CN111324740B - 纠纷事件的识别方法、识别装置和识别*** - Google Patents
纠纷事件的识别方法、识别装置和识别*** Download PDFInfo
- Publication number
- CN111324740B CN111324740B CN201811528340.6A CN201811528340A CN111324740B CN 111324740 B CN111324740 B CN 111324740B CN 201811528340 A CN201811528340 A CN 201811528340A CN 111324740 B CN111324740 B CN 111324740B
- Authority
- CN
- China
- Prior art keywords
- dispute
- event
- description information
- determining
- entity
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000015654 memory Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种纠纷事件的识别方法、识别装置和识别***。其中,该方法包括:获取纠纷事件的纠纷描述信息;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;向用户端设备发送搜索结果。本申请解决了现有的矛盾调解***对纠纷事件识别不准确的技术问题。
Description
技术领域
本申请涉及计算机领域,具体而言,涉及一种纠纷事件的识别方法、识别装置和识别***。
背景技术
随着计算机技术的快速发展,互联网给人们的生活和工作的各方各面都带来了便捷。在生活上,人们足不出户即可购买商品;在工作上,人们可实现远程办公。其中,人们还可通过互联网进行纠纷事件的调解。然而,现有的矛盾调解***的入口具有多个,当人们通过矛盾调解***上报纠纷事件时,可能将同一个事件经过不同的入口上报多次,又例如对于同一个矛盾事件,当事人可能独立向矛盾调解***上报;或者,对于同一个矛盾事件,同一个当事人可能多次重复向矛盾调解***上报。这样,易导致在纠纷事件调解过程中,多个部门同时对同一个事件进行调解,从而使得纠纷事件识别不准确。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种纠纷事件的识别方法、识别装置和识别***,以至少解决现有的矛盾调解***对纠纷事件识别不准确的技术问题。
根据本申请实施例的一个方面,提供了一种纠纷事件的识别方法,包括:获取纠纷事件的纠纷描述信息;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;向用户端设备发送搜索结果。
根据本申请实施例的另一方面,还提供了一种纠纷事件的识别装置,包括:获取模块,用于获取纠纷事件的纠纷描述信息;确定模块,用于基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;发送模块,用于向目标对象发送搜索结果。
根据本申请实施例的另一方面,还提供了一种纠纷事件的识别***,包括:通信模块和处理器;其中,通信模块,用于接收用户的查询请求,以及向用户端设备发送处理器的搜索结果;处理器,用于在查询请求的触发下,获取纠纷事件的纠纷描述信息和预先构建的纠纷知识图谱,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行以下步骤:获取纠纷事件的纠纷描述信息和预先构建的纠纷知识图谱;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;向用户端设备发送搜索结果。
在本申请实施例中,采用基于知识图谱识别纠纷事件的方式,在得到纠纷事件的纠纷描述信息之后,基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,并向用户端设备发送搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系。
在上述过程中,由于纠纷知识图谱中包括了实体要素以及实体要素之间的逻辑关系,因此,通过基于纠纷知识图谱的方式可以对同一事件通过不同入口上报的纠纷事件进行自动识别,保证同一个部门处理同一个纠纷事件,避免了无关信息的干扰,提高了纠纷事件的搜索结果的准确率。
由此可见,本申请所提供的上述方案可以解决现有的矛盾调解***对纠纷事件识别不准确的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种用于实现纠纷事件的识别方法的计算机终端的硬件结构框图;
图2是根据本申请实施例的一种纠纷事件的识别方法的流程图;
图3是根据本申请实施例的一种可选的用户端设备的显示界面的示意图;
图4是根据本申请实施例的一种可选的纠纷知识图谱的结构示意图;
图5是根据本申请实施例的一种可选的基于纠纷事件的识别方法的架构图;
图6是根据本申请实施例的一种纠纷事件的识别装置的结构示意图;
图7是根据本申请实施例的一种计算机终端的结构框图;
图8是根据本申请实施例的一种纠纷事件的识别方法的流程图。以及
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅是本申请一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释:
实体关系抽取,是指从自然文本中提取并标记出实体,以及实体之间的关系。
知识图谱,Knowledge Graph,又称科学知识图谱,是指将实体以及实体之间的关系进行聚合,所得到的语义网络
图路径模式,是指图论中节点和边的连接模式。
实施例1
根据本申请实施例,还提供了一种纠纷事件的识别方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现纠纷事件的识别方法的计算机终端(或移动设备)的硬件结构框图。如图1所示,计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的纠纷事件的识别方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的纠纷事件的识别方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
