[发明专利]一种基于强化学习的法律认知方法、装置和介质

权利要求书

1.一种基于强化学习的法律认知方法，其特征在于，包括如下步骤：

步骤1：调用法律知识图谱，对语义概念聚合后的数据进行统一计算，获得法律概念；

步骤2：结合统计概率，对所述法律概念进行置信度评价，获得法律认知结果；

步骤3：构建所述法律认知结果的评估网络；所述评估网络通过用户对法律认知结果进行评判，如果认可，则给法律认知结果所包括的实体或者关系为正面激励，如果不认可，则给所述实体或者关系为负面激励；或者，

将法律认知结果反馈给法律规则装置，由所述法律规则装置自动验证，如果验证正常通过，则给所述实体或者关系为正面激励，如果错误或者不通过，则给所述实体或者关系为负面激励；

步骤4：通过所述评估网络，反馈并强化所述法律知识图谱；所述评估网络获取由用户或法律规则装置给出的评估结果，并将其反馈给所述法律知识图谱，由所述法律知识图谱进行验证，如果通过，则所述置信度评价包括的评价规则权重增加，如果不通过，则所述置信度评价包括的评价规则权重减少。

2.如权利要求1所述的基于强化学习的法律认知方法，进一步包括，重复步骤4，当反馈结果满足所述法律知识图谱的要求时停止重复步骤4。

3.如权利要求2所述的基于强化学习的法律认知方法，所述要求为当权重变化量小于指定值时，停止步骤4。

4.如权利要求1-3任一所述的基于强化学习的法律认知方法，进一步包括，

对所述法律概念中的法律属性进行识别，并利用法律法规库构建法律规则，所述法律规则用于所述置信度评价。

5.如权利要求4所述的基于强化学习的法律认知方法，进一步包括，

通过自然语言处理抽取得到文本特征、法律知识特征和/或法律概念，识别法律知识点，并通过法律概念框架建立法律知识点的关联，并将已进行关联处理的法律知识点存储于法律知识图谱。

6.如权利要求5所述的基于强化学习的法律认知方法，进一步包括，

所述自然语言处理包括对法律文本内容进行预处理，所述预处理包括了对法律文本信息进行分段、分句和分词，利用法律属性抽取模型，对分词后的文本信息进行法律文本属性特征的识别，并结合法律法规库形成法律规则集合。

7.一种基于强化学习的法律认知装置，其特征在于包括，

获取模块，用于调用法律知识图谱，对语义概念聚合后的数据进行统一计算，获得法律概念；

评价模块，用于结合统计概率，对所述法律概念进行置信度评价，获得法律认知结果；

构建模块，构建所述法律认知结果的评估网络；所述评估网络通过用户对法律认知结果进行评判，如果认可，则给法律认知结果所包括的实体或者关系为正面激励，如果不认可，则给所述实体或者关系为负面激励；或者，

将法律认知结果反馈给法律规则装置，由所述法律规则装置自动验证，如果验证正常通过，则给所述实体或者关系为正面激励，如果错误或者不通过，则给所述实体或者关系为负面激励；

强化模块，通过所述评估网络反馈并强化所述法律知识图谱；所述评估网络获取由用户或法律规则装置给出的评估结果，并将其反馈给所述法律知识图谱，由所述法律知识图谱进行验证，如果通过，则所述置信度评价包括的评价规则权重增加，如果不通过，则所述置信度评价包括的评价规则权重减少。

8.如权利要求7所述的基于强化学习的法律认知装置，进一步包括：

自然语言处理模块，用于抽取得到文本特征、法律知识特征和/或法律概念，识别法律知识点，并通过法律概念框架建立法律知识点的关联，并将已进行关联处理的法律知识点存储于法律知识图谱。

9.如权利要求7或8所述的基于强化学习的法律认知装置，进一步包括：

法律规则构建模块，用于对所述法律概念中的法律属性进行识别，并利用法律法规库构建法律规则，所述法律规则用于所述置信度评价。