CN111611396A - 基于法律知识图谱的信息匹配方法、装置和存储介质 - Google Patents
基于法律知识图谱的信息匹配方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111611396A CN111611396A CN201910142992.4A CN201910142992A CN111611396A CN 111611396 A CN111611396 A CN 111611396A CN 201910142992 A CN201910142992 A CN 201910142992A CN 111611396 A CN111611396 A CN 111611396A
- Authority
- CN
- China
- Prior art keywords
- candidate
- combination
- name
- crime
- names
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services; Handling legal documents
Abstract
本申请涉及一种基于法律知识图谱的信息匹配方法、装置、计算机设备和存储介质,所述方法包括:获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息,根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的所述罪名候选要件组合作为目标要件组合,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。根据事件事实文本信息中提取的罪名候选要件组合通过法律知识图谱进行筛选,可以快速定位各个罪名候选要件组合的匹配结果。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种基于法律知识图谱的信息匹配方法、装置、计算机设备和存储介质。
背景技术
近年来,人工智能相关技术发展迅速,在自然语言处理领域深度学习和知识图谱的应用更是日渐深入。很多领域,比如图像识别,语音识别,垃圾邮件过滤,机器翻译,广告推荐,智能家电等等,都利用人工智能技术得到了迅猛的发展。而在法律方面,与人工智能的结合较少,法务工作大多还是以人力为主。
法律属于专业性很强的领域,非专业人士往往不能通过查询资料而获得期望的法律知识,而依靠专业的法律咨询既费时间又费钱财。另一方面,对于法律工作者本身而言,拥有的法律知识以及案例知识是有限的,有某些特殊情况下也需要借助其它渠道获取帮助。现有的基于深度学习的对文本的处理方法,由于语义描述的复杂性,很难快速的定位文本对应的行为的有效信息。
发明内容
为了解决上述技术问题,本申请提供了一种基于法律知识图谱的信息匹配方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种基于法律知识图谱的信息匹配方法,包括:
获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息;
根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合;
计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度;
将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
第二方面,本申请提供了一种基于法律知识图谱的信息匹配装置,包括:
数据获取模块,用于获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息;
目标要件确定模块,用于根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合;
相似度计算模块,用于计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度;
预判模块,用于将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息;
根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合;
计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度;
将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息;
根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合;
计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度;
将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
上述基于法律知识图谱的信息匹配方法、装置、计算机设备和存储介质,所述方法包括:获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息,根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的所述罪名候选要件组合作为目标要件组合,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。根据事件事实文本信息中提取的罪名候选要件组合通过法律知识图谱进行筛选,可以快速定位各个罪名候选要件组合的匹配结果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中信息匹配方法的应用环境图;
图2为一个实施例中信息匹配方法的流程示意图;
图3为一个实施例中信息匹配装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为一个实施例中基于法律知识图谱的信息匹配方法的应用环境图。参照图1,该基于法律知识图谱的信息匹配方法应用于基于法律知识图谱的信息匹配系统。该基于法律知识图谱的信息匹配系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端或服务器获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息,根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的所述罪名候选要件组合作为目标要件组合,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示,在一个实施例中,提供了一种基于法律知识图谱的信息匹配方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明。参照图2,该基于法律知识图谱的信息匹配方法具体包括如下步骤:
步骤S201,获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息。
具体地,事件事实文本信息是指用来描述行为的信息,该事件事实文本信息可以是从网上下载的案例信息、犯罪行为人口述的语音信息识别的文字信息、图片信息上识别出的文字信息。罪名候选要件组合是指根据事件事实文本信息提取得到的罪名要件的候选组合,罪名要件是指用于描述犯罪行为的关键信息,如刑法中罪名要件常见的包含主体、客体、客观方面和主观方面。主体是指实施犯罪行为的主体,常见的犯罪行为主体为人或单位,客体是指犯罪行为侵害的是法律所保护的社会关系,主观方面是指行为人对其所实施的犯罪行为在主观上存在故意或过失的心理状态,客观方面说明行为的社会危害性,而为该行为成立犯罪所必须具备的客观事实特征。
在一个实施例中,罪名候选要件组合包含主体和客观方面,或者主体、客观方面和客体,也可以是包含主体、客观方面、客体和主观方面。如事件事实文本信息为“张三贩毒”,其中的主体为“张三”,客观方面为“贩毒”,不存在对客体的描述,不过其中隐含了客体,隐含的客体为“毒品”。
罪名候选要件组合的属性信息是指罪名要件的属性信息是指各个罪名要件对应的描述信息,如主体为人时,属性信息可以包括人的称号、性别和年龄等用于描述人的信息,可以为单位时,属性信息可以包括单位名称、单位成立时间和单位责任人等等用于描述单位的信息。建立罪名要件与属性信息的所属关系,不同的罪名包括不同的属性信息,如吸毒罪,主体肯定为人,则包含的属性信息为人的属性信息,行贿罪包含个人行贿和单位行贿,则个人行贿时,主体为人的属性信息,单位行贿时包含单位的属性信息和对应的行贿人员的个人属性信息等等。不同的罪名主体、客体和客观方面等不相同,则对应的主体所包含的属性信息也不同。
步骤S202,根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合。
具体地,法律知识图谱是指预先对法律文本和现有的法律案例进行整理得到的法律数据库,该法律数据库中包含罪名与罪名要件之间的对应关系,罪名与法律文本之间的对应关系,不同的法律文本之间的对应关系,以及罪名四要件与对应属性信息的所属关系。根据法律知识图谱中的罪名与罪名要件组合之间的对应关系,判断是否存在与文本中提取的罪名候选要件组合匹配的候选罪名,在匹配时,罪名候选要件组合可能匹配不到合适的罪名,也可能匹配到不只一个罪名,将与罪名候选要件组合匹配的罪名作为罪名候选要件组合对应的候选罪名,将与候选罪名对应的罪名候选要件组合作为目标要件组合。
步骤S203,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度。
步骤S204,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
具体地,计算事件事实文本信息中提取的目标要件组合的属性信息,与法律知识图谱中候选罪名对应的罪名要件组合的属性信息的相似度,其中计算相似度的方法,可以采用词向量的相似度,词向量的相似度可以采用余弦相似度和欧式距离等用于计算向量相似度的参数表示。根据相似度计算方法计算得到目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,判断目标要件组合与各个候选罪名对应的相似度是否大于预设相似度,将大于预设相似度的候选罪名作为目标要件组合的事件事实文本信息的匹配结果。
在一个实施例中,若目标要件组合中存在多个主体时,目标要件组合中的各个事件事实文本信息的匹配结果相同。如“张某和李某一起故意伤害了王某”,则主体包含张某和李某,张某和李某的匹配结果为故意伤害罪。
在一个实施例中,若存在多个目标要件组合时,判断不同的目标要件组合中是否存在相同主体,当不同的目标要件组合中存在相同主体时,按照相同主体与对应的匹配结果进行调整,得到各个主体的匹配结果。
具体地,在一个文本中可能描述了多个犯罪事实,如张某在实施抢劫时故意伤害了李某,则张某犯的罪包含抢劫罪和故意伤人罪等。故在确定了各个目标要件组合对应的主体的匹配结果后,按照主体进行统计,得到各个主体对应的匹配结果。按照主体整理匹配结果,使得每个主体对应的罪名更为确定,可以为后续刑期判定做准备。
在一个实施例中,判断法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合,将存与各个罪名候选要件组合的组合类别标签匹配的至少一个罪名要件组合对应的罪名,作为与各个罪名候选要件组合匹配的所述候选罪名,将存与各个罪名候选要件组合的类别标签组合匹配的标准类别标签组合对应的至少一个罪名要件组合对应的罪名,作为与各个罪名候选要件组合匹配的候选罪名,将存在与至少一个候选罪名匹配的各个罪名候选要件组合作为目标要件组合。
具体地,在构建法律知识图谱时,对罪名要件对应的属性信息进行了分类,如主体包含人和单位,主体的类别标签为人或单位,客体的类别标签包含人、单位和其他。不同的罪名对应不同的类别标签标准组合,如贩毒罪包含的类别标签为“人,贩卖,毒品”,根据罪名候选要件组合中的类别标签组合检索法律知识图谱中是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合,将存在匹配的类别标签标准组合对应的罪名作为对应的罪名候选要件组合作为目标要件组合。
在一个实施例中,刑法中的目标要件组合包括主体、客体、客观方面和主观方面,其中每个目标要件组合不相同,有的仅仅包含主体和客观方面,有的包含主体、客体和客观方面,有的包含主体、客体、客观方面和主观方面,不同的目标要件组合的中包含的罪名候选要件不同,计算各个目标要件组合中包含的罪名候选要件的属性信息与对应的法律知识图谱中的罪名要件的属性信息的相似度,如仅仅包含主体和客观方面时,计算事件事实文本信息中提取的主体与法律知识图谱中对应的主体的相似度,计算事件事实文本信息中提取的客观与法律知识图谱中对应的客观方面的相似度,根据主体的相似度和客观方面的相似度确定目标要件组合是否存在匹配的匹配结果。
在一个实施例中,判断法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合之前,还包括:获取各个罪名候选要件组合中包含的要件类型,要件类别至少包括主体、客体和客观方面,计算目标要件组合中客体的属性信息,与对应的候选罪名的客体的属性信息的客体属性相似度,计算目标要件组合中客观方面的属性信息,与对应的候选罪名的客观方面的属性信息的客观属性相似度。
具体地,在对罪名候选要件组合的类别标签组合进行匹配之前,首选获取罪名候选要件组合中的要件类型,不同的法律对应的不同的要件,刑法中的要件类型包含主体、客体、主观方面和客观方面,在不同的行为描述包含的要件类型不同。其中在判定犯罪时,主要是根据客观方面和客体进行判断,因为不论犯罪的是谁,只要犯罪事实中的客观方面和客体确定了,罪名也就确定了,分别计算客观方面和客体的属性的相似度,得到客体的客体属性相似度和客观方面的客观相似度。根据客体属性相似度和客观属性相似度共同确定主体的匹配结果。其中在刑法中匹配结果包含无罪、有罪两大类,有罪包含法律文本中包含的各种罪名。
在一个实施例中,计算客体属性相似度和客观属性相似度的加权结果,将加权结果大于预设加权阈值的候选罪名作为目标要件组合中主体的匹配结果,其中匹配结果可能为一个或多个。
在一个实施例中,选取加权结果中的最大值作为目标要件组合中主体的匹配结果。加权结果中的最大值代表相似度最大的值,相似度越大表示两者的匹配度越高,从而使得结果更为准确。
在一个实施例中,获取候选罪名对应的罪名候选要件组合的主体的年龄,判断主体的年龄是否位于候选罪名对应的年龄区间时,当主体的年龄不位于年龄区间时,事件事实文本信息对应的匹配结果为主体无匹配法律事件,当主体的年龄位于所述年龄区间时,事件事实文本信息对应的匹配结果为主体的罪名为相似度大于预设相似度的候选罪名。
具体地,由于罪名成立是对个人的年龄有限定的,故在确定候选罪名后,获取候选罪名对应的罪名候选要件中的主体的年龄,判断主体的年龄是否位于候选罪名对应的年龄区间时,如果不位于年龄区间,则主体对应的匹配结果为无匹配法律事件,当位于年龄区间时,将步骤S204中得到的匹配结果作为事件事实文本信息的匹配结果。考虑主体的年龄,与法律的规定更为贴合,得到更为准确的匹配结果,提高罪名筛选的准确度。
在一个实施例中,获取候选罪名的有效期限,获取与候选罪名对应的主体实施行为的行为时间,判断行为时间是否位于有效期限,当行为时间位于有效期限时,则候选罪名作为事件事实文本信息的匹配结果。
具体地,候选罪名的有效期限是指罪名生效后直到罪名截止的时间,判断主体实施行为的行为时间是否位于有效期限,当实施行为的时间在罪名生效之前或罪名截止之后,罪名不成立,判定为无匹配法律事件。若刚好处于罪名的有效期限,则将步骤S204中的匹配结果作为对应的事件事实文本信息的匹配结果。
在一个实施例中,当主体的年龄位于年龄区间时,判断行为时间是否位于有效期限,当行为时间位于有效期限时,则候选罪名作为主体的匹配结果。
上述基于法律知识图谱的信息匹配方法,所述方法包括:获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息,根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的所述罪名候选要件组合作为目标要件组合,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。根据事件事实文本信息中提取的罪名候选要件组合通过法律知识图谱进行筛选,可以快速定位各个罪名候选要件组合的匹配结果。
在一个具体的实施例中,上述基于法律知识图谱的信息匹配方法,包括:
为了说明方面,以刑法为例。
A)构建法律知识图谱。
构建的法律知识图谱中包含了刑法469个罪名的解析,将罪名拆解为主体、主观方面、客体、客观方面以及方式、目的和修饰词等。其中主体是罪名的实施者,分为人和单位两类;主观方面是行为的定性分析,分为故意和过失两类;客体是行为的对象,分为人、单位和其他三类,因为有的比较抽象,所以知识图谱中体现的是有或没有,没有,是因为客体过于抽象或者概括,而无法具体列出以供后续匹配使用,比如权利,有,是因为客体比较具体或者是相对具体的某一类,比如毒品;客观方面是行为,没有对行为进行分类,而是用于具体的匹配,结合算法的复杂度可以酌情分类,加快过滤匹配的速度。以上是涉及分类的,都被打上对应的标签,用于过滤。
B)事件事实文本信息提取。
事件事实文本信息抽取的目的是将文本用多个罪名要件的三元组来代替,三元组的第一个元素是实施者,对应于知识图谱的主体;第二个元素是行为,对应于知识图谱的客观方面;第三个元素是对象,对应于知识图谱的客体。一个案情可以由一个或多个三元组概括,其中三元组中的第一个元素可以相同,表示同一个实施者的不同行为及对象,此类可以用于分析相同主体的多罪名;第一个元素也可以不相同,表示不同的实施者、行为及对象,此类可以用于分析不同主体的多罪名。
C)构建过失词典。
过失词典中存储的是用于判断会导致过失行为的词语,比如失手。默认行为属于故意类,如果出现过失词典中的词语,则认为是过失类别的。
D)罪名过滤过程。
法律知识图谱进行罪名过滤,罪名过滤过程如下:判断罪名要件的三元组的第一个和第三个元素的类别,即主体和客体的类别,比如第一个和第三个元素都是人名的话,则类别都为人。如果是其他的,则有与之相对应的类别标签。根据之前构建的过失词典,判断案情中的行为是否属于过失类别。根据两步的判断,生成过滤规则,通过标签在知识图谱中进行遍历,挑选出符合条件的罪名。
举例:我抢走了她的项链。罪名要件的三元组为(我,抢,项链)
分析:第一个元素属于人,第三个元素非人非单位表示为其他,没有出过失类词语,认定为故意,因此在法律知识图谱中进行过滤时,根据主体是人,客体是其他,主观方面为故意进行联合过滤,会得到一部分满足该条件的罪名,而过滤掉另外一些不满足该条件的罪名,比如故意杀人罪,因为故意杀人罪的客体必须为人。
E)罪名匹配的过程。
通过过滤过程,可以得到满足条件的一部分罪名,具体是哪个罪名则需要进一步匹配分析。在匹配阶段可以利用word2vec技术计算客观方面和客体的相似度。之所以不计算主体,是因为具体是谁犯罪不影响罪名的成立。客体相似度和客观方面的相似度需要满足一定的阈值才行,比如知识图谱中存储的盗窃罪的客观方面为“盗窃”,而三元组中出现的是“偷走”,在计算相似度的时候明显这两个词语比较相似,会有较高的相似度,因此就会满足大于设定的阈值。另外有一些罪名的客观方面是一样的,必须通过客体来判断罪名,比如同样是“生产、销售”,其客体可能是“假药”、“有毒有害食品”、“伪劣农药、售药、化肥、种子”等等。通过客观方面和客体的匹配度计算,可以锁定具体罪名。
然而,现实情况往往比以上所列更为复杂,因此在进行匹配的时候同时考虑多种罪名成立因素,比如罪名生效时间、主体的年龄和疾病等。因为行为发生在罪名生效之前,尽管有该类型为也不会负刑事责任。同样的有主体的年龄,如果是不满十四周岁,如果有相应的违法行为也不用负刑事责任。因此在算法中,对于这些情况也予以考虑,进行比较。
上述基于知识图谱的信息匹配方法能够分析用自然语言而非专业语言描述的案例进而定罪;无论是非法律工作者还是经验不足的法律工作者均可通过简单案情描述,获得法律咨询。无需大量数据来训练模型,无论是模型构建过程,还是实际使用过程均可节省资源和时间。通过深入分析处理文本,利用语义断案,能分析多主体、多罪名,以及相似罪名的案例,且可以界定有罪和无罪的情况,实现其它人工智能手段无法实现的结果。
图2为一个实施例中基于法律知识图谱的信息匹配方法的流程示意图。应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种基于法律知识图谱的信息匹配装置,包括:
数据获取模块201,用于获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息。
目标要件确定模块202,用于根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的所述罪名候选要件组合作为目标要件组合。
相似度计算模块203,用于计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度;
预判模块204,用于将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
在一个实施例中,上述基于法律知识图谱的信息匹配装置,还包括:
无匹配法律事件判定模块,用于当不存在与各个罪名要件组合匹配的至少一个候选罪名时,事件事实文本信息对应的匹配结果为无匹配法律事件。
在一个实施例中,目标要件确定模块,包括:
标签匹配单元,用于判断法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合。
候选罪名确定单元,用于将存与各个罪名候选要件组合的类别标签组合匹配的标准类别标签组合对应的至少一个罪名要件组合对应的罪名,作为与各个罪名候选要件组合匹配的所述候选罪名。
目标要件确定单元,用于将存在与至少一个候选罪名匹配的各个罪名候选要件组合作为目标要件组合。
在一个实施例中,上述基于法律知识图谱的信息匹配装置,还包括:
要件类型获取模块,用于获取各个罪名候选要件组合中包含的要件类型,要件类别至少包括主体、客体和客观方面。
目标相似度计算模块,包括
客体属性相似度计算单元,用于计算目标要件组合中客体的属性信息,与对应的候选罪名的客体的属性信息的客体属性相似度;
客观属性相似度计算单元,用于目标要件组合中客观方面的属性信息,与对应的候选罪名的客观方面的属性信息的客观属性相似度。
在一个实施例中,预判模块,还用于罪名组合要件至少包括主体和客观方面,当相似度大于预设相似度的候选罪名对应的主体包含多个时,判断不同的目标要件组合对应的主体中是否存在相同主体,当不同的目标要件组合中存在相同主体时,按照相同主体与对应的匹配结果进行调整,得到各个主体的匹配结果。
在一个实施例中,预判模块,还用于获取候选罪名对应的罪名候选要件组合的主体的年龄,判断主体的年龄是否位于候选罪名对应的年龄区间时,当主体的年龄不位于年龄区间时,事件事实文本信息对应的匹配结果为无匹配法律事件,主体的年龄位于年龄区间时,事件事实文本信息对应的匹配结果为相似度大于预设相似度的候选罪名。
在一个实施例中,预判模块,还用于获取候选罪名的有效期限,获取与候选罪名对应的主体实施行为的行为时间,判断行为时间是否位于有效期限,当行为时间位于有效期限时,则候选罪名作为事件事实文本信息的匹配结果。
图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图4所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现基于法律知识图谱的信息匹配方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行基于法律知识图谱的信息匹配方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的基于法律知识图谱的信息匹配装置可以实现为一种计算机程序的形式,计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该基于法律知识图谱的信息匹配装置的各个程序模块,比如,图3所示的数据获取模块201、目标要件确定模块202、相似度计算模块203和预判模块204。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的基于法律知识图谱的信息匹配方法中的步骤。
例如,图4所示的计算机设备可以通过如图3所示的基于法律知识图谱的信息匹配装置中的数据获取模块201执行获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息。计算机设备可通过目标要件确定模块202执行根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合。计算机设备可通过相似度计算模块203执行计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度。计算机设备可通过预判模块204执行将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息,根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
在一个实施例中,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名之后,处理器执行计算机程序时还实现以下步骤:当不存在与各个罪名要件组合匹配的至少一个候选罪名时,事件事实文本信息对应的匹配结果为无匹配法律事件。
在一个实施例中,所述根据所述法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个所述罪名候选要件组合匹配的候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合,包括:判断法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合,将存与各个罪名候选要件组合的类别标签组合匹配的标准类别标签组合对应的至少一个罪名要件组合对应的罪名,作为与各个罪名候选要件组合匹配的候选罪名,将存在与至少一个候选罪名匹配的各个罪名候选要件组合作为目标要件组合。
在一个实施例中,判断法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合之前,处理器执行计算机程序时还实现以下步骤:获取各个罪名候选要件组合中包含的要件类型,要件类别至少包括主体、客体和客观方面,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,包括:计算目标要件组合中客体的属性信息,与对应的候选罪名的客体的属性信息的客体属性相似度,计算目标要件组合中客观方面的属性信息,与对应的候选罪名的客观方面的属性信息的客观属性相似度。
在一个实施例中,计算目标要件组合中客观方面的属性信息,与对应的候选罪名的客观方面的属性信息的客观属性相似度之后,处理器执行计算机程序时还实现以下步骤:判断客体属性相似度是否大于预设客体属性相似度,判断客观属性相似度是否大于预设客观属性相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息对应的匹配结果,包括:将客体相似度大于预设客体属性相似度,且客观属性相似度大于预设客观属性相似度的候选罪名作为事件事实文本信息对应的匹配结果。
在一个实施例中,罪名组合要件至少包括主体和客观方面,当相似度大于所述预设相似度的候选罪名对应的主体包含多个时,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果之后,处理器执行计算机程序时还实现以下步骤:判断不同的所述目标要件组合对应的主体中是否存在相同主体,当不同的目标要件组合中存在相同主体时,按照相同主体与对应的匹配结果进行调整,得到各个主体的匹配结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取候选罪名对应的罪名候选要件组合的主体的年龄,判断主体的年龄是否位于候选罪名对应的年龄区间时,当主体的年龄不位于年龄区间时,事件事实文本信息对应的匹配结果为主体无匹配法律事件,当主体的年龄位于年龄区间时,事件事实文本信息对应的匹配结果为相似度大于预设相似度的候选罪名。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取候选罪名的有效期限,获取与候选罪名对应的主体实施行为的行为时间,判断行为时间是否位于有效期限,当行为时间位于有效期限时,则候选罪名作为事件事实文本信息的匹配结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息,根据法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果。
在一个实施例中,判断是否存在与各个罪名候选要件组合匹配的至少一个候选罪名之后,在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当不存在与各个罪名要件组合匹配的至少一个候选罪名时,事件事实文本信息对应的匹配结果为无匹配法律事件。
在一个实施例中,所述根据所述法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个所述罪名候选要件组合匹配的候选罪名,将存在匹配的至少一个候选罪名的罪名候选要件组合作为目标要件组合,包括:判断法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合,将存与各个罪名候选要件组合的类别标签组合匹配的标准类别标签组合对应的至少一个罪名要件组合对应的罪名,作为与各个罪名候选要件组合匹配的候选罪名,将存在与至少一个候选罪名匹配的各个罪名候选要件组合作为目标要件组合。
在一个实施例中,判断法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与罪名候选要件组合中的类别标签组合匹配的类别标签标准组合之前,计算机程序被处理器执行时还实现以下步骤:获取各个罪名候选要件组合中包含的要件类型,要件类别至少包括主体、客体和客观方面,计算目标要件组合的属性信息与对应的各个候选罪名的罪名要件组合的属性信息的相似度,包括:计算目标要件组合中客体的属性信息,与对应的候选罪名的客体的属性信息的客体属性相似度,计算目标要件组合中客观方面的属性信息,与对应的候选罪名的客观方面的属性信息的客观属性相似度。
在一个实施例中,计算目标要件组合中客观方面的属性信息,与对应的候选罪名的客观方面的属性信息的客观属性相似度之后,计算机程序被处理器执行时还实现以下步骤:判断客体属性相似度是否大于预设客体属性相似度,判断客观属性相似度是否大于预设客观属性相似度,将相似度大于预设相似度的候选罪名作为事件事实文本信息对应的匹配结果,包括:将客体属性相似度大于预设客体属性相似度,且客观属性相似度大于预设客观属性相似度的候选罪名作为事件事实文本信息对应的匹配结果。
在一个实施例中,罪名组合要件至少包括主体和客观方面,当相似度大于所述预设相似度的候选罪名对应的主体包含多个时,将相似度大于预设相似度的候选罪名作为事件事实文本信息的匹配结果之后,处理器执行计算机程序时还实现以下步骤:判断不同的所述目标要件组合对应的主体中是否存在相同主体,当不同的目标要件组合中存在相同主体时,按照相同主体与对应的匹配结果进行调整,得到各个主体的匹配结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取候选罪名对应的罪名候选要件组合的主体的年龄,判断主体的年龄是否位于候选罪名对应的年龄区间时,当主体的年龄不位于年龄区间时,事件事实文本信息对应的匹配结果为主体无匹配法律事件,当主体的年龄位于年龄区间时,事件事实文本信息对应的匹配结果为相似度大于预设相似度的候选罪名。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取候选罪名的有效期限,获取与候选罪名对应的主体实施行为的行为时间,判断行为时间是否位于有效期限,当行为时间位于有效期限时,则候选罪名作为事件事实文本信息的匹配结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于法律知识图谱的信息匹配方法,其特征在于,所述方法包括:
获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息;
根据所述法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个所述罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个所述候选罪名的所述罪名候选要件组合作为目标要件组合;
计算所述目标要件组合的属性信息与对应的各个所述候选罪名的罪名要件组合的所述属性信息的相似度;
将所述相似度大于预设相似度的所述候选罪名作为所述目标要件组合中事件事实文本信息的匹配结果。
2.根据权利要求1所述的方法,其特征在于,所述判断是否存在与各个所述罪名候选要件组合匹配的至少一个候选罪名之后,还包括:
当不存在与各个所述罪名要件组合匹配的至少一个所述候选罪名时,所述事件事实文本信息对应的匹配结果为无匹配法律事件。
3.根据权利要求1所述的方法,其特征在于,所述根据所述法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个所述罪名候选要件组合匹配的候选罪名,将存在匹配的至少一个所述候选罪名的所述罪名候选要件组合作为目标要件组合,包括:
判断所述法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与所述罪名候选要件组合中的类别标签组合匹配的所述类别标签标准组合;
将存与各个罪名候选要件组合的类别标签组合匹配的所述标准类别标签组合对应的至少一个所述罪名要件组合对应的罪名,作为与各个罪名候选要件组合匹配的所述候选罪名;
将存在与至少一个所述候选罪名匹配的各个所述罪名候选要件组合作为所述目标要件组合。
4.根据权利要求3所述的方法,其特征在于,所述判断所述法律知识图谱中对应的罪名要件组合中的类别标签标注组合,是否存在与所述罪名候选要件组合中的类别标签组合匹配的所述类别标签标准组合之前,还包括:
获取各个所述罪名候选要件组合中包含的要件类型,所述要件类别至少包括主体、客体和客观方面;
所述计算所述目标要件组合的属性信息与对应的各个所述候选罪名的罪名要件组合的属性信息的相似度,包括:
计算所述目标要件组合中客体的属性信息,与对应的所述候选罪名的客体的属性信息的客体属性相似度;
计算所述目标要件组合中客观方面的属性信息,与对应的所述候选罪名的客观方面的属性信息的客观属性相似度。
5.根据权利要求1所述的方法,其特征在于,所述罪名组合要件至少包括主体和客观方面,当所述相似度大于所述预设相似度的所述候选罪名对应的主体包含多个时,所述将所述相似度大于预设相似度的所述候选罪名作为所述目标要件组合中所述事件事实文本信息的匹配结果之后,还包括:
判断不同的所述目标要件组合对应的主体中是否存在相同主体,当不同的所述目标要件组合中存在所述相同主体时,按照所述相同主体与对应的所述匹配结果进行调整,得到各个所述主体的匹配结果。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述候选罪名对应的所述罪名候选要件组合的主体的年龄;
判断所述主体的年龄是否位于所述候选罪名对应的年龄区间时,当所述主体的年龄不位于所述年龄区间时,所述事件事实文本信息对应的匹配结果为无匹配法律事件;
当所述主体的年龄位于所述年龄区间时,所述事件事实文本信息对应的所述匹配结果为所述相似度大于预设相似度的所述候选罪名。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述候选罪名的有效期限;
获取与所述候选罪名对应的主体实施行为的行为时间,判断所述行为时间是否位于所述有效期限;
当所述行为时间位于所述有效期限时,则所述候选罪名作为所述主体的所述匹配结果。
8.一种基于法律知识图谱的信息匹配装置,其特征在于,所述装置包括:
数据获取模块,用于获取根据事件事实文本信息确定的至少一个罪名候选要件组合和对应的属性信息;
目标要件确定模块,用于根据所述法律知识图谱中罪名与罪名要件组合的对应关系,判断是否存在与各个所述罪名候选要件组合匹配的至少一个候选罪名,将存在匹配的至少一个所述候选罪名的所述罪名候选要件组合作为目标要件组合;
相似度计算模块,用于计算所述目标要件组合的属性信息与对应的各个所述候选罪名的罪名要件组合的所述属性信息的相似度;
预判模块,用于将所述相似度大于预设相似度的所述候选罪名作为所述目标要件组合中所述事件事实文本信息的匹配结果。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910142992.4A CN111611396A (zh) | 2019-02-26 | 2019-02-26 | 基于法律知识图谱的信息匹配方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910142992.4A CN111611396A (zh) | 2019-02-26 | 2019-02-26 | 基于法律知识图谱的信息匹配方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111611396A true CN111611396A (zh) | 2020-09-01 |
Family
ID=72205243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910142992.4A Pending CN111611396A (zh) | 2019-02-26 | 2019-02-26 | 基于法律知识图谱的信息匹配方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111611396A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149759A (zh) * | 2020-10-26 | 2020-12-29 | 北京明略软件系统有限公司 | 一种事件图谱的匹配方法、装置、电子设备及存储介质 |
CN113065005A (zh) * | 2021-05-19 | 2021-07-02 | 南京烽火星空通信发展有限公司 | 一种基于知识图谱和文本分类模型的法律条文推荐方法 |
CN113609837A (zh) * | 2021-04-19 | 2021-11-05 | 鼎富智能科技有限公司 | 一种笔录信息的提取方法及装置 |
CN115982388A (zh) * | 2023-03-06 | 2023-04-18 | 共道网络科技有限公司 | 案件质控图谱建立、案件文书质检方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108563703A (zh) * | 2018-03-26 | 2018-09-21 | 北京北大英华科技有限公司 | 一种罪名的判定方法、装置及计算机设备、存储介质 |
CN109213864A (zh) * | 2018-08-30 | 2019-01-15 | 广州慧睿思通信息科技有限公司 | 基于深度学习的刑事案件预判系统及其构建和预判方法 |
-
2019
- 2019-02-26 CN CN201910142992.4A patent/CN111611396A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108563703A (zh) * | 2018-03-26 | 2018-09-21 | 北京北大英华科技有限公司 | 一种罪名的判定方法、装置及计算机设备、存储介质 |
CN109213864A (zh) * | 2018-08-30 | 2019-01-15 | 广州慧睿思通信息科技有限公司 | 基于深度学习的刑事案件预判系统及其构建和预判方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149759A (zh) * | 2020-10-26 | 2020-12-29 | 北京明略软件系统有限公司 | 一种事件图谱的匹配方法、装置、电子设备及存储介质 |
CN113609837A (zh) * | 2021-04-19 | 2021-11-05 | 鼎富智能科技有限公司 | 一种笔录信息的提取方法及装置 |
CN113065005A (zh) * | 2021-05-19 | 2021-07-02 | 南京烽火星空通信发展有限公司 | 一种基于知识图谱和文本分类模型的法律条文推荐方法 |
CN113065005B (zh) * | 2021-05-19 | 2024-01-09 | 南京烽火星空通信发展有限公司 | 一种基于知识图谱和文本分类模型的法律条文推荐方法 |
CN115982388A (zh) * | 2023-03-06 | 2023-04-18 | 共道网络科技有限公司 | 案件质控图谱建立、案件文书质检方法、设备及存储介质 |
CN115982388B (zh) * | 2023-03-06 | 2024-04-19 | 共道网络科技有限公司 | 案件质控图谱建立、案件文书质检方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110489520B (zh) | 基于知识图谱的事件处理方法、装置、设备和存储介质 | |
JP6986527B2 (ja) | ビデオを処理する方法及び装置 | |
CN109446302B (zh) | 基于机器学习的问答数据处理方法、装置和计算机设备 | |
CN107066616B (zh) | 用于账号处理的方法、装置及电子设备 | |
CN111611396A (zh) | 基于法律知识图谱的信息匹配方法、装置和存储介质 | |
Koesten et al. | Everything you always wanted to know about a dataset: Studies in data summarisation | |
CN112613501A (zh) | 信息审核分类模型的构建方法和信息审核方法 | |
CN111708949B (zh) | 医疗资源的推荐方法及装置、电子设备、存储介质 | |
US20100211551A1 (en) | Method, system, and computer readable recording medium for filtering obscene contents | |
US20220405607A1 (en) | Method for obtaining user portrait and related apparatus | |
CN111079056A (zh) | 提取用户画像的方法、装置、计算机设备和存储介质 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN111192153B (zh) | 人群关系网络构建方法、装置、计算机设备和存储介质 | |
CN108073645A (zh) | 一种招聘平台的求职人推荐页面展示方法及装置 | |
Peersman et al. | icop: Automatically identifying new child abuse media in p2p networks | |
CN114399396A (zh) | 保险产品推荐方法、装置、计算机设备及存储介质 | |
KR102192235B1 (ko) | Vsto 기반 전자문서 비식별화 서비스 제공 장치 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
Casey et al. | Do identities matter? | |
CN112016850A (zh) | 业务评估方法以及装置 | |
CN109660621A (zh) | 一种内容推送方法及服务设备 | |
CN114118398A (zh) | 目标类型网站的检测方法、系统、电子设备及存储介质 | |
CN112685389B (zh) | 数据管理方法、数据管理装置、电子设备及存储介质 | |
Fernández et al. | Implementation of a face recognition system as experimental practices in an artificial intelligence and pattern recognition course | |
US10509956B1 (en) | Artificial intelligence image and text processing |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 510000 no.2-8, North Street, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant after: Guangzhou huiruisitong Technology Co.,Ltd. Address before: 510000 no.2-8, North Street, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU HUIRUI SITONG INFORMATION TECHNOLOGY Co.,Ltd. |