此处需要说明的是,在一些实施例中,上述图1所示的计算机设备(或移动设备)具有触摸显示器(也被称为“触摸屏”或“触摸显示屏”)。在一些实施例中,上述图1所示的计算机设备(或移动设备)具有图像用户界面(GUI),用户可以通过触摸触敏表面上的手指接触和/或手势来与GUI进行人机交互,此处的人机交互功能可选的包括如下交互:创建网页、绘图、文字处理、制作电子文档、游戏、视频会议、即时通信、收发电子邮件、通话界面、播放数字视频、播放数字音乐和/或网络浏览等、用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。
在上述运行环境下,本申请提供了如图2所示的纠纷事件的识别方法。图2是根据本申请实施例一的纠纷事件的识别方法的流程图,由图2可知,该方法包括如下步骤:
步骤S202,获取纠纷事件的纠纷描述信息。
需要说明的是,服务器可作为本申请所提供的纠纷事件的识别方法的执行主体,其中,服务器与用户端设备进行通信,用户通过用户端设备向服务器输入纠纷事件的纠纷描述信息,服务器通过用户端设备可以获取到纠纷事件的纠纷描述信息。
可选的,上述步骤S202中的纠纷事件可以包括但不限于民事纠纷(例如,财产纠纷)、行政纠纷(例如,医疗卫生纠纷)、涉法涉诉纠纷等。其中,纠纷事件为多个,纠纷描述信息包括多个纠纷事件的描述信息,纠纷事件的描述信息包括但不限于纠纷事件发生的时间、地点、涉案人物以及纠纷事件的内容。
此外,还需要说明的是,用户可通过用户端设备输入纠纷事件的描述信息,其中,用户端设备可以具有多个入口,用户通过该入口输入纠纷事件的描述信息,例如,如图3所示的用户端设备的显示界面,用户可通过点击“村务纠纷”控件进入到相应界面中来输入纠纷事件的描述信息,也可通过点击“噪音扰民”控件进入到相应界面中来输入纠纷事件的描述信息。可选的,在获取到纠纷事件的纠纷描述信息之后,服务器还可对用户输入的纠纷事件的纠纷描述信息进行保存,其中,纠纷描述信息保存在数据服务器中,也可保存在服务器所在设备的数据库内,本申请不对具体的存储位置进行限定。
步骤S204,基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系。
需要说明的是,预先构建的纠纷知识图谱可以存储在服务器中,在得到纠纷描述信息之后,服务器将用户输入的纠纷描述信息作为纠纷知识图谱的输入,得到纠纷知识图谱的搜索结果。
可选的,图4示出了一种可选的纠纷知识图谱的结构示意图,其中,图4中的每个节点代表纠纷知识图谱中的实体要素,节点与节点之间的连线代表实体要素之间的逻辑关系,例如,节点A1和节点A2经过逻辑处理后得到节点A3,节点A3经过逻辑处理后得到节点A4,节点B1、B2、B3和B4经过逻辑处理后得到节点B5,节点B5经过逻辑处理后得到节点B6,节点A4和节点B6经过逻辑处理后得到搜索结果S。在上述过程中,实体要素之间的逻辑关系包括但不限于拖欠工资、村务纠纷、企业负责人等。例如,图4中的节点A1和节点A2为债主,节点A3为借款人,借款人向债主借款,则节点A3与节点A1、A2之间的逻辑关系为欠款。又例如,节点A3为建材厂商,节点A4为建筑公司,建筑公司拖欠建材厂商的材料费用,则节点A3与节点A4之间的逻辑关系为欠款。
在一种可选的方案中,不同类型的纠纷事件对应不同的纠纷知识图谱。服务器在得到用户输入的纠纷描述信息之后,根据纠纷描述信息确定纠纷事件的纠纷类型,例如,服务器从纠纷描述信息中抽取关键字,在得到关键字之后,服务器根据关键字以及关键字的上下文的语义来确定纠纷事件的纠纷类型,其中,纠纷事件的纠纷类型包括但不限于民事纠纷、行政纠纷、涉法涉诉纠纷等。在确定了纠纷事件的纠纷类型之后,服务器再根据纠纷事件的纠纷类型来确定与纠纷类型对应的纠纷知识图谱,进一步,服务器根据纠纷描述信息以及对应的纠纷知识图谱得到纠纷事件的搜索结果。
步骤S206,向用户端设备发送搜索结果。
需要说明的是,步骤S206中,纠纷事件的搜索结果可以包括多个纠纷事件是否为相同的事件,和/或,哪些纠纷事件是相同的事件。
此外,还需要说明的是,上述用户端设备可以为输入纠纷事件的历史纠纷描述信息的用户所使用的终端设备,也可以为处理该纠纷事件的用户(例如,调节纠纷事件的工作人员)所使用的终端设备。
在一种可选的方案中,在得到纠纷事件的搜索结果之后,服务器根据搜索结果将该纠纷事件的相关信息发送至处理该纠纷事件的工作人员的终端设备上,以使工作人员能够处理该纠纷事件。同时,服务器还可将搜索结果发送至产生纠纷的当事人所使用的终端设备上,以使当事人能够了解该纠纷事件的相关信息,例如,处理该纠纷事件的部门、该纠纷事件所属的性质等。
基于上述步骤S202至步骤S206所限定的方案,可以获知,采用基于知识图谱识别纠纷事件的方式,在得到纠纷事件的历史纠纷描述信息之后,基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,并向用户端设备发送搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系。
容易注意到的是,由于纠纷知识图谱中包括了历史纠纷描述信息中的实体要素以及实体要素之间的逻辑关系,因此,通过基于纠纷知识图谱的方式可以对同一事件通过不同入口上报的纠纷事件进行自动识别,保证同一个部门处理同一个纠纷事件,避免了无关信息的干扰,提高了纠纷事件的搜索结果的准确率。
由此可见,本申请所提供的上述方案可以解决现有的矛盾调解***对纠纷事件识别不准确的技术问题。
在本申请的一些实施例中,上纠纷描述信息可以为结构化信息,该结构化信息中至少包含纠纷描述信息的实体要素以及实体之间的逻辑关系,纠纷知识图谱相当于历史事件库,至少包含了所有历史事件的结构化信息。
在一种可选的方案中,在基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果之前,服务器需要确定纠纷知识图谱。具体的,服务器首先从历史纠纷描述信息中提取词特征和字符特征,然后再将词特征和字符特征输入至预设学习模型进行识别,得到纠纷事件的实体要素以及实体要素之间的逻辑关系,最后基于实体要素和逻辑关系构建纠纷知识图谱。
需要说明的是,上述纠纷事件的纠纷描述信息可以是由用户输入的纠纷描述信息,也可以是服务器从历史纠纷事件的案例集中读取到的纠纷描述信息。可选的,历史纠纷事件的案例集存储在数据服务器中。
可选的,如图5所示的基于纠纷事件的识别方法的架构图,上述预设学习模型可以为但不限于Bi-LSTM(Bi-directional Long Short-Term Memory,双向循环神经网络)模型,其中,输入至Bi-LSTM模型的词特征和字符特征为Word embedding和Char embedding。在将Word embedding和Char embedding输入至Bi-LSTM模型之后,服务器在将Bi-LSTM模型的输出结果通过CRF(Conditional Random Field Algorithm,条件随机场算法)算法处理得到纠纷事件的实体要素以及实体要素之间的逻辑关系,如图5所示,得到了三个实体(即实体1、实体2和实体3)以及三个逻辑关系(即关系1、关系2和关系3)。在得到纠纷事件的实体要素以及实体要素之间的逻辑关系之后,服务器基于实体要素和逻辑关系构建纠纷知识图谱,即通过模式匹配得到纠纷知识图谱。
在一种可选的方案中,在确定了纠纷知识图谱,并得到纠纷事件的纠纷描述信息之后,服务器从纠纷描述信息中提取至少一个实体要素和至少一个实体要素之间的逻辑关系,并基于至少一个实体要素和至少一个实体要素之间的逻辑关系在纠纷知识图谱中确定至少一个实体要素对应的节点,然后基于共同邻居算法进行搜索,确定节点的邻居节点,并基于至少一个实体要素对应的节点和邻居节点确定候选事件集,最后从候选事件集中确定目标事件,并将目标事件作为纠纷事件的搜索结果。
需要说明的是,在上述过程中,实体要素至少包括纠纷事件发生的时间、地点、涉案人物以及事件内容等,实体要素之间的逻辑关系可以包括但不限于拖欠工资、村务纠纷、企业负责人等。例如,节点A为张三,节点B为李四,张三是李四的企业负责人,则企业负责人为节点A和节点B之间的逻辑关系。又例如,节点C为XX公司,节点D为农民工,XX公司拖欠农民工的工资,则节点C和节点D之间的逻辑关系为拖欠工资。
在一种可选的方案中,由图5可知,在基于至少一个实体要素和至少一个实体要素之间的逻辑关系在纠纷知识图谱中确定至少一个实体要素对应的节点之前,服务器还对至少一个实体要素和至少一个实体要素之间的逻辑关系进行标准化处理,得到标准化数据,并将标准化数据输入至纠纷知识图谱。其中,服务器通过对至少一个实体要素和逻辑关系与预设标准数据集中的数据进行匹配,并将匹配到的数据作为标准化数据。
需要说明的是,不同类别的实体要素具有不同的标准化处理过程,例如,对于地址实体要素,可采用地址引擎对其进行标准化处理;对于机构实体,可采用拼写纠错的方式对其进行标准化处理。
此外,还需要说明的是,在对实体要素以及实体要素之间的逻辑关系进行标准化处理得到标准化数据之后,服务器基于得到的标准化数据对纠纷知识图谱进行更新。
可选的,在对纠纷知识图谱更新之后,服务器在更新后的纠纷知识图谱中确定实体要素所对应的节点,并与通过共同邻居算法得到的邻居节点相结合,得到候选事件集,例如,节点A的邻居节点为节点B,则将节点A和节点B所组成的纠纷事件作为一个候选事件;节点C的邻居节点为节点D,则将节点C和节点D所组成的纠纷事件作为另一个候选事件。其中,多个候选事件组成了候选事件集。
进一步地,服务器按照候选事件集中每个候选事件的事件类型和至少一个实体要素对应的节点类型对候选事件集中的候选事件进行排序,并基于排序最高的预设个数的候选事件确定目标事件。具体的,服务器对于每个候选事件,确定事件类型的第一评分指标和第一权重,以及节点类型对应的第二评分指标和第二权重,然后基于第一评分指标、第一权重、第二评分指标和第二权重确定每个候选事件的最终评分指标,最后基于最终评分指标对候选事件集中的候选事件进行排序。
需要说明的是,在上述过程中,纠纷知识图谱中的每个节点具有节点特性,节点特性包含了该节点的事件类型以及节点类型,其中,该事件类型表征了该纠纷事件的类型,例如,村务纠纷、噪音扰民纠纷;节点类型表征了该节点的具体内容,例如,手机号码、企业名称、机构名称、时间日期等。可选的,精确性越强的节点类型对应的第二权重越大,例如,手机号码的权重高于机构名称的权重。
在一种可选的方案中,在根据每个候选事件的事件类型以及节点类型得到每个候选事件的最终评分指标之后,服务器按照每个候选事件的最终评分指标的大小进行排序,并基于排序最高的预设个数的候选事件来确定目标事件,例如,选择排序中前10%的候选事件作为目标事件。
进一步地,如图5所示,在生成纠纷知识图谱之后,服务器还将基于纠纷知识图谱得到的搜索结果反馈给用户端设备,由用户查看,并针对搜索结果对纠纷事件进行处理。
需要说明的是,通过本申请所提供的上述方案通过纠纷知识图谱对纠纷事件进行识别,避免了停用词和非纠纷事件关键信息的干扰,提高了纠纷事件识别的准确率。另外,针对纠纷场景的关键实体信息进行标准化处理,提升纠纷事件识别的召回率。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的纠纷事件的识别方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
实施例2
根据本申请实施例,还提供了一种用于实施上述纠纷事件的识别方法的纠纷事件的识别装置,如图6所示,该装置60包括:获取模块601、确定模块603以及发送模块605。
其中,获取模块601,用于获取纠纷事件的历史纠纷描述信息;确定模块603,用于基于历史纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;发送模块605,用于向目标对象发送搜索结果。
此处需要说明的是,上述获取模块601、确定模块603以及发送模块605对应于实施例1中的步骤S202至步骤S206,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在一种可选的方案中,确定模块包括:提取模块、第一确定模块、第二确定模块、第三确定模块以及识别模块。其中,提取模块,用于从纠纷描述信息中提取至少一个实体要素和至少一个实体要素之间的逻辑关系;第一确定模块,用于基于至少一个实体要素和至少一个实体要素之间的逻辑关系在纠纷知识图谱中确定至少一个实体要素对应的节点;第二确定模块,用于基于共同邻居算法进行搜索,确定节点的邻居节点;第三确定模块,用于基于至少一个实体要素对应的节点和邻居节点确定候选事件集;识别模块,用于从候选事件集中确定目标事件,并将目标事件作为纠纷事件的搜索结果。
在一种可选的方案中,纠纷事件的识别装置还包括:处理模块以及输入模块。其中,处理模块,用于对至少一个实体要素和至少一个实体要素之间的逻辑关系进行标准化处理,得到标准化数据;输入模块,用于将标准化数据输入至纠纷知识图谱。
在一种可选的方案中,处理模块包括:匹配模块。其中,匹配模块,用于对至少一个实体要素和逻辑关系与预设标准数据集中的数据进行匹配,并将匹配到的数据作为标准化数据。
可选的,纠纷事件为多个,历史纠纷描述信息包括多个纠纷事件的描述信息。
在一种可选的方案中,识别模块包括:第一排序模块以及第四确定模块。其中,第一排序模块,用于按照候选事件集中每个候选事件的事件类型和至少一个实体要素对应的节点类型对候选事件集中的候选事件进行排序;第四确定模块,用于基于排序最高的预设个数的候选事件确定目标事件。
在一种可选的方案中,第一排序模块包括:第五确定模块、第六确定模块以及第二排序模块。其中,第五确定模块,用于对于每个候选事件,确定事件类型的第一评分指标和第一权重,以及节点类型对应的第二评分指标和第二权重;第六确定模块,用于基于第一评分指标、第一权重、第二评分指标和第二权重确定每个候选事件的最终评分指标;第二排序模块,用于基于最终评分指标对候选事件集中的候选事件进行排序。
在一种可选的方案中,纠纷知识图谱通过以下方式确定:从历史纠纷描述信息中提取词特征和字符特征;将词特征和字符特征输入至预设学习模型进行识别,得到纠纷事件的实体要素以及实体要素之间的逻辑关系;基于实体要素和逻辑关系构建纠纷知识图谱。
实施例3
根据本申请实施例,还提供了一种用于实施上述纠纷事件的识别方法的纠纷事件的识别***,该识别***包括:通信模块和处理器;其中,
通信模块,用于接收用户的查询请求,以及向用户端设备发送处理器的搜索结果;处理器,用于在查询请求的触发下,获取纠纷事件的纠纷描述信息和预先构建的纠纷知识图谱,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果。
由上可知,采用基于知识图谱识别纠纷事件的方式,在得到纠纷事件的纠纷描述信息之后,基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,并向用户端设备发送搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系。
容易注意到的是,由于纠纷知识图谱中包括了实体要素以及实体要素之间的逻辑关系,因此,通过基于纠纷知识图谱的方式可以对同一事件通过不同入口上报的纠纷事件进行自动识别,保证同一个部门处理同一个纠纷事件,避免了无关信息的干扰,提高了纠纷事件的搜索结果的准确率。
由此可见,本申请所提供的上述方案可以解决现有的矛盾调解***对纠纷事件识别不准确的技术问题。
在一种可选的方案中,处理器还从纠纷描述信息中提取至少一个实体要素和至少一个实体要素之间的逻辑关系,并基于至少一个实体要素和至少一个实体要素之间的逻辑关系在纠纷知识图谱中确定至少一个实体要素对应的节点,然后基于共同邻居算法进行搜索,确定节点的邻居节点,并基于至少一个实体要素对应的节点和邻居节点确定候选事件集,最后从候选事件集中确定目标事件,并将目标事件作为纠纷事件的搜索结果。
在一种可选的方案中,在基于至少一个实体要素和至少一个实体要素之间的逻辑关系在纠纷知识图谱中确定至少一个实体要素对应的节点之前,处理器还对至少一个实体要素和至少一个实体要素之间的逻辑关系进行标准化处理,得到标准化数据,并将标准化数据输入至纠纷知识图谱。
其中,处理器对至少一个实体要素和逻辑关系与预设标准数据集中的数据进行匹配,并将匹配到的数据作为标准化数据。
可选的,纠纷事件为多个,纠纷描述信息包括多个纠纷事件的描述信息。
在一种可选的方案中,在确定了候选事件集之后,处理器从候选事件集中确定目标事件。具体的,处理器按照候选事件集中每个候选事件的事件类型和至少一个实体要素对应的节点类型对候选事件集中的候选事件进行排序,并基于排序最高的预设个数的候选事件确定目标事件。
可选的,处理器按照候选事件集中每个候选事件的事件类型和至少一个实体要素对应的节点类型对候选事件集中的候选事件进行排序的过程具体如下。首先处理器对于每个候选事件,确定事件类型的第一评分指标和第一权重,以及节点类型对应的第二评分指标和第二权重,然后,处理器基于第一评分指标、第一权重、第二评分指标和第二权重确定每个候选事件的最终评分指标,并基于最终评分指标对候选事件集中的候选事件进行排序。
在一种可选的方案中,处理器可通过如下方式确定纠纷知识图谱。具体的,处理器从历史纠纷描述信息中提取词特征和字符特征,然后将词特征和字符特征输入至预设学习模型进行识别,得到纠纷事件的实体要素以及实体要素之间的逻辑关系,最后基于实体要素和逻辑关系构建纠纷知识图谱。
实施例4
本申请的实施例可以提供一种计算机终端,该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地,在本实施例中,上述计算机终端也可以替换为移动终端等终端设备。
可选地,在本实施例中,上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中,上述计算机终端可以执行纠纷事件的识别方法中以下步骤的程序代码:获取纠纷事件的纠纷描述信息;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;向用户端设备发送搜索结果。
可选地,图7是根据本申请实施例的一种计算机终端的结构框图。如图7所示,该计算机终端A可以包括:一个或多个(图中仅示出一个)处理器702、存储器704以及传输装置706。
其中,存储器可用于存储软件程序以及模块,如本申请实施例中的纠纷事件的识别方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的纠纷事件的识别方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至终端A。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:获取纠纷事件的纠纷描述信息;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;向用户端设备发送搜索结果。
可选的,上述处理器还可以执行如下步骤的程序代码:从纠纷描述信息中提取至少一个实体要素和至少一个实体要素之间的逻辑关系;基于至少一个实体要素和至少一个实体要素之间的逻辑关系在纠纷知识图谱中确定至少一个实体要素对应的节点;基于共同邻居算法进行搜索,确定节点的邻居节点;基于至少一个实体要素对应的节点和邻居节点确定候选事件集;从候选事件集中确定目标事件,并将目标事件作为纠纷事件的搜索结果。
可选的,上述处理器还可以执行如下步骤的程序代码:对至少一个实体要素和至少一个实体要素之间的逻辑关系进行标准化处理,得到标准化数据;将标准化数据输入至纠纷知识图谱。
可选的,上述处理器还可以执行如下步骤的程序代码:对至少一个实体要素和逻辑关系与预设标准数据集中的数据进行匹配,并将匹配到的数据作为标准化数据。
可选的,上述处理器还可以执行如下步骤的程序代码:按照候选事件集中每个候选事件的事件类型和至少一个实体要素对应的节点类型对候选事件集中的候选事件进行排序;基于排序最高的预设个数的候选事件确定目标事件。
可选的,上述处理器还可以执行如下步骤的程序代码:对于每个候选事件,确定事件类型的第一评分指标和第一权重,以及节点类型对应的第二评分指标和第二权重;基于第一评分指标、第一权重、第二评分指标和第二权重确定每个候选事件的最终评分指标;基于最终评分指标对候选事件集中的候选事件进行排序。
可选的,上述处理器还可以执行如下步骤的程序代码:从历史纠纷描述信息中提取词特征和字符特征;将词特征和字符特征输入至预设学习模型进行识别,得到纠纷事件的实体要素以及实体要素之间的逻辑关系;基于实体要素和逻辑关系构建纠纷知识图谱。
本领域普通技术人员可以理解,图7所示的结构仅为示意,计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices,MID)、PAD等终端设备。图7其并不对上述电子装置的结构造成限定。例如,计算机终端A还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图7所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
实施例5
本申请的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于保存上述实施例一所提供的纠纷事件的识别方法所执行的程序代码。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:获取纠纷事件的纠纷描述信息;基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系;向用户端设备发送搜索结果。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:从纠纷描述信息中提取至少一个实体要素和至少一个实体要素之间的逻辑关系;基于至少一个实体要素和至少一个实体要素之间的逻辑关系在纠纷知识图谱中确定至少一个实体要素对应的节点;基于共同邻居算法进行搜索,确定节点的邻居节点;基于至少一个实体要素对应的节点和邻居节点确定候选事件集;从候选事件集中确定目标事件,并将目标事件作为纠纷事件的搜索结果。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:对至少一个实体要素和至少一个实体要素之间的逻辑关系进行标准化处理,得到标准化数据;将标准化数据输入至纠纷知识图谱。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:对至少一个实体要素和逻辑关系与预设标准数据集中的数据进行匹配,并将匹配到的数据作为标准化数据。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:按照候选事件集中每个候选事件的事件类型和至少一个实体要素对应的节点类型对候选事件集中的候选事件进行排序;基于排序最高的预设个数的候选事件确定目标事件。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:对于每个候选事件,确定事件类型的第一评分指标和第一权重,以及节点类型对应的第二评分指标和第二权重;基于第一评分指标、第一权重、第二评分指标和第二权重确定每个候选事件的最终评分指标;基于最终评分指标对候选事件集中的候选事件进行排序。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:从历史纠纷描述信息中提取词特征和字符特征;将词特征和字符特征输入至预设学习模型进行识别,得到纠纷事件的实体要素以及实体要素之间的逻辑关系;基于实体要素和逻辑关系构建纠纷知识图谱。
实施例6
根据本申请实施例,还提供了一种纠纷事件的识别方法,如图8所示的纠纷事件的识别方法流程图,该方法包括如下步骤
步骤S802,获取纠纷事件的纠纷描述信息。
可选的,上述纠纷事件可以包括但不限于民事纠纷(例如,财产纠纷)、行政纠纷(例如,医疗卫生纠纷)、涉法涉诉纠纷等。其中,纠纷事件为多个,纠纷描述信息包括多个纠纷事件的描述信息,纠纷事件的描述信息包括但不限于纠纷事件发生的时间、地点、涉案人物以及纠纷事件的内容。
此外,还需要说明的是,用户可通过用户端设备输入纠纷事件的描述信息,其中,用户端设备可以具有多个入口,用户通过该入口输入纠纷事件的描述信息,例如,如图3所示的用户端设备的显示界面,用户可通过点击“村务纠纷”控件进入到相应界面中来输入纠纷事件的描述信息,也可通过点击“噪音扰民”控件进入到相应界面中来输入纠纷事件的描述信息。可选的,在获取到纠纷事件的纠纷描述信息之后,服务器还可对用户输入的纠纷事件的纠纷描述信息进行保存,其中,纠纷描述信息保存在数据服务器中,也可保存在服务器所在设备的数据库内,本申请不对具体的存储位置进行限定。
步骤S804,基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系。
需要说明的是,预先构建的纠纷知识图谱可以存储在服务器中,在得到纠纷描述信息之后,服务器将用户输入的纠纷描述信息作为纠纷知识图谱的输入,得到纠纷知识图谱的搜索结果。
在一种可选的方案中,不同类型的纠纷事件对应不同的纠纷知识图谱。服务器在得到用户输入的纠纷描述信息之后,根据纠纷描述信息确定纠纷事件的纠纷类型,例如,服务器从纠纷描述信息中抽取关键字,在得到关键字之后,服务器根据关键字以及关键字的上下文的语义来确定纠纷事件的纠纷类型,其中,纠纷事件的纠纷类型包括但不限于民事纠纷、行政纠纷、涉法涉诉纠纷等。在确定了纠纷事件的纠纷类型之后,服务器再根据纠纷事件的纠纷类型来确定与纠纷类型对应的纠纷知识图谱,进一步,服务器根据纠纷描述信息以及对应的纠纷知识图谱得到纠纷事件的搜索结果。
步骤S806,展示搜索结果。
需要说明的是,上述纠纷事件的搜索结果可以包括多个纠纷事件是否为相同的事件,和/或,哪些纠纷事件是相同的事件。
在一种可选的方案中,在得到纠纷事件的搜索结果之后,用户端设备可对搜索结果进行展示,其中,搜索结果的展示形式可以包括但不限于文字、图形等。可选的,在用户端设备以文字的形式向用户展示搜索结果,例如,纠纷事件包括事件A和事件B,则用户端设备以“事件A和事件B为同一纠纷事件”的形式向用户展示。可选的,在用户端设备以图形的形式向用户展示搜索结果,例如,纠纷事件为多个时,以相同的图形或颜色表示相同的纠纷事件,不同的纠纷事件之间以不同的图形或颜色表示。
进一步地,在向用户展示搜索结果之后,服务器还可对纠纷事件进行标识,并将标识有相同标识的纠纷事件分发至同一部门的同一负责人员的终端处,由该负责人员处理该纠纷事件,并记录该负责人员的相关信息,以使纠纷案件的涉案人员能够查询到处理该纠纷事件的部门,使纠纷事件的处理更加透明和公平。
基于上述步骤S802至步骤S806所限定的方案,可以获知,采用基于知识图谱识别纠纷事件的方式,在得到纠纷事件的历史纠纷描述信息之后,基于纠纷描述信息和预先构建的纠纷知识图谱确定纠纷事件的搜索结果,并展示搜索结果,其中,纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、历史纠纷描述信息中实体要素之间的逻辑关系。
容易注意到的是,由于纠纷知识图谱中包括了历史纠纷描述信息中的实体要素以及实体要素之间的逻辑关系,因此,通过基于纠纷知识图谱的方式可以对同一事件通过不同入口上报的纠纷事件进行自动识别,保证同一个部门处理同一个纠纷事件,避免了无关信息的干扰,提高了纠纷事件的搜索结果的准确率。
由此可见,本申请所提供的上述方案可以解决现有的矛盾调解***对纠纷事件识别不准确的技术问题。
此外,还需要说明的是,本实施例中的其他相关内容与实施例1所提供的实施例的内容相同,在此不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种纠纷事件的识别方法,其特征在于,包括:
获取纠纷事件的纠纷描述信息;
基于所述纠纷描述信息和预先构建的纠纷知识图谱确定所述纠纷事件的搜索结果,其中,所述纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、所述历史纠纷描述信息中实体要素之间的逻辑关系;
向用户端设备发送所述搜索结果;
其中,基于所述纠纷描述信息和预先构建的纠纷知识图谱确定所述纠纷事件的搜索结果包括:从所述纠纷描述信息中提取至少一个实体要素和所述至少一个实体要素之间的逻辑关系;基于所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系在所述纠纷知识图谱中确定所述至少一个实体要素对应的节点;基于共同邻居算法进行搜索,确定所述节点的邻居节点;基于所述至少一个实体要素对应的节点和所述邻居节点确定候选事件集;从所述候选事件集中确定目标事件,并将所述目标事件作为所述纠纷事件的搜索结果。
2.根据权利要求1所述的方法,其特征在于,在基于所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系在所述纠纷知识图谱中确定所述至少一个实体要素对应的节点之前,所述方法还包括:
对所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系进行标准化处理,得到标准化数据;
将所述标准化数据输入至所述纠纷知识图谱。
3.根据权利要求2所述的方法,其特征在于,对所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系进行标准化处理,得到标准化数据,包括:
对所述至少一个实体要素和所述逻辑关系与预设标准数据集中的数据进行匹配,并将匹配到的数据作为所述标准化数据。
4.根据权利要求2所述的方法,其特征在于,所述纠纷事件为多个,所述纠纷描述信息包括多个纠纷事件的描述信息。
5.根据权利要求1所述的方法,其特征在于,从所述候选事件集中确定目标事件,包括:
按照所述候选事件集中每个候选事件的事件类型和所述至少一个实体要素对应的节点类型对所述候选事件集中的候选事件进行排序;
基于排序最高的预设个数的候选事件确定所述目标事件。
6.根据权利要求5所述的方法,其特征在于,按照所述候选事件集中每个候选事件的事件类型和所述至少一个实体要素对应的节点类型对所述候选事件集中的候选事件进行排序,包括:
对于每个候选事件,确定所述事件类型的第一评分指标和第一权重,以及所述节点类型对应的第二评分指标和第二权重;
基于所述第一评分指标、所述第一权重、所述第二评分指标和第二权重确定所述每个候选事件的最终评分指标;
基于所述最终评分指标对所述候选事件集中的候选事件进行排序。
7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述纠纷知识图谱通过以下方式确定:
从所述历史纠纷描述信息中提取词特征和字符特征;
将所述词特征和字符特征输入至预设学习模型进行识别,得到所述纠纷事件的所述实体要素以及所述实体要素之间的逻辑关系;
基于所述实体要素和所述逻辑关系构建所述纠纷知识图谱。
8.一种纠纷事件的识别方法,其特征在于,包括:
获取纠纷事件的纠纷描述信息;
基于所述纠纷描述信息和预先构建的纠纷知识图谱确定所述纠纷事件的搜索结果,其中,所述纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、所述历史纠纷描述信息中实体要素之间的逻辑关系;
展示所述搜索结果;
其中,基于所述纠纷描述信息和预先构建的纠纷知识图谱确定所述纠纷事件的搜索结果包括:从所述纠纷描述信息中提取至少一个实体要素和所述至少一个实体要素之间的逻辑关系;基于所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系在所述纠纷知识图谱中确定所述至少一个实体要素对应的节点;基于共同邻居算法进行搜索,确定所述节点的邻居节点;基于所述至少一个实体要素对应的节点和所述邻居节点确定候选事件集;从所述候选事件集中确定目标事件,并将所述目标事件作为所述纠纷事件的搜索结果。
9.一种纠纷事件的识别装置,其特征在于,包括:
获取模块,用于获取纠纷事件的纠纷描述信息;
确定模块,用于基于所述纠纷描述信息和预先构建的纠纷知识图谱确定所述纠纷事件的搜索结果,其中,所述纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、所述历史纠纷描述信息中实体要素之间的逻辑关系;
发送模块,用于向目标对象发送所述搜索结果;
所述确定模块还用于:从所述纠纷描述信息中提取至少一个实体要素和所述至少一个实体要素之间的逻辑关系;基于所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系在所述纠纷知识图谱中确定所述至少一个实体要素对应的节点;基于共同邻居算法进行搜索,确定所述节点的邻居节点;基于所述至少一个实体要素对应的节点和所述邻居节点确定候选事件集;从所述候选事件集中确定目标事件,并将所述目标事件作为所述纠纷事件的搜索结果。
10.一种纠纷事件的识别***,其特征在于,包括:通信模块和处理器;其中,
所述通信模块,用于接收用户的查询请求,以及向用户端设备发送所述处理器的搜索结果;
所述处理器,用于在所述查询请求的触发下,获取纠纷事件的纠纷描述信息和预先构建的纠纷知识图谱,其中,所述纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、所述历史纠纷描述信息中实体要素之间的逻辑关系;基于所述纠纷描述信息和所述预先构建的纠纷知识图谱确定所述纠纷事件的所述搜索结果;
所述处理器还用于:从所述纠纷描述信息中提取至少一个实体要素和所述至少一个实体要素之间的逻辑关系;基于所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系在所述纠纷知识图谱中确定所述至少一个实体要素对应的节点;基于共同邻居算法进行搜索,确定所述节点的邻居节点;基于所述至少一个实体要素对应的节点和所述邻居节点确定候选事件集;从所述候选事件集中确定目标事件,并将所述目标事件作为所述纠纷事件的搜索结果。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行以下步骤:
获取纠纷事件的纠纷描述信息和预先构建的纠纷知识图谱;基于所述纠纷描述信息和预先构建的纠纷知识图谱确定所述纠纷事件的搜索结果,其中,所述纠纷知识图谱中至少包括历史纠纷描述信息中的实体要素、所述历史纠纷描述信息中实体要素之间的逻辑关系;向用户端设备发送所述搜索结果;
其中,基于所述纠纷描述信息和预先构建的纠纷知识图谱确定所述纠纷事件的搜索结果包括:从所述纠纷描述信息中提取至少一个实体要素和所述至少一个实体要素之间的逻辑关系;基于所述至少一个实体要素和所述至少一个实体要素之间的逻辑关系在所述纠纷知识图谱中确定所述至少一个实体要素对应的节点;基于共同邻居算法进行搜索,确定所述节点的邻居节点;基于所述至少一个实体要素对应的节点和所述邻居节点确定候选事件集;从所述候选事件集中确定目标事件,并将所述目标事件作为所述纠纷事件的搜索结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811528340.6A CN111324740B (zh) | 2018-12-13 | 2018-12-13 | 纠纷事件的识别方法、识别装置和识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811528340.6A CN111324740B (zh) | 2018-12-13 | 2018-12-13 | 纠纷事件的识别方法、识别装置和识别*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111324740A CN111324740A (zh) | 2020-06-23 |
CN111324740B true CN111324740B (zh) | 2023-05-02 |
Family
ID=71172284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811528340.6A Active CN111324740B (zh) | 2018-12-13 | 2018-12-13 | 纠纷事件的识别方法、识别装置和识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111324740B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182115A (zh) * | 2020-09-10 | 2021-01-05 | 珠海格力电器股份有限公司 | 关系的展示方法和装置、存储介质、电子装置 |
CN112269885B (zh) * | 2020-11-16 | 2024-05-10 | 北京百度网讯科技有限公司 | 用于处理数据的方法、装置、设备以及存储介质 |
CN112508745B (zh) * | 2021-02-05 | 2021-08-27 | 北京肇祺信息科技有限公司 | 一种文书评估方法及装置 |
CN113360580B (zh) * | 2021-05-31 | 2023-09-26 | 北京百度网讯科技有限公司 | 基于知识图谱的异常事件检测方法、装置、设备及介质 |
CN116469576B (zh) * | 2023-03-27 | 2023-10-27 | 中关村科学城城市大脑股份有限公司 | 纠纷事件识别方法、装置、电子设备和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8606787B1 (en) * | 2010-09-15 | 2013-12-10 | Google Inc. | Social network node clustering system and method |
CN104462508A (zh) * | 2014-12-19 | 2015-03-25 | 北京奇虎科技有限公司 | 基于知识图谱的人物关系搜索方法和装置 |
CN106021281A (zh) * | 2016-04-29 | 2016-10-12 | 京东方科技集团股份有限公司 | 医学知识图谱的构建方法、其装置及其查询方法 |
CN106776651A (zh) * | 2015-11-24 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 业务纠纷的处理方法及装置 |
CN107908671A (zh) * | 2017-10-25 | 2018-04-13 | 南京擎盾信息科技有限公司 | 基于法律数据的知识图谱构建方法及*** |
CN108153901A (zh) * | 2018-01-16 | 2018-06-12 | 北京百度网讯科技有限公司 | 基于知识图谱的信息推送方法和装置 |
CN108268582A (zh) * | 2017-07-14 | 2018-07-10 | 广东神马搜索科技有限公司 | 信息查询方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160063106A1 (en) * | 2012-08-08 | 2016-03-03 | Google Inc. | Related Entity Search |
JP6543207B2 (ja) * | 2016-03-17 | 2019-07-10 | 株式会社東芝 | データ管理装置、データ管理システムおよびデータ管理方法 |
-
2018
- 2018-12-13 CN CN201811528340.6A patent/CN111324740B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8606787B1 (en) * | 2010-09-15 | 2013-12-10 | Google Inc. | Social network node clustering system and method |
CN104462508A (zh) * | 2014-12-19 | 2015-03-25 | 北京奇虎科技有限公司 | 基于知识图谱的人物关系搜索方法和装置 |
CN106776651A (zh) * | 2015-11-24 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 业务纠纷的处理方法及装置 |
CN106021281A (zh) * | 2016-04-29 | 2016-10-12 | 京东方科技集团股份有限公司 | 医学知识图谱的构建方法、其装置及其查询方法 |
CN108268582A (zh) * | 2017-07-14 | 2018-07-10 | 广东神马搜索科技有限公司 | 信息查询方法及装置 |
CN107908671A (zh) * | 2017-10-25 | 2018-04-13 | 南京擎盾信息科技有限公司 | 基于法律数据的知识图谱构建方法及*** |
CN108153901A (zh) * | 2018-01-16 | 2018-06-12 | 北京百度网讯科技有限公司 | 基于知识图谱的信息推送方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111324740A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111324740B (zh) | 纠纷事件的识别方法、识别装置和识别*** | |
US20210104316A1 (en) | Data driven analysis, modeling, and semi-supervised machine learning for qualitative and quantitative determinations | |
Chang | Library mobile applications in university libraries | |
CN109189931B (zh) | 一种目标语句的筛选方法及装置 | |
CN110309405B (zh) | 一种项目推荐方法、装置及存储介质 | |
CN107153847A (zh) | 预测用户是否存在恶意行为的方法和计算设备 | |
US11151618B2 (en) | Retrieving reviews based on user profile information | |
US10445386B2 (en) | Search result refinement | |
CN108062692B (zh) | 一种录音推荐方法、装置、设备及计算机可读存储介质 | |
CN112860997A (zh) | 医疗资源推荐方法、装置、设备及存储介质 | |
KR102370485B1 (ko) | 상담사를 추천하기 위한 전자 장치 및 그 동작 방법 | |
KR101694727B1 (ko) | 인공 지능 기반 연관도 계산을 이용한 노트 제공 방법 및 장치 | |
KR102115364B1 (ko) | 전자명함 플랫폼 및 전자명함 플랫폼을 이용한 정보공유방법 | |
JP2015060432A (ja) | プログラム、コンピュータおよび訓練データ作成支援方法 | |
CN114357184A (zh) | 事项推荐方法及相关装置、电子设备和存储介质 | |
CN107679222A (zh) | 图片处理方法、移动终端及计算机可读存储介质 | |
KR102073044B1 (ko) | 설문 데이터를 기반으로 한 맞춤형 정보 가공 및 제공 시스템 및 그 방법 | |
CN111159575A (zh) | 一种基于手机银行的交友方法及装置 | |
CN108319721B (zh) | 应用程序推荐方法、装置、用户终端及服务器 | |
CN113241134B (zh) | 在线问诊医生分配方法和***、存储介质 | |
CN109033161A (zh) | 一种数据处理方法、服务器及计算机可读介质 | |
CN108287834A (zh) | 用于推送信息的方法、装置及计算设备 | |
CN114595322A (zh) | 保险产品推荐方法及装置 | |
CN112446202A (zh) | 文本的分析方法和装置 | |
CN111444170A (zh) | 基于预测业务场景的自动机器学习方法和设备 |
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 |