CN117829140A (zh) * 2024-03-04 2024-04-05 证通股份有限公司 用于规章与法规的自动比对方法及其系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008310771A (ja) * 2007-06-18 2008-12-25 Daiichi Hoki Kk 法令例規条文の用字用語審査装置、用字用語審査システム及び用字用語の審査方法
CN104090863A (zh) * 2014-07-24 2014-10-08 高德良 一种智能法律文书生成方法及智能法律文书生成系统
CN108073569A (zh) * 2017-06-21 2018-05-25 北京华宇元典信息服务有限公司 一种基于多层级多维度语义理解的法律认知方法、装置和介质
CN108229902A (zh) * 2016-12-14 2018-06-29 中山市得高行知识产权中心（有限合伙） 一种基于智能云台服务的财务档案信息录入系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008310771A (ja) * 2007-06-18 2008-12-25 Daiichi Hoki Kk 法令例規条文の用字用語審査装置、用字用語審査システム及び用字用語の審査方法
CN104090863A (zh) * 2014-07-24 2014-10-08 高德良 一种智能法律文书生成方法及智能法律文书生成系统
CN108229902A (zh) * 2016-12-14 2018-06-29 中山市得高行知识产权中心（有限合伙） 一种基于智能云台服务的财务档案信息录入系统
CN108073569A (zh) * 2017-06-21 2018-05-25 北京华宇元典信息服务有限公司 一种基于多层级多维度语义理解的法律认知方法、装置和介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张晓宇等: "基于文本加权词共现的跨语言文本相似度分析", 《软件导刊》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110795561A (zh) * 2019-10-24 2020-02-14 北京华宇信息技术有限公司 一种电子卷宗材料类型自动识别系统及其自主学习方法
CN111353307A (zh) * 2020-02-29 2020-06-30 重庆百事得大牛机器人有限公司 基于简单证据的法律意见书评估系统及方法
CN112036188A (zh) * 2020-08-07 2020-12-04 深圳前海微众银行股份有限公司 一种质检例句推荐的方法及装置
CN114881043A (zh) * 2022-07-11 2022-08-09 四川大学 基于深度学习模型的法律文书语义相似度评估方法及系统
CN117829140A (zh) * 2024-03-04 2024-04-05 证通股份有限公司 用于规章与法规的自动比对方法及其系统
CN117829140B (zh) * 2024-03-04 2024-05-31 证通股份有限公司 用于规章与法规的自动比对方法及其系统

Also Published As

Publication number Publication date
CN110046241B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
Liu et al. Learning to spot and refactor inconsistent method names
CN110046241A (zh) 基于自动对比文章相似度辅助法律文书检错方法及系统
CN112417880B (zh) 一种面向法院电子卷宗的案情信息自动抽取方法
Gulia et al. An efficient automated design to generate UML diagram from Natural Language Specifications
EP3086239A1 (en) Scenario generation device and computer program therefor
CN105893485B (zh) 一种基于图书目录的专题自动生成方法
EP3086237A1 (en) Phrase pair gathering device and computer program therefor
Vilca et al. A study of abstractive summarization using semantic representations and discourse level information
Sarwadnya et al. Marathi extractive text summarizer using graph based model
CN114217766A (zh) 基于预训练语言微调与依存特征的半自动需求抽取方法
CN108959314A (zh) 一种语义检索方法和装置
Al-Azzawy et al. Arabic words clustering by using K-means algorithm
CN108108346A (zh) 文档的主题特征词抽取方法及装置
CN109885695A (zh) 资产建议生成方法、装置、计算机设备和存储介质
Ding et al. Leveraging Chain-of-Thought to Enhance Stance Detection with Prompt-Tuning
Khorjuvenkar et al. Parts of speech tagging for Konkani language
Lakshmi et al. Named entity recognition in Malayalam using fuzzy support vector machine
Han et al. Unsupervised Word Sense Disambiguation based on Word Embedding and Collocation.
Alotaibi et al. English-Arabic cross-language plagiarism detection
Dupakuntla et al. Learning based approach for Hindi text sentiment analysis using Naive Bayes classifier
Rico et al. Extracting terminologies in the legal domain: a syntactic pattern-based approach for Spanish
Chowdhury et al. Detection of compatibility, proximity and expectancy of Bengali sentences using long short term memory
Kuş et al. An Extractive Text Summarization Model for Generating Extended Abstracts of Medical Papers in Turkish
Veena et al. A graph based conceptual mining model for abstractive text summarization
Yeh et al. Ontology‐based speech act identification in a bilingual dialog system using partial pattern trees

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant