[发明专利]公检法领域结构化文书的信息提取方法、装置及存储介质

说明书

本发明实施例公开一种公检法领域结构化文书的信息提取方法，包括：利用第一规则从待处理的公检法领域结构化文书中切分出至少两个信息区块，所述第一规则为用于确定信息区块的起止位置的规则，切分出的每个所述信息区块包含一个法律主体的属性信息；利用第二规则分别从每个信息区块中提取出与所述信息区块对应的信息集合，所述第二规则为用于识别法律主体的属性信息的规则，所述信息集合包括至少一条属性信息；按照信息区块中的法律主体，对应存储从所述信息区块中提取出的信息集合。采用上述技术方案中的提取方法，可以避免从公检法领域结构化文书中抽取出的多个法律主体的属性信息发生混淆，提高了提取出的信息的准确率。

技术领域

本发明涉及文本挖掘技术领域，具体涉及一种公检法领域结构化文书的信息提取方法。此外，本申请还涉及一种公检法领域结构化文书的信息提取装置，以及一种计算机可读存储介质。

背景技术

公检法领域结构化文书是指公安机关、检察院、法院这三个政法机关在办理案件时所使用的具有特定结构或统一格式的文书。例如公安机关制作的《提请批准逮捕书》、《询问笔录》、《起诉意见书》等侦查文书，检察院制作的《立案决定书》、《起诉书》等检察文书，以及法院制作的《民事制裁决定书》、《刑事判决书》等裁判文书。

这些公检法领域结构化文书中包括了许多重要的关键信息，例如《提请批准逮捕书》中的犯罪嫌疑人基本信息、《起诉书》中的被告人基本情况、犯罪事实等。为了便于查阅，使阅读者可以快速地从这些文书中获取到这些关键信息，提高审批等办事效率，可以从公检法领域结构化文书中提取出关键信息。

然而，在实现本发明的过程中，发明人发现现有技术中至少存在以下问题：当一件公检法领域结构化文书中具有多个类似的关键信息时，这些关键信息在提取时有可能会发生混淆，进而导致提取出的信息出错。例如，当一个刑事犯罪案件中包含多个犯罪嫌疑人时，可以将多个犯罪嫌疑人放在一份《提请批准逮捕书》中来陈述犯罪嫌疑人的基本信息。面对这样的文书，若采用现有的提取方法直接从文书中提取出犯罪嫌疑人的基本信息，则会导致提取出的多个犯罪嫌疑人的基本信息混淆，即提取出的信息准确率较低。

发明内容

为了解决上述技术问题，本申请提供一种公检法领域结构化文书的信息提取方法，以解决从公检法领域结构化文书中提取出的信息容易混淆、准确率低的问题。

第一方面，提供一种公检法领域结构化文书的信息提取方法，包括：

利用第一规则从待处理的公检法领域结构化文书中切分出至少两个信息区块，所述第一规则为用于确定信息区块的起止位置的规则，切分出的每个所述信息区块包含一个法律主体的属性信息；

利用第二规则分别从每个信息区块中提取出与所述信息区块对应的信息集合，所述第二规则为用于识别法律主体的属性信息的规则，所述信息集合包括至少一条属性信息；

按照信息区块中的法律主体，对应存储从所述信息区块中提取出的信息集合。

结合第一方面，在第一方面第一种可能的实现方式中，所述第一规则包括第一类定位表达式和第二类定位表达式，所述第一类定位表达式用于确定信息区块的开始位置，所述第二类定位表达式用于确定信息区块的结束位置；

所述利用第一规则从待处理的公检法领域结构化文书中切分出至少两个信息区块的步骤，包括：

将第一类定位表达式与待处理的公检法领域结构化文书匹配，识别出至少两个开始位置；

将第二类定位表达式与待处理的公检法领域结构化文书匹配，识别出至少两个结束位置；

将位于一个开始位置之后并且与之距离最近的结束位置，与所述开始位置配对；

切分出信息区块，所述信息区块为配对的开始位置和结束位置之间的文本。