CN111783472A - 一种判决书内容提取方法及相关装置 - Google Patents
一种判决书内容提取方法及相关装置 Download PDFInfo
- Publication number
- CN111783472A CN111783472A CN202010612031.8A CN202010612031A CN111783472A CN 111783472 A CN111783472 A CN 111783472A CN 202010612031 A CN202010612031 A CN 202010612031A CN 111783472 A CN111783472 A CN 111783472A
- Authority
- CN
- China
- Prior art keywords
- type
- extraction
- output result
- content
- text
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 250
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000014509 gene expression Effects 0.000 claims abstract description 52
- 238000000547 structure data Methods 0.000 claims description 56
- 238000012545 processing Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 238000002372 labelling Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提出一种判决书内容提取方法及相关装置,用于实现提取出判决书内审理查明内容并结构化输出。包括:获取判决书内容,根据预设表达式获取判决书内容中的目标内容文本,预设表达式根据目标内容文本的格式生成,目标内容文本内包含第一类结构数据以及第二类结构数据,将目标内容文本输入经过预训练的信息抽取模型并接收信息抽取模型的输出结果,信息抽取模型用于使用抽取节点对目标内容文本进行信息抽取,输出结果中包含第一类输出结果以及第二类输出结果,将第一类输出结果以及第二类输出结果按照预设方式处理并输出。其中,通过抽取表达式对判决书内容进行抽取,并对抽取结果进行处理,实现了提取判决书内审理查明内容并结构化输出。
Description
技术领域
本申请涉及文字处理领域,具体涉及一种判决书内容提取方法及相关装置。
背景技术
判决书,是指法院根据判决写成的文书,是法律界常用的一种应用写作文体,在形式上具备规范性、创新性、公开性、法律性和准确性的特点。
法院以及律所需要对判决书进行存档,有一些机构会采取保存源文件的同时,又提取判决书内较为重要的数据进行分类存档,以方便如果需要提取数据时,可以较为直接的观察到该判决书中各种数据,例如判决书内审理查明部分的数据。
目前有机构采取标注的方法对重要数据进行提示,可以是人为标注也可以通过建立模型进行标注,人为标注的缺点就是工作量较大,而建立标注模型,而由于标注的处理逻辑较为复杂会导致计算量较大。
发明内容
本发明实施例提出一种判决书内容提取方法及相关装置,用于实现提取出判决书内审理查明内容并结构化输出。
本发明实施例第一方面提供一种判决书内容提取方法,包括:
获取判决书内容;
获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据;
将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果;
将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。
可选地,在将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果之前,所述方法还包括:
构建信息抽取模型,所述信息抽取模型内包含第一类文本内容抽取框架以及第二类文本内容抽取框架,所述第一类文本内容抽取框架由第一类文本内容抽取节点与对应的第一类抽取表达式组成,所述第二类文本内容抽取框架由第二类文本内容抽取节点与对应的第二类抽取表达式组成。
可选地,将所述第一类输出结果按照预设方式处理包括:
获取与所述第一类输出结果对应的抽取节点名称;
删除所述抽取节点名称的固定前缀信息以生成对应项目,所述项目用于存储所述输出结果。
可选地,将所述第二类输出结果按照预设方式处理包括:
获取与所述第二类输出结果对应的抽取节点名称;
根据所述抽取节点名称生成对应项目,所述项目用于存储所述输出结果。
可选地,所述将所述第一类输出结果按照预设方式处理还包括:
对所述第一类输出结果进行去重。
可选地,将所述第二类输出结果按照预设方式处理还包括:
判断所述第二类输出结果是否含有预设后缀信息;
若存在,则对所述第二类输出结果进行取长;
若不存在,则对所述第二类输出结果进行去重。
本申请第二方面提供一种判决书内容提取***,包括:
获取单元,用于获取判决书内容;
处理单元,用于获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据;
所述处理单元,还用于将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果;
所述处理单元,还用于将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。
可选地,所述***还包括:
构建单元,用于构建信息抽取模型,所述信息抽取模型内包含第一类文本内容抽取框架以及第二类文本内容抽取框架,所述第一类文本内容抽取框架由第一类文本内容抽取节点与对应的第一类抽取表达式组成,所述第二类文本内容抽取框架由第二类文本内容抽取节点与对应的第二类抽取表达式组成。
本申请实施例第三方面提供了一种计算机装置,包括:
处理器、存储器、输入输出设备以及总线;
所述处理器、存储器、输入输出设备分别与所述总线相连;
所述处理器用于执行如前述实施例任一项所述的方法。
本申请实施例第四方面提供了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如前述实施例所述方法的步骤。
从以上步骤可以看出,本申请具有以下优点:本实施例中,获取判决书内容,获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据,将目标内容文本输入经过预训练的信息抽取模型并接收信息抽取模型的输出结果,信息抽取模型用于使用抽取节点对目标内容文本进行信息抽取,输出结果中包含第一类输出结果以及第二类输出结果,将第一类输出结果以及第二类输出结果按照预设方式处理并输出。其中,通过抽取表达式对判决书内容进行抽取,并对抽取结果进行处理,实现了提取判决书内审理查明内容并结构化输出。
附图说明
图1为本发明实施例中一种判决书内容提取的方法实施例的一个示意图;
图2为本发明实施例中一种判决书内容提取的方法实施例的另一个示意图;
图3为本发明实施例中一种判决书内容提取的方法实施例的另一个示意图;
图4为本发明实施例中一种判决书内容提取的方法实施例的另一个示意图;
图5为本发明实施例中一种判决书内容提取的方法实施例的另一个示意图;
图6为本发明实施例中一种判决书内容提取的方法实施例的另一个示意图;
图7为本发明实施例中一种判决书内容提取的***实施例的一个示意图;
图8为本申请实施例中一种计算机装置的一个示意图。
具体实施方式
本发明实施例提出一种判决书内容提取方法及相关装置,用于实现提取出判决书内审理查明内容并结构化输出。
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。
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”、“第三”、“第四”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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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。
为了便于理解,下面对本申请实施例中的具体流程进行描述,请参阅图1,本申请实施例中一种判决书内容提取的方法的一个实施例包括:
101、获取判决书内容;
本实施例中,获取判决书内容,该获取判决书内容可以是通过网站下载,来往邮件中获取或者预先下载至电脑再获取。
102、获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据;
本实施例中,对判决书内容的提取采取目录提取方法,该方法是根据判决书内容中的审理查明部分的固定表述方式获取到审理查明部分文本的全体内容。
具体地,由于判决书的审理查明部分均是以“经审理,查明情况如下:”开头,本申请则是根据这样的特点,设计对应的抽取表达式从而定位至符合此类表述的位置并获取该位置内的内容,对于企业借贷纠纷判决书的情况,审理查明部分内容的重要信息一般可以分为取值类与信息类,取值类即为该重要信息只对应两个结果中(如“是”或“否”)的一个,其中,分别根据取值类数据以及信息类数据设计出对应的抽取表达式,并根据该抽取表达式实现取值类数据有自己信息类数据的提取。例如“是否归还利息”对应的结果只能为“是”或“否”的一种,如果结果为“是”,则结果中还可以附带对应的利息值。信息类数据则是对应着具体信息的数据,例如“归还利息金额”所对应的信息则为利息的具体金额。
103、将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果;
具体地,将根据上述目录提取方法所提取出的审理查明部分内容输入经过预训练的信息抽取模型,该信息抽取模型可以根据预先设计好的抽取表达式将审理查明部分内容所包含的重要信息以节点-信息的方式进行呈现,其中,对于取值类数据的抽取结果,节点名称的特点以“是否”开头,对应的取值为“是”或“否”中的一种;对于信息类数据的抽取结果,节点名称则不以“是否”开头,对应的取值则可以为数字,日期等具体数据。
优选地,抽取表达式可以由一个或一个以上的如ZL 201410155830.1公开的概念表达式,与一种或者多种语义算子组合构成。104、将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。
具体地,由信息抽取模型所得到的结果是一个节点对应一个信息,也可能会存在一个节点所对应的信息是“无”的情况,是因为设计抽取节点时,为覆盖到企业借贷纠纷判决书中的全部可能涉及到的事实要素,在模型的表达式以及节点的设计过程中会学习大量的数据,以达到在具体实现过程不会出现信息遗漏的情况,但是并不是每一个具体的企业借贷纠纷判决书都包含对应所有节点的信息,实例性地,如果一个企业借贷纠纷判决书内并未涉及到“计算复利方式”这一信息,那么信息抽取模型的“计算复利方式”这一节点在对该企业借贷纠纷判决书进行抽取时,就抽取不到任何内容,就会自动使用“0”或“无”来代替,而对于这类并未抽取到具体信息的节点,在最后生成输出结果时是不会输出的,即输出全部结果时,只显示存在具体抽取结果的节点名称以及对应的抽取结果,即将存在抽取结果的节点名称以及对应的抽取结果进行重新汇总,可以为将该结果以key-value的形式全都储存在表格内。
本实施例中,获取判决书内容,获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据,将目标内容文本输入经过预训练的信息抽取模型并接收信息抽取模型的输出结果,信息抽取模型用于使用抽取节点对目标内容文本进行信息抽取,输出结果中包含第一类输出结果以及第二类输出结果,将第一类输出结果以及第二类输出结果按照预设方式处理并输出。其中,通过抽取表达式对判决书内容进行抽取,并对抽取结果进行处理,实现了提取判决书内审理查明内容并结构化输出。
本实施例中,基于图1所述实施例,对获取判决书内容之前对信息抽取模型的预构建进行进一步的介绍,具体请参见图2,本发明的一个判决书内容提取方法的另一个实施例包括:
201、构建信息抽取模型,所述信息抽取模型内包含第一类文本内容抽取框架以及第二类文本内容抽取框架,所述第一类文本内容抽取框架由第一类文本内容抽取节点与对应的第一类抽取表达式组成,所述第二类文本内容抽取框架由第二类文本内容抽取节点与对应的第二类抽取表达式组成。
本实施例中,将企业借贷纠纷判决书审理查明部分所包含的内容分为两类,即借贷关系与担保保证,每一类内容都可以包含取值类数据与信息类数据,由此可看出,本申请将审理查明部分内容从两个角度上进行了分类,第一个角度为根据信息抽取时所提取出的内容不同,分为取值类与信息类,前一种为“是”或“否”,后一种是对应着具体信息的数据;第二个角度为将判决书内的事实要素划分为借贷关系数据与担保保证数据。其中,借贷关系数据使用借贷关系框架内对应的借贷关系抽取节点进行抽取,担保保证数据使用担保保证框架内对应的担保保证抽取节点进行抽取,可以理解为,本申请首先将企业借贷纠纷判决书审理查明部分所包含的内容分为借贷关系与担保保证,借贷关系与担保保证分别包含取值类数据与信息类数据,在最后的结果输出过程中,将借贷关系内取值类数据和信息类数据存在抽取结果的节点名称和抽取结果进行汇总输出,将担保保证内取值类数据和信息类数据存在抽取结果的节点名称和抽取结果进行汇总输出,输出的形式可以为将节点名称与抽取结果以key-value的形式填入表格内从而进行输出。
具体地,本申请为获取企业借贷纠纷判决书中的重要信息并结构化输出,可以使用信息抽取模型通过信息抽取表达式对企业借贷纠纷判决书中的重要信息进行抽取,该信息抽取模型包含多个抽取节点,每个抽取节点对应企业借贷判决书内容中的一个事实要素,且每个抽取节点中包含多个抽取表达式,抽取表达式采用正则表达式的方式,描述了一种字符串匹配的模式,可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等,对于本申请的应用场景来说,由于企业借贷判决书中可能包含的事实要素都有较为固定的描述模式,通过学习大量的企业借贷判决书中包含的事实要素,对所有的事实要素都建立了对应的抽取节点,每个抽取节点内存在多个抽取表达式,存在多个抽取表达式是由于对于某些节点所对应的内容,只使用一个抽取表达式可能会出现抽取遗漏的情况,例如某个抽取表达式想要抽取的内容是以“方式”结尾,目标内容可能为“****方式****方式”即我们想要抽取的内容内部包含了两个“方式”,这时如果只有一个抽取表达式那么就可能存在只抽取了前一个“方式”所对应的内容,那么此类抽取节点内则会存在多个抽取表达式,可以抽取对应包含一个“方式”的内容或者是更多“方式”的内容。
本实施例中,基于图1所述实施例,对第一类输出结果的处理方式进行进一步的介绍,具体请参见图3,本发明的一个判决书内容提取方法的另一个实施例包括:
301、获取与所述第一类输出结果对应的抽取节点名称,删除所述抽取节点名称的固定前缀信息以生成对应项目,所述项目用于存储所述输出结果。
本实施例中,通过对信息抽取模型的输出结果进行处理以生成最后的企业借贷判决书事实要素结构化列表。
具体地,信息抽取模型在具体的处理过程中是将模型内包含的所有抽取节点逐一对审理查明部分进行信息抽取,信息抽取模型的节点是通过大量学习判决书内容得到的,而对于一个具体的判决书处理过程中,可能会存在某个节点并没有抽取到内容的情况,例如一个节点是对应着“是否约定偿还滞纳金”,但是待抽取的判决书内却并不存在关于“是否约定偿还滞纳金”的内容,那么这个对应着抽取关于“是否约定偿还滞纳金”内容的节点就不会抽取到对应的结果。对于最后的企业借贷判决书事实要素结构化列表生成,即是将所有存在结果的抽取节点与其对应的结果进行输出。
进一步地,对于存在具体抽取结果的抽取节点,可以根据抽取节点的名称对应生成企业借贷判决书事实要素结构化列表,即根据每一个存在结果的抽取节点的名称对应创建一个项目,并将所有项目进行合并,对于取值类数据来说,由于抽取节点名称都是由“是否”开头,为统一化表述,本申请在最后输出的企业借贷判决书事实要素结构化列表内所生成的项目名称则是将该取值类数据所对应的抽取节点名称前缀进行删除,并将抽取结果作为取值对应存储在该项目内部,当结果判定为是时,以“是否约定偿还滞纳金为例”,根据该名成形成新的节点名称“约定偿还滞纳金”,对应的结果可以为具体的滞纳金额,如果判决书内容内提及了“未约定偿还滞纳金”的内容,则结果为否,如果判决书内容内并未提及任何与“是否偿还滞纳金”相关的内容,那么名称为“是否约定偿还滞纳金”的节点便抽取不到任何结果。
本实施例中,基于图1所述实施例,对第二类输出结果的处理方式进行进一步的介绍,具体请参见图4,本发明的一个判决书内容提取方法的另一个实施例包括:
401、获取与所述第二类输出结果对应的抽取节点名称,根据所述抽取节点名称生成对应项目,所述项目用于存储所述输出结果。
本实施例中,通过对信息抽取模型的输出结果进行处理以生成最后的企业借贷判决书事实要素结构化列表。
具体地,信息抽取模型在具体地处理过程中是将模型内包含的所有抽取节点逐一对审理查明部分进行信息抽取,信息抽取模型的节点是通过大量学习判决书内容得到的,而对于一个具体的判决书处理过程中,可能会存在某个节点并没有抽取到内容的情况,例如一个节点是对应着“抵押物”,但是待抽取的判决书内却并不存在关于“抵押物”的内容,那么这个对应着抽取关于“抵押物”内容的节点就不会抽取到对应的结果。对于最后的企业借贷判决书事实要素结构化列表生成,即是将所有存在结果的抽取节点与其对应的结果进行输出。
进一步地,对于存在具体抽取结果的抽取节点,可以根据抽取节点的名称对应生成企业借贷判决书事实要素结构化列表,即根据每一个存在结果的抽取节点的名称对应创建一个项目,并可以将所有项目汇总到一个表格内,对于信息类数据来说,由于节点名称都是对应着具体的信息,因此在根据节点名称对应生成项目名称时,只需保持不变即可即直接使用节点名称作为对应的项目名称,并将该抽取节点的抽取结果对应存储在该项目内部。
本实施例中,基于图3所述实施例,对第一类输出结果的处理方式进行进一步的介绍,具体请参见图5,本发明的一个判决书内容提取方法的另一个实施例包括:
501、对所述第一类输出结果进行去重。
具体地,对于取值类数据,对应的抽取节点所包含的抽取表达式所能抽取到的结果,只能是“是”或者“否”,而对于同一内容只能是两种结果中的一种,那么取值类数据的输出结果就会是一个抽取节点对应着多个抽取表达式所抽取出的“是”或者“否”,而对于多个相同的“是”或者多个相同的“否”,只需将其中的一个对应存储至项目内部即可。
本实施例中,基于图4所述实施例,对第二类输出结果的处理方式进行进一步的介绍,具体请参见图6,本发明的一个判决书内容提取方法的另一个实施例包括:
601、判断所述第二类输出结果是否存在预设后缀信息;
具体地,对于信息类数据,对应的抽取节点所包含的抽取表达式所能抽取到的结果,可能是相同的内容也可能是不同的内容,如果抽取节点的抽取结果为相同内容,所采取的也是去重的方法,如果不同,则采取取长的方法,以具体的抽取节点为例,例如“抵押物”这个节点,那么该节点所包含的抽取表达式的抽取结果都是企业借贷纠纷判决书内所包含的抵押物名称,无论抵押物的数量是几,只需要抽取出判决书内“抵押物为****、****与**”该部分内容即可,示例性地,如果判决书内“抵押物为一辆车”,则所建立的项目内节点名称为抵押物,对应的抽取结果为一辆车,如果判决书内“抵押物为一间房以及一辆车”,则所建立的项目内节点名称为抵押物,对应的抽取结果为一间房以及一辆车,不会存在不同的抽取结果,而对于某个抽取表达式想要抽取的内容是以“方式”结尾,此类抽取节点内则可能存在多个抽取表达式,可以抽取对应包含一个“方式”的内容或者是更多“方式”的内容。
602、若存在,则对所述第二类输出结果进行取长;
具体地,如实施例601所述,根据对企业借贷纠纷判决书的大量学习总结,一般最后一个“方式”才是一个内容的最后总结,所以本申请在对此类节点的抽取结果进行取长处理,即保留字节数最多的抽取结果,并将该抽取结果存储至对应项目。
603、若不存在,则对所述第二类输出结果进行去重。
具体地,如果不是存在固定后缀的信息类数据,所对应的抽取节点的抽取结果与取值类数据的情况相同,都是一致的,所以在具体的处理过程中只需进行去重,对其中的一个数据存储至对应项目即可。
本实施例中,获取判决书内容,根据预设表达式获取判决书内容中的目标内容文本,预设表达式根据目标内容文本的格式生成,目标内容文本内包含第一类结构数据以及第二类结构数据,将目标内容文本输入经过预训练的信息抽取模型并接收信息抽取模型的输出结果,信息抽取模型用于使用抽取节点对目标内容文本进行信息抽取,输出结果中包含第一类输出结果以及第二类输出结果,将第一类输出结果以及第二类输出结果按照预设方式处理并输出。其中,通过抽取表达式对判决书内容进行抽取,并对抽取结果进行处理,实现了提取判决书内审理查明内容并结构化输出。
上面对本申请实施例中的方法部分进行了介绍,下面从虚拟装置的角度对本申请实施例进行说明。
请参阅图7,本申请实施例中一种判决书内容提取的***的一个实施例包括:
获取单元701,用于获取判决书内容;
处理单元702,用于根据预设表达式获取所述判决书内容中的目标内容文本,所述预设表达式根据所述目标内容文本的格式生成,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据;
所述处理单元702,还用于将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果;
所述处理单元702,还用于将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。
作为一个优选实施例,所述***还包括:
构建单元703,用于构建信息抽取模型,所述信息抽取模型内包含第一类文本内容抽取框架以及第二类文本内容抽取框架,所述第一类文本内容抽取框架由第一类文本内容抽取节点与对应的第一类抽取表达式组成,所述第二类文本内容抽取框架由第二类文本内容抽取节点与对应的第二类抽取表达式组成。
本实施例中,获取单元701,用于获取判决书内容,处理单元702,用于获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据,所述处理单元702,还用于将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果,所述处理单元702,还用于将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。其中,通过抽取表达式对判决书内容进行抽取,并对抽取结果进行处理,实现了提取判决书内审理查明内容并结构化输出。
下面从实体装置的角度对本申请实施例中的计算机装置进行描述,请参阅图8,本申请实施例中计算机装置的一个实施例包括:
该计算机装置800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(central processing units,CPU)801(例如,一个或一个以上处理器)和存储器805,该存储器805中存储有一个或一个以上的应用程序或数据。
其中,存储器805可以是易失性存储或持久存储。存储在存储器805的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器801可以设置为与存储器805通信,在智能终端800上执行存储器805中的一系列指令操作。
该计算机装置800还可以包括一个或一个以上电源802,一个或一个以上有线或无线网络接口803,一个或一个以上输入输出接口804,和/或,一个或一个以上操作***,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
处理器801具体用于执行以下步骤:
获取判决书内容;
获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据;
将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果;
将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。
可选地,在将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果之前,所述方法还包括:
构建信息抽取模型,所述信息抽取模型内包含第一类文本内容抽取框架以及第二类文本内容抽取框架,所述第一类文本内容抽取框架由第一类文本内容抽取节点与对应的第一类抽取表达式组成,所述第二类文本内容抽取框架由第二类文本内容抽取节点与对应的第二类抽取表达式组成。
可选地,将所述第一类输出结果按照预设方式处理包括:
获取与所述第一类输出结果对应的抽取节点名称;
删除所述抽取节点名称的固定前缀信息以生成对应项目,所述项目用于存储所述输出结果。
可选地,将所述第二类输出结果按照预设方式处理包括:
获取与所述第二类输出结果对应的抽取节点名称;
根据所述抽取节点名称生成对应项目,所述项目用于存储所述输出结果。
可选地,所述将所述第一类输出结果按照预设方式处理还包括:
对所述第一类输出结果进行去重。
可选地,将所述第二类输出结果按照预设方式处理还包括:
判断所述第二类输出结果是否含有预设后缀信息;
若存在,则对所述第二类输出结果进行取长;
若不存在,则对所述第二类输出结果进行去重。
可以理解的是,在本申请的各种实施例中,上述各步骤的序号的大小并不意味着执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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(可以是个人计算机,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、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种判决书内容提取方法,其特征在于,包括:
获取判决书内容;
获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据;
将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果;
将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。
2.根据权利要求1所述的方法,其特征在于,在将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果之前,所述方法还包括:
构建信息抽取模型,所述信息抽取模型内包含第一类文本内容抽取框架以及第二类文本内容抽取框架,所述第一类文本内容抽取框架由第一类文本内容抽取节点与对应的第一类抽取表达式组成,所述第二类文本内容抽取框架由第二类文本内容抽取节点与对应的第二类抽取表达式组成。
3.根据权利要求1所述的方法,其特征在于,将所述第一类输出结果按照预设方式处理包括:
获取与所述第一类输出结果对应的抽取节点名称;
删除所述抽取节点名称的固定前缀信息以生成对应项目,所述项目用于存储所述输出结果。
4.根据权利要求1所述的方法,其特征在于,将所述第二类输出结果按照预设方式处理包括:
获取与所述第二类输出结果对应的抽取节点名称;
根据所述抽取节点名称生成对应项目,所述项目用于存储所述输出结果。
5.根据权利要求3所述的方法,其特征在于,所述将所述第一类输出结果按照预设方式处理还包括:
对所述第一类输出结果进行去重。
6.根据权利要求4所述的方法,其特征在于,将所述第二类输出结果按照预设方式处理还包括:
判断所述第二类输出结果是否含有预设后缀信息;
若存在,则对所述第二类输出结果进行取长;
若不存在,则对所述第二类输出结果进行去重。
7.一种判决书内容提取***,其特征在于,包括:
获取单元,用于获取判决书内容;
处理单元,用于获取所述判决书内容中的目标内容文本,所述目标内容文本内包含第一类结构数据以及第二类结构数据,所述第一类结构数据为取值类数据,第二类结构数据为信息类数据;
所述处理单元,还用于将所述目标内容文本输入经过预训练的信息抽取模型并接收所述信息抽取模型的输出结果,所述信息抽取模型用于使用抽取节点对所述目标内容文本进行信息抽取,所述输出结果中包含根据第一类结构数据生成的第一类输出结果以及根据第二类结构数据生成的第二类输出结果;
所述处理单元,还用于将所述第一类输出结果以及所述第二类输出结果按照预设方式处理并输出。
8.根据权利要求7所述的***,其特征在于,所述***还包括:
构建单元,用于构建信息抽取模型,所述信息抽取模型内包含第一类文本内容抽取框架以及第二类文本内容抽取框架,所述第一类文本内容抽取框架由第一类文本内容抽取节点与对应的第一类抽取表达式组成,所述第二类文本内容抽取框架由第二类文本内容抽取节点与对应的第二类抽取表达式组成。
9.一种计算机装置,其特征在于,包括:
处理器、存储器、输入输出设备以及总线;
所述处理器、存储器、输入输出设备分别与所述总线相连;
所述处理器用于执行如权利要求1至6任一项所述的方法。
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如权利要求1至6中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010612031.8A CN111783472A (zh) | 2020-06-30 | 2020-06-30 | 一种判决书内容提取方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010612031.8A CN111783472A (zh) | 2020-06-30 | 2020-06-30 | 一种判决书内容提取方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111783472A true CN111783472A (zh) | 2020-10-16 |
Family
ID=72760432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010612031.8A Pending CN111783472A (zh) | 2020-06-30 | 2020-06-30 | 一种判决书内容提取方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783472A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257428A (zh) * | 2020-10-22 | 2021-01-22 | 鼎富智能科技有限公司 | 一种处罚决定书分析方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107608948A (zh) * | 2017-10-16 | 2018-01-19 | 北京神州泰岳软件股份有限公司 | 一种文本信息抽取模型的构建方法及装置 |
WO2018224028A1 (zh) * | 2017-06-09 | 2018-12-13 | 北京国双科技有限公司 | 获取裁判文书焦点的方法和装置 |
CN109241528A (zh) * | 2018-08-24 | 2019-01-18 | 讯飞智元信息科技有限公司 | 一种量刑结果预测方法、装置、设备及存储介质 |
CN109344187A (zh) * | 2018-08-28 | 2019-02-15 | 合肥工业大学 | 一种司法判决书案情信息结构化处理*** |
CN110163257A (zh) * | 2019-04-23 | 2019-08-23 | 百度在线网络技术(北京)有限公司 | 抽取结构化信息的方法、装置、设备和计算机存储介质 |
CN110209721A (zh) * | 2019-06-04 | 2019-09-06 | 南方科技大学 | 判决文书调取方法、装置、服务器及存储介质 |
-
2020
- 2020-06-30 CN CN202010612031.8A patent/CN111783472A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018224028A1 (zh) * | 2017-06-09 | 2018-12-13 | 北京国双科技有限公司 | 获取裁判文书焦点的方法和装置 |
CN107608948A (zh) * | 2017-10-16 | 2018-01-19 | 北京神州泰岳软件股份有限公司 | 一种文本信息抽取模型的构建方法及装置 |
CN109241528A (zh) * | 2018-08-24 | 2019-01-18 | 讯飞智元信息科技有限公司 | 一种量刑结果预测方法、装置、设备及存储介质 |
CN109344187A (zh) * | 2018-08-28 | 2019-02-15 | 合肥工业大学 | 一种司法判决书案情信息结构化处理*** |
CN110163257A (zh) * | 2019-04-23 | 2019-08-23 | 百度在线网络技术(北京)有限公司 | 抽取结构化信息的方法、装置、设备和计算机存储介质 |
CN110209721A (zh) * | 2019-06-04 | 2019-09-06 | 南方科技大学 | 判决文书调取方法、装置、服务器及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257428A (zh) * | 2020-10-22 | 2021-01-22 | 鼎富智能科技有限公司 | 一种处罚决定书分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104715064B (zh) | 一种实现在网页上标注关键词的方法和服务器 | |
CN109684290B (zh) | 日志存储方法、装置、设备及计算机可读存储介质 | |
CN110795568A (zh) | 基于用户信息知识图谱的风险评估方法、装置和电子设备 | |
DE112018002047T5 (de) | Dokumentenanalyse mit mehreren faktoren | |
US11354345B2 (en) | Clustering topics for data visualization | |
CN110795697A (zh) | 逻辑表达式的获取方法、装置、存储介质以及电子装置 | |
CN112883198A (zh) | 一种知识图谱构建方法、装置、存储介质以及计算机设备 | |
CN112528067A (zh) | 图数据库的存储方法、读取方法、装置及设备 | |
CN112783825B (zh) | 数据归档方法、装置、计算机装置及存储介质 | |
CN112199951A (zh) | 一种事件信息生成的方法及装置 | |
CN110968664A (zh) | 一种文书检索方法、装置、设备及介质 | |
US20200073889A1 (en) | Database creation apparatus and search system | |
CN111783472A (zh) | 一种判决书内容提取方法及相关装置 | |
EP3062245B1 (en) | Dynamic modular ontology | |
CN111858581B (zh) | 一种分页查询的方法、装置、存储介质和电子设备 | |
CN112765183B (zh) | 多源数据融合方法、装置、存储介质及电子设备 | |
CN113553425A (zh) | 基于rpa和ai的数据汇聚方法、装置、设备及存储介质 | |
CN113704365A (zh) | 智能划分数据主题的方法、***、设备及存储介质 | |
CN115687704A (zh) | 信息显示方法、装置、电子设备及计算机可读存储介质 | |
CN112632178A (zh) | 可视化治理数据的方法及*** | |
CN117891531B (zh) | 用于saas软件的***参数配置方法、***、介质及电子设备 | |
CN113392124B (zh) | 一种基于结构化语言的数据查询方法及装置 | |
CN113836168B (zh) | 一种基于区块链的大数据处理***和方法 | |
CN115495769B (zh) | 一种数据脱敏方法、***、可读存储介质及设备 | |
CN111124548B (zh) | 一种基于yaml文件的规则解析方法及*** |
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 |