JP2022519963A - ナレッジグラフに基づく事件検索方法、装置、機器及び記憶媒体 - Google Patents
ナレッジグラフに基づく事件検索方法、装置、機器及び記憶媒体 Download PDFInfo
- Publication number
- JP2022519963A JP2022519963A JP2021512261A JP2021512261A JP2022519963A JP 2022519963 A JP2022519963 A JP 2022519963A JP 2021512261 A JP2021512261 A JP 2021512261A JP 2021512261 A JP2021512261 A JP 2021512261A JP 2022519963 A JP2022519963 A JP 2022519963A
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- information
- knowledge graph
- data
- case
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 195
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000005295 random walk Methods 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 27
- 230000005540 biological transmission Effects 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 9
- 238000003058 natural language processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000007499 fusion processing Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000013507 mapping Methods 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築するステップと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得するステップと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築するステップと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得するステップと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得するステップと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップと、を含むナレッジグラフに基づく事件検索方法を提供する。
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築する第1の構築ユニットと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するサンプリングユニットと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得する第1の取得ユニットと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築する第2の構築ユニットと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得する第2の取得ユニットと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得する算出ユニットと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力する順序付けユニットと、を含む。
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築するステップと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得するステップと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築するステップと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得するステップと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得するステップと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップと、を含むナレッジグラフに基づく事件検索機器を提供する。
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築するステップと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得するステップと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築するステップと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得するステップと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得するステップと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップと、を含むナレッジグラフに基づく事件検索方法をコンピュータに実行させる命令を含むコンピュータ読み取り可能な記憶媒体を提供する。
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、法律事件ナレッジグラフを分析してノード集合データを構築する第1の構築ユニット601と、
ノード集合データの各ノードを出発点として、ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するサンプリングユニット602と、
複数のシーケンスデータに基づいて単語変換ベクトルアルゴリズムによりモデルを訓練して、更新されたターゲットモデルを取得する第1の取得ユニット603と、
ターゲットテキスト情報を取得し、ターゲットモデルによりターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築する第2の構築ユニット604と、
法律事件ナレッジグラフで検索して、検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得する第2の取得ユニット605と、
第1の単語埋め込みベクトルデータ及び第2の単語埋め込みベクトルデータに基づいて、事件情報の内容記述上の類似度を示す第1の類似度及び事件情報の論理的関係上の類似度を示す第2の類似度を算出し、事件情報の第1の類似度及び第2の類似度を加算して、ターゲット類似度を取得する算出ユニット606と、
ターゲット類似度の値が高い順に事件情報を順序付けし、順序付けされた事件情報を出力する順序付けユニット607と、を含む。
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、法律事件ナレッジグラフを分析してノード集合データを構築する第1の構築ユニット601と、
ノード集合データの各ノードを出発点として、ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するサンプリングユニット602と、
複数のシーケンスデータに基づいて単語変換ベクトルアルゴリズムによりモデルを訓練して、更新されたターゲットモデルを取得する第1の取得ユニット603と、
ターゲットテキスト情報を取得し、ターゲットモデルによりターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築する第2の構築ユニット604と、
法律事件ナレッジグラフで検索して、検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得する第2の取得ユニット605と、
第1の単語埋め込みベクトルデータ及び第2の単語埋め込みベクトルデータに基づいて、事件情報とターゲットテキスト情報との間の事実要素類似度、争点類似度、証拠類似度、争点関連類似度、証拠関連類似度及び事実要素関連類似度を算出する第1の算出ユニット606と、
第1の予め設定された重み比率に基づいて、事実要素類似度、争点類似度及び証拠類似度の重み付け平均値を算出して、事件情報の第1の類似度を取得し、かつ第2の予め設定された重み比率に基づいて、争点関連類似度、証拠関連類似度及び事実要素関連類似度の重み付け平均値を算出して、事件情報の第2の類似度を取得する第2の算出ユニット607と、
類似度が第1の予め設定された閾値より大きい第1の類似度を認識し取得し、かつ類似度が第2の予め設定された閾値より大きい第2の類似度を認識し取得する第3の取得ユニット608と、
第3の予め設定された重み比率に応じて、取得された第1の類似度の重み付け平均値を算出して、ターゲットの第1の類似度を取得し、かつ第4の予め設定された重み比率に応じて、取得された第2の類似度の重み付け平均値を算出して、ターゲットの第2の類似度を取得する第3の算出ユニット609と、
ターゲットの第1の類似度とターゲットの第2の類似度とを加算して、ターゲット類似度を取得する第4の算出ユニット610と、
ターゲット類似度の値が高い順に事件情報を順序付けし、順序付けされた事件情報を出力する順序付けユニット611と、を含む。
Claims (20)
- 予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築するステップと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得するステップと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築するステップと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得するステップと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得するステップと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップと、を含む、ナレッジグラフに基づく事件検索方法。 - 前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップは、
前記ノード集合データの各ノードを出発点として、前記出発点の次のノードの重み値を取得するステップと、
前記重み値を分析してランダムウォークステップ数を設定し、前記出発点が所在する分岐のノード数を分析してウォーク閾値ステップ数を設定するステップと、
前記ランダムウォークステップ数が前記ウォーク閾値ステップ数より小さいと判断された場合、前記ランダムウォークステップ数に従って、前記出発点の次のノードに結合されたノードに沿ってウォークし、ランダムウォークシーケンスデータを生成して、複数のシーケンスデータを取得するステップと、
前記ランダムウォークステップ数が前記ウォーク閾値ステップ数以上であると判断された場合、前記ウォーク閾値ステップ数に従って、前記出発点の次のノードに結合されたノードに沿ってウォークし、ランダムウォークシーケンスデータを生成して、複数のシーケンスデータを取得するステップと、を含む、請求項1に記載のナレッジグラフに基づく事件検索方法。 - 複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練するステップは、
全結合層、複数の結合層、及び正規化Softmax分類器を含む前記モデルにより、複数の前記シーケンスデータに基づいてハフマンツリーを作成するステップと、
全結合層により前記ハフマンツリー中の各単語を分析して、複数の予め設定された長さのワンホットone-hotベクトルを取得するステップと、
複数の前記結合層により、複数の前記予め設定された長さのone-hotベクトルに対して勾配反復処理を行って、列ベクトルデータを取得するステップと、
前記Softmax分類器により前記列ベクトルデータを処理して、単語埋め込みベクトルデータを取得するステップと、を含む、請求項2に記載のナレッジグラフに基づく事件検索方法。 - 複数の前記結合層により、複数の前記予め設定された長さのone-hotベクトルに対して勾配反復処理を行って、列ベクトルデータを取得した後、前記Softmax分類器により前記列ベクトルデータを処理する前に、前記方法は、
前記列ベクトルデータを規則的なフレームシーケンス情報に符号化し、前記規則的なフレームシーケンス情報に対して、タイミング時間長が前記規則的なフレームシーケンス情報の送信往復時間より長いタイマーを含むタイマーを設定するステップと、
自動再送要求ARQプロトコルと、前記列ベクトルデータの送信ルールを含むスライディングウィンドウプロトコルとを設定し、ウィンドウサイズが最大送信フレーム数であるスライドウィンドウを含む、前記Softmax分類器の結合層に結合された送信スライディングウィンドウを設定し、前記Softmax分類器の受信スライディングウィンドウを設定するステップと、
前記ARQプロトコル、前記スライディングウィンドウプロトコル、前記送信スライディングウィンドウ及び前記受信スライディングウィンドウにより、前記規則的なフレームシーケンス情報を前記Softmax分類器に伝送し、かつ前記Softmax分類器により、結合された結合層に情報フィードバックを行うステップと、をさらに含む、請求項3に記載のナレッジグラフに基づく事件検索方法。 - 前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の第1の類似度及び第2の類似度を算出するステップは、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報と前記ターゲットテキスト情報との間の事実要素類似度、争点類似度、証拠類似度、争点関連類似度、証拠関連類似度及び事実要素関連類似度を算出するステップと、
第1の予め設定された重み比率に基づいて、前記事実要素類似度、前記争点類似度及び前記証拠類似度の重み付け平均値を算出して、前記事件情報の第1の類似度を取得し、かつ第2の予め設定された重み比率に基づいて、前記争点関連類似度、前記証拠関連類似度及び前記事実要素関連類似度の重み付け平均値を算出して、前記事件情報の第2の類似度を取得するステップと、を含む、請求項1に記載のナレッジグラフに基づく事件検索方法。 - 前記第1の類似度と前記第2の類似度とを加算して、ターゲット類似度を取得するステップは、
類似度が第1の予め設定された閾値より大きい第1の類似度を認識し取得し、かつ類似度が第2の予め設定された閾値より大きい第2の類似度を認識し取得するステップと、
第3の予め設定された重み比率に応じて、取得された第1の類似度の重み付け平均値を算出して、ターゲットの第1の類似度を取得し、かつ第4の予め設定された重み比率に応じて、取得された第2の類似度の重み付け平均値を算出して、ターゲットの第2の類似度を取得するステップと、
前記ターゲットの第1の類似度と前記ターゲットの第2の類似度とを加算して、ターゲット類似度を取得するステップと、を含む、請求項5に記載のナレッジグラフに基づく事件検索方法。 - 前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップは、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けするステップと、
順序付け範囲と類似度範囲のいずれか一つを少なくとも含む、ユーザが入力した事件出力条件を受信し、前記事件出力条件に基づいて対象事件情報を決定するステップと、
前記対象事件情報を統計分析し、可視化グラフとテキスト情報を生成して出力するステップと、を含む、請求項1~6のいずれか一項に記載のナレッジグラフに基づく事件検索方法。 - 予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築する第1の構築ユニットと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するサンプリングユニットと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得する第1の取得ユニットと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築する第2の構築ユニットと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得する第2の取得ユニットと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得する算出ユニットと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力する順序付けユニットと、を含む、ナレッジグラフに基づく事件検索装置。 - メモリと、プロセッサと、前記メモリに記憶されて前記プロセッサ上で実行可能で、前記プロセッサによって実行されると、ナレッジグラフに基づく事件検索方法を実現するコンピュータプログラムと、を含むナレッジグラフに基づく事件検索機器であって、
前記方法は、
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築するステップと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得するステップと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築するステップと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得するステップと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得するステップと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップと、を含む、ナレッジグラフに基づく事件検索機器。 - 前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップは、
前記ノード集合データの各ノードを出発点として、前記出発点の次のノードの重み値を取得するステップと、
前記重み値を分析してランダムウォークステップ数を設定し、前記出発点が所在する分岐のノード数を分析してウォーク閾値ステップ数を設定するステップと、
前記ランダムウォークステップ数が前記ウォーク閾値ステップ数より小さいと判断された場合、前記ランダムウォークステップ数に従って、前記出発点の次のノードに結合されたノードに沿ってウォークし、ランダムウォークシーケンスデータを生成して、複数のシーケンスデータを取得するステップと、
前記ランダムウォークステップ数が前記ウォーク閾値ステップ数以上であると判断された場合、前記ウォーク閾値ステップ数に従って、前記出発点の次のノードに結合されたノードに沿ってウォークし、ランダムウォークシーケンスデータを生成して、複数のシーケンスデータを取得するステップと、を含む、請求項9に記載のナレッジグラフに基づく事件検索機器。 - 複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練するステップは、
全結合層、複数の結合層、及び正規化Softmax分類器を含む前記モデルにより、複数の前記シーケンスデータに基づいてハフマンツリーを作成するステップと、
全結合層により前記ハフマンツリー中の各単語を分析して、複数の予め設定された長さのワンホットone-hotベクトルを取得するステップと、
複数の前記結合層により、複数の前記予め設定された長さのone-hotベクトルに対して勾配反復処理を行って、列ベクトルデータを取得するステップと、
前記Softmax分類器により前記列ベクトルデータを処理して、単語埋め込みベクトルデータを取得するステップと、を含む、請求項10に記載のナレッジグラフに基づく事件検索機器。 - 複数の前記結合層により、複数の前記予め設定された長さのone-hotベクトルに対して勾配反復処理を行って、列ベクトルデータを取得した後、前記Softmax分類器により前記列ベクトルデータを処理する前に、前記方法は、
前記列ベクトルデータを規則的なフレームシーケンス情報に符号化し、前記規則的なフレームシーケンス情報に対して、タイミング時間長が前記規則的なフレームシーケンス情報の送信往復時間より長いタイマーを含むタイマーを設定するステップと、
自動再送要求ARQプロトコルと、前記列ベクトルデータの送信ルールを含むスライディングウィンドウプロトコルとを設定し、ウィンドウサイズが最大送信フレーム数であるスライドウィンドウを含む、前記Softmax分類器の結合層に結合された送信スライディングウィンドウを設定し、前記Softmax分類器の受信スライディングウィンドウを設定するステップと、
前記ARQプロトコル、前記スライディングウィンドウプロトコル、前記送信スライディングウィンドウ及び前記受信スライディングウィンドウにより、前記規則的なフレームシーケンス情報を前記Softmax分類器に伝送し、かつ前記Softmax分類器により、結合された結合層に情報フィードバックを行うステップと、をさらに含む、請求項11に記載のナレッジグラフに基づく事件検索機器。 - 前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の第1の類似度及び第2の類似度を算出するステップは、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報と前記ターゲットテキスト情報との間の事実要素類似度、争点類似度、証拠類似度、争点関連類似度、証拠関連類似度及び事実要素関連類似度を算出するステップと、
第1の予め設定された重み比率に基づいて、前記事実要素類似度、前記争点類似度及び前記証拠類似度の重み付け平均値を算出して、前記事件情報の第1の類似度を取得し、かつ第2の予め設定された重み比率に基づいて、前記争点関連類似度、前記証拠関連類似度及び前記事実要素関連類似度の重み付け平均値を算出して、前記事件情報の第2の類似度を取得するステップと、を含む、請求項9に記載のナレッジグラフに基づく事件検索機器。 - 前記第1の類似度と前記第2の類似度とを加算して、ターゲット類似度を取得するステップは、
類似度が第1の予め設定された閾値より大きい第1の類似度を認識し取得し、かつ類似度が第2の予め設定された閾値より大きい第2の類似度を認識し取得するステップと、
第3の予め設定された重み比率に応じて、取得された第1の類似度の重み付け平均値を算出して、ターゲットの第1の類似度を取得し、かつ第4の予め設定された重み比率に応じて、取得された第2の類似度の重み付け平均値を算出して、ターゲットの第2の類似度を取得するステップと、
前記ターゲットの第1の類似度と前記ターゲットの第2の類似度とを加算して、ターゲット類似度を取得するステップと、を含む、請求項13に記載のナレッジグラフに基づく事件検索機器。 - 前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップは、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けするステップと、
順序付け範囲と類似度範囲のいずれかを少なくとも含む、ユーザが入力した事件出力条件を受信し、前記事件出力条件に基づいて対象事件情報を決定するステップと、
前記対象事件情報を統計分析し、可視化グラフとテキスト情報を生成して出力するステップと、を含む、請求項9~14のいずれか一項に記載のナレッジグラフに基づく事件検索機器。 - コンピュータ上で実行されると、ナレッジグラフに基づく事件検索方法をコンピュータに実行させる命令を含むコンピュータ読み取り可能な記憶媒体であって、
前記方法は、
予め設定されたモデルにより、履歴及び/又はリアルタイムな原告の訴訟上の請求情報、被告の主張情報、原告が提供した証拠情報、被告が提供した証拠情報及び履歴法律事件情報を含むテキスト情報を分析して法律事件ナレッジグラフを構築し、前記法律事件ナレッジグラフを分析してノード集合データを構築するステップと、
前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップと、
複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練して、更新されたターゲットモデルを取得するステップと、
ターゲットテキスト情報を取得し、前記ターゲットモデルにより前記ターゲットテキスト情報を分析し、検索すべきナレッジグラフを構築するステップと、
前記法律事件ナレッジグラフで検索して、前記検索すべきナレッジグラフに関連した事件情報及び第1の単語埋め込みベクトルデータを取得し、前記検索すべきナレッジグラフの第2の単語埋め込みベクトルデータを取得するステップと、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の内容記述上の類似度を示す第1の類似度及び前記事件情報の論理的関係上の類似度を示す第2の類似度を算出し、前記事件情報の前記第1の類似度及び前記第2の類似度を加算して、ターゲット類似度を取得するステップと、
前記ターゲット類似度の値が高い順に前記事件情報を順序付けし、順序付けされた事件情報を出力するステップと、を含む、コンピュータ読み取り可能な記憶媒体。 - 前記ノード集合データの各ノードを出発点として、前記ノード集合データをランダムウォークサンプリングして、複数のシーケンスデータを取得するステップは、
前記ノード集合データの各ノードを出発点として、前記出発点の次のノードの重み値を取得するステップと、
前記重み値を分析してランダムウォークステップ数を設定し、前記出発点が所在する分岐のノード数を分析してウォーク閾値ステップ数を設定するステップと、
前記ランダムウォークステップ数が前記ウォーク閾値ステップ数より小さいと判断された場合、前記ランダムウォークステップ数に従って、前記出発点の次のノードに結合されたノードに沿ってウォークし、ランダムウォークシーケンスデータを生成して、複数のシーケンスデータを取得するステップと、
前記ランダムウォークステップ数が前記ウォーク閾値ステップ数以上であると判断された場合、前記ウォーク閾値ステップ数に従って、前記出発点の次のノードに結合されたノードに沿ってウォークし、ランダムウォークシーケンスデータを生成して、複数のシーケンスデータを取得するステップと、を含む、請求項16に記載のコンピュータ読み取り可能な記憶媒体。 - 複数の前記シーケンスデータに基づいて単語変換ベクトルアルゴリズムにより前記モデルを訓練するステップは、
全結合層、複数の結合層、及び正規化Softmax分類器を含む前記モデルにより、複数の前記シーケンスデータに基づいてハフマンツリーを作成するステップと、
全結合層により前記ハフマンツリー中の各単語を分析して、複数の予め設定された長さのワンホットone-hotベクトルを取得するステップと、
複数の前記結合層により、複数の前記予め設定された長さのone-hotベクトルに対して勾配反復処理を行って、列ベクトルデータを取得するステップと、
前記Softmax分類器により前記列ベクトルデータを処理して、単語埋め込みベクトルデータを取得するステップと、を含む、請求項17に記載のコンピュータ読み取り可能な記憶媒体。 - 複数の前記結合層により、複数の前記予め設定された長さのone-hotベクトルに対して勾配反復処理を行って、列ベクトルデータを取得した後、前記Softmax分類器により前記列ベクトルデータを処理する前に、前記方法は、
前記列ベクトルデータを規則的なフレームシーケンス情報に符号化し、前記規則的なフレームシーケンス情報に対して、タイミング時間長が前記規則的なフレームシーケンス情報の送信往復時間より長いタイマーを含むタイマーを設定するステップと、
自動再送要求ARQプロトコルと、前記列ベクトルデータの送信ルールを含むスライディングウィンドウプロトコルとを設定し、ウィンドウサイズが最大送信フレーム数であるスライドウィンドウを含む、前記Softmax分類器の結合層に結合された送信スライディングウィンドウを設定し、前記Softmax分類器の受信スライディングウィンドウを設定するステップと、
前記ARQプロトコル、前記スライディングウィンドウプロトコル、前記送信スライディングウィンドウ及び前記受信スライディングウィンドウにより、前記規則的なフレームシーケンス情報を前記Softmax分類器に伝送し、かつ前記Softmax分類器により、結合された結合層に情報フィードバックを行うステップと、をさらに含む、請求項18に記載のコンピュータ読み取り可能な記憶媒体。 - 前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報の第1の類似度及び第2の類似度を算出するステップは、
前記第1の単語埋め込みベクトルデータ及び前記第2の単語埋め込みベクトルデータに基づいて、前記事件情報と前記ターゲットテキスト情報との間の事実要素類似度、争点類似度、証拠類似度、争点関連類似度、証拠関連類似度及び事実要素関連類似度を算出するステップと、
第1の予め設定された重み比率に基づいて、前記事実要素類似度、前記争点類似度及び前記証拠類似度の重み付け平均値を算出して、前記事件情報の第1の類似度を取得し、かつ第2の予め設定された重み比率に基づいて、前記争点関連類似度、前記証拠関連類似度及び前記事実要素関連類似度の重み付け平均値を算出して、前記事件情報の第2の類似度を取得するステップと、を含む、請求項16に記載のコンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010017590.4A CN111241241B (zh) | 2020-01-08 | 2020-01-08 | 基于知识图谱的案件检索方法、装置、设备及存储介质 |
CN202010017590.4 | 2020-01-08 | ||
PCT/CN2020/093421 WO2021139074A1 (zh) | 2020-01-08 | 2020-05-29 | 基于知识图谱的案件检索方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022519963A true JP2022519963A (ja) | 2022-03-28 |
JP7141180B2 JP7141180B2 (ja) | 2022-09-22 |
Family
ID=70866117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021512261A Active JP7141180B2 (ja) | 2020-01-08 | 2020-05-29 | ナレッジグラフに基づく事件検索方法、装置、機器及び記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US12001466B2 (ja) |
JP (1) | JP7141180B2 (ja) |
CN (1) | CN111241241B (ja) |
SG (1) | SG11202100444SA (ja) |
WO (1) | WO2021139074A1 (ja) |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11568049B2 (en) * | 2019-09-27 | 2023-01-31 | Mcafee, Llc | Methods and apparatus to defend against adversarial machine learning |
CN111753025B (zh) * | 2020-06-24 | 2024-06-14 | 南方科技大学 | 案件信息的自动获取方法、装置、设备和存储介质 |
CN111859969B (zh) * | 2020-07-20 | 2024-05-03 | 航天科工智慧产业发展有限公司 | 数据分析方法及装置、电子设备、存储介质 |
WO2022028692A1 (en) * | 2020-08-05 | 2022-02-10 | Siemens Aktiengesellschaft | Enhancement of bootstrapping for information extraction |
CN111859094A (zh) * | 2020-08-10 | 2020-10-30 | 广州驰兴通用技术研究有限公司 | 一种基于云计算的信息分析方法*** |
CN112015911B (zh) * | 2020-08-24 | 2021-07-20 | 上海松鼠课堂人工智能科技有限公司 | 一种海量知识图谱检索的方法 |
CN112035512B (zh) * | 2020-09-02 | 2023-08-18 | 中国银行股份有限公司 | 知识库的检索方法、装置、电子设备及计算机存储介质 |
EP3964978A1 (en) * | 2020-09-02 | 2022-03-09 | Tata Consultancy Services Limited | Method and system for retrieval of prior court cases using witness testimonies |
CN111932413B (zh) * | 2020-09-14 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 案件要素提取方法、装置、设备及介质 |
CN112148702B (zh) * | 2020-09-23 | 2024-06-21 | 平安直通咨询有限公司上海分公司 | 一种文件检索的方法及设备 |
US20220100800A1 (en) * | 2020-09-29 | 2022-03-31 | International Business Machines Corporation | Automatic knowledge graph construction |
CN112463893A (zh) * | 2020-11-13 | 2021-03-09 | 中科金审(北京)科技有限公司 | 一种网络资金的智能分析***及方法 |
CN112364181B (zh) * | 2020-11-27 | 2024-05-28 | 深圳市慧择时代科技有限公司 | 一种保险产品匹配度确定方法及装置 |
CN112463989A (zh) * | 2020-12-11 | 2021-03-09 | 交控科技股份有限公司 | 一种基于知识图谱的信息获取方法及*** |
CN112579813A (zh) * | 2020-12-24 | 2021-03-30 | 上海湃星信息科技有限公司 | 一种基于知识图谱的遥感图像检索方法及其装置 |
CN112604297A (zh) * | 2020-12-29 | 2021-04-06 | 网易(杭州)网络有限公司 | 游戏外挂的检测方法、装置、服务器及存储介质 |
CN112632224B (zh) * | 2020-12-29 | 2023-01-24 | 天津汇智星源信息技术有限公司 | 基于案例知识图谱的案件推荐方法、装置和电子设备 |
CN112883196B (zh) * | 2021-02-01 | 2022-08-16 | 上海交通大学 | 基于知识图谱的案件分配方法、***、介质及电子设备 |
CN112925899B (zh) * | 2021-02-09 | 2023-06-23 | 重庆中科云从科技有限公司 | 排序模型建立方法、案件线索推荐方法、装置及介质 |
CN112860914B (zh) * | 2021-03-02 | 2022-03-11 | 中国电子信息产业集团有限公司第六研究所 | 一种多元标识的网络数据分析***及方法 |
CN113283468A (zh) * | 2021-04-14 | 2021-08-20 | 中国海洋大学 | 基于三维形状知识图谱的三维模型检索方法及装置 |
CN113420118A (zh) * | 2021-06-24 | 2021-09-21 | 联仁健康医疗大数据科技股份有限公司 | 数据相关性的分析方法、装置、电子终端及存储介质 |
CN113297854A (zh) * | 2021-07-27 | 2021-08-24 | 平安科技(深圳)有限公司 | 文本到知识图谱实体的映射方法、装置、设备及存储介质 |
CN113742580B (zh) * | 2021-08-20 | 2024-06-28 | 杭州网易云音乐科技有限公司 | 目标类型数据的召回方法、装置、电子设备及存储介质 |
CN113742494B (zh) * | 2021-09-06 | 2024-03-15 | 湘潭大学 | 一种基于标签图转化的领域文本相似度计算方法及*** |
CN113836313B (zh) * | 2021-09-13 | 2022-11-25 | 北京信息科技大学 | 一种基于图谱的审计信息识别方法与*** |
CN113570391B (zh) * | 2021-09-24 | 2022-02-01 | 平安科技(深圳)有限公司 | 基于人工智能的社群划分方法、装置、设备及存储介质 |
CN114048736A (zh) * | 2021-10-21 | 2022-02-15 | 盐城金堤科技有限公司 | 执行主体的提取方法、装置、存储介质和电子设备 |
CN114547257B (zh) * | 2022-04-25 | 2022-07-19 | 湖南工商大学 | 类案匹配方法、装置、计算机设备及存储介质 |
US11681779B1 (en) * | 2022-04-29 | 2023-06-20 | Franklin Technology Inc. | Notification service server capable of providing access notification service to harmful sites and operating method thereof |
CN115034184B (zh) * | 2022-05-31 | 2023-11-24 | 南京数睿数据科技有限公司 | 图表介绍文本生成方法、装置、设备和计算机可读介质 |
CN115048521B (zh) * | 2022-06-23 | 2024-07-23 | 重庆邮电大学 | 一种基于半监督的图神经网络的案件争议焦点识别方法及装置 |
CN114861331B (zh) * | 2022-07-05 | 2022-09-23 | 领伟创新智能***(浙江)有限公司 | 一种基于船舶装焊微特征的自匹配工艺设计方法 |
CN114969384B (zh) * | 2022-08-02 | 2022-10-21 | 联通(四川)产业互联网有限公司 | 高价值司法证据链获取存储方法、装置及可读储存介质 |
CN115374190B (zh) * | 2022-10-25 | 2023-03-24 | 支付宝(杭州)信息技术有限公司 | 一种类案检索的方法、装置、存储介质及电子设备 |
CN116010587A (zh) * | 2023-03-23 | 2023-04-25 | 中国人民解放军63921部队 | 航天测发保障性条件知识推送方法、装置、介质及设备 |
CN116136866B (zh) * | 2023-04-19 | 2023-06-27 | 中国人民解放军国防科技大学 | 基于知识图谱的中文新闻摘要事实性知识校正方法和装置 |
CN116684200B (zh) * | 2023-07-31 | 2023-09-26 | 北京天防安全科技有限公司 | 网络安全漏洞的攻击模式的知识补全方法及*** |
CN117033584B (zh) * | 2023-07-31 | 2024-04-02 | 北京华夏电通科技股份有限公司 | 类案文本确定方法、装置及电子设备 |
CN117149999B (zh) * | 2023-11-01 | 2024-01-23 | 人民法院信息技术服务中心 | 基于法律要素层次网络和文本特征的类案推荐方法及装置 |
CN117235013B (zh) * | 2023-11-10 | 2024-01-30 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的智慧档案管理方法 |
CN117312255B (zh) * | 2023-11-29 | 2024-02-20 | 湖南中斯信息科技有限公司 | 一种电子文档拆分优化管理方法及*** |
CN117851608B (zh) * | 2024-01-06 | 2024-07-05 | 杭州威灿科技有限公司 | 案件图谱生成方法、装置、设备和介质 |
CN117972113B (zh) * | 2024-03-13 | 2024-07-02 | 广东省华南技术转移中心有限公司 | 基于属性知识图谱的专利授权预测评估的方法和*** |
CN118245529A (zh) * | 2024-05-30 | 2024-06-25 | 北京中关村科金技术有限公司 | 基于数字人的用户行为数据分析方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180934A1 (en) * | 2012-12-21 | 2014-06-26 | Lex Machina, Inc. | Systems and Methods for Using Non-Textual Information In Analyzing Patent Matters |
CN108009299A (zh) * | 2017-12-28 | 2018-05-08 | 北京市律典通科技有限公司 | 法律审判业务处理方法和装置 |
CN110033851A (zh) * | 2019-04-02 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、存储介质及服务器 |
CN110059193A (zh) * | 2019-06-21 | 2019-07-26 | 南京擎盾信息科技有限公司 | 基于法律语义件与文书大数据统计分析的法律咨询*** |
CN110209825A (zh) * | 2019-06-17 | 2019-09-06 | 大连海事大学 | 一种基于宽度学习***的快速网络表征学习算法 |
CN110309268A (zh) * | 2019-07-12 | 2019-10-08 | 中电科大数据研究院有限公司 | 一种基于概念图的跨语言信息检索方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201200158D0 (en) * | 2012-01-05 | 2012-02-15 | Rugerro Gramatica Dott | Information network with linked information |
US9286396B2 (en) * | 2013-07-26 | 2016-03-15 | Microsoft Technology Licensing, Llc | Query expansion and query-document matching using path-constrained random walks |
US20150269691A1 (en) * | 2014-03-20 | 2015-09-24 | ModusP, Inc. | Legal reasoning graphs and usage thereof |
US10395325B2 (en) * | 2015-11-11 | 2019-08-27 | International Business Machines Corporation | Legal document search based on legal similarity |
US20180144421A1 (en) * | 2016-11-21 | 2018-05-24 | Velites Consulting Group, LLC | System and Methods for Complaint Evaluation |
US11687823B2 (en) * | 2017-08-01 | 2023-06-27 | International Business Machines Corporation | Automated switching of a strategy for selection of data elements to be labeled based on labeling progress |
US10877979B2 (en) * | 2018-01-16 | 2020-12-29 | Accenture Global Solutions Limited | Determining explanations for predicted links in knowledge graphs |
CN109065173B (zh) * | 2018-07-10 | 2022-04-19 | 北京科技大学 | 知识路径的获取方法 |
CN109063021B (zh) * | 2018-07-12 | 2021-10-15 | 浙江大学 | 一种能够编码关系语义多样性结构的知识图谱分布式表示方法 |
CN109582802B (zh) * | 2018-11-30 | 2020-11-03 | 国信优易数据股份有限公司 | 一种实体嵌入方法、装置、介质及设备 |
-
2020
- 2020-01-08 CN CN202010017590.4A patent/CN111241241B/zh active Active
- 2020-05-29 WO PCT/CN2020/093421 patent/WO2021139074A1/zh active Application Filing
- 2020-05-29 JP JP2021512261A patent/JP7141180B2/ja active Active
- 2020-05-29 US US17/271,209 patent/US12001466B2/en active Active
- 2020-05-29 SG SG11202100444SA patent/SG11202100444SA/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180934A1 (en) * | 2012-12-21 | 2014-06-26 | Lex Machina, Inc. | Systems and Methods for Using Non-Textual Information In Analyzing Patent Matters |
CN108009299A (zh) * | 2017-12-28 | 2018-05-08 | 北京市律典通科技有限公司 | 法律审判业务处理方法和装置 |
CN110033851A (zh) * | 2019-04-02 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、存储介质及服务器 |
CN110209825A (zh) * | 2019-06-17 | 2019-09-06 | 大连海事大学 | 一种基于宽度学习***的快速网络表征学习算法 |
CN110059193A (zh) * | 2019-06-21 | 2019-07-26 | 南京擎盾信息科技有限公司 | 基于法律语义件与文书大数据统计分析的法律咨询*** |
CN110309268A (zh) * | 2019-07-12 | 2019-10-08 | 中电科大数据研究院有限公司 | 一种基于概念图的跨语言信息检索方法 |
Non-Patent Citations (1)
Title |
---|
原田 実: "意味グラフのマッチングによる事故問い合わせ文からの判例検索システムJCare", 自然言語処理, vol. 第9巻 第2号, JPN6022020829, 10 April 2002 (2002-04-10), JP, pages 3 - 22, ISSN: 0004787730 * |
Also Published As
Publication number | Publication date |
---|---|
CN111241241B (zh) | 2024-05-31 |
US20220121695A1 (en) | 2022-04-21 |
US12001466B2 (en) | 2024-06-04 |
JP7141180B2 (ja) | 2022-09-22 |
CN111241241A (zh) | 2020-06-05 |
WO2021139074A1 (zh) | 2021-07-15 |
SG11202100444SA (en) | 2021-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022519963A (ja) | ナレッジグラフに基づく事件検索方法、装置、機器及び記憶媒体 | |
CN112035672B (zh) | 一种知识图谱补全方法、装置、设备以及存储介质 | |
US9792304B1 (en) | Query by image | |
JP5615931B2 (ja) | クラスタ化方法およびシステム | |
CN104199965B (zh) | 一种语义信息检索方法 | |
US9405819B2 (en) | Efficient indexing using compact decision diagrams | |
CN103838833A (zh) | 基于相关词语语义分析的全文检索*** | |
US20060224577A1 (en) | Automated relevance tuning | |
CN102081668B (zh) | 基于领域本体的信息检索优化方法 | |
US11409752B1 (en) | Dimensional reduction of complex vectors in artificially intelligent solutions to compare similarity of natural language text | |
CN110837738A (zh) | 相似问识别方法、装置、计算机设备及存储介质 | |
CN111611452A (zh) | 搜索文本的歧义识别方法、***、设备及存储介质 | |
CN115516447A (zh) | 热点新闻意图识别方法、装置、设备及可读存储介质 | |
CN115269865A (zh) | 一种面向辅助诊断的知识图谱构建方法 | |
CN113806554A (zh) | 面向海量会议文本的知识图谱构建方法 | |
CN102915381A (zh) | 基于多维语义的可视化网络检索呈现***及呈现控制方法 | |
CN115455228A (zh) | 一种多模态数据互检方法、装置、设备及可读存储介质 | |
Wang et al. | File fragment type identification with convolutional neural networks | |
CN117312513B (zh) | 文档搜索模型训练方法、文档搜索方法及相关装置 | |
CN111832303A (zh) | 一种命名实体识别方法和装置 | |
Chen et al. | Scaling up Markov logic probabilistic inference for social graphs | |
KR100975510B1 (ko) | 웹 페이지 색인 업데이트 방법 및 시스템 | |
CN116304213A (zh) | 基于图神经网络的rdf图数据库子图匹配查询优化方法 | |
CN113297854A (zh) | 文本到知识图谱实体的映射方法、装置、设备及存储介质 | |
CN112949304A (zh) | 一种施工案例知识重用查询方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210302 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220729 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220906 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7141180 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |