[发明专利]司法鉴定信息提取方法、系统、设备及存储介质

说明书

本发明提供了一种司法鉴定信息提取方法、系统、设备及存储介质，该方法包括：从目标网站爬取网站网页原始数据；将所述网站网页原始数据转换为纯文本形式，得到网站网页文本数据；将所述网站网页文本数据输入至训练好的信息提取模型，得到所述信息提取模型输出的所述网站网页文本数据中的命名实体集合；根据所述命名实体集合中的机构名称确定所述网站网页文本数据所对应的司法鉴定机构；将所述命名实体集合记录为所对应的司法鉴定机构的司法鉴定信息，并存储于司法鉴定信息数据库。通过采用本发明，从海量数据中快速有效地提取司法鉴定信息，得到结构化数据，实现司法鉴定信息的信息有效管理机制。

背景技术

司法鉴定机构是指在诉讼活动中接受委托人鉴定委托，遵循法律规定的方式、方法、步骤以及相关的规则和标准，对诉讼涉及的专门性问题运用科学技术或者专门知识进行鉴别和判断并提供鉴定意见的机构。现有技术中，由于并没有一种规范化、集中化的司法鉴定机构管理模式，司法机关在选择司法鉴定机构时，具有很大的随机性，无法根据机构差异性有效地选择合适的司法鉴定机构。此外，随着社会的发展，鉴定要求奇特、不是常见类型的案件也越来越多，这类案件可鉴定的机构查找非常困难，给鉴定增加了很大的难度。司法机关需要在海量的司法鉴定信息中查找到合适的司法鉴定机构，十分耗费人力，效率很低。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种司法鉴定信息提取方法、系统、设备及存储介质，从海量数据中快速有效地提取司法鉴定信息，得到结构化数据，实现司法鉴定信息的信息有效管理机制。

本发明实施例提供一种司法鉴定信息提取方法，包括如下步骤：

从目标网站爬取网站网页原始数据；

将所述网站网页原始数据转换为纯文本形式，得到网站网页文本数据；

将所述网站网页文本数据输入至训练好的信息提取模型，得到所述信息提取模型输出的所述网站网页文本数据中的命名实体集合；

根据所述命名实体集合中的机构名称确定所述网站网页文本数据所对应的司法鉴定机构；

将所述命名实体集合记录为所对应的司法鉴定机构的司法鉴定信息，并存储于司法鉴定信息数据库。

可选地，所述方法还包括采用如下步骤训练所述信息提取模型：

采集用于训练的网站网页文本数据；

采用预设的命名实体匹配规则，对所述网站网页文本数据进行自动匹配，得到所述网站网页文本数据中匹配的命名实体；

采用匹配的命名实体对所述网站网页文本数据进行标记后，将所述网站网页文本数据加入训练集；

构建基于机器学习的信息提取模型，采用所述训练集训练所述信息提取模型。

可选地，所述采用预设的命名实体匹配规则，对所述网站网页文本数据进行自动匹配，包括如下步骤：

获取当前的机构名单，判断所述网站网页文本数据中是否存在所述机构名单中的机构名称；

如果存在所述机构名单中的机构名称，则采用所述机构名称对所述网站网页文本数据中的对应数据进行机构名称标记；

如果不存在所述机构名单中的机构名称，则采用预设的机构名称上下文信息规则，判断所述网站网页文本数据中是否存在符合所述上下文信息规则的字段，如果是，则将所述字段所对应的部分进行机构名称标记；

获取预设的负面指标的文字编写规则，判断所述网站网页文本数据中是否存在符合所述负面指标的文字编写规则的字段，如果是，则将所述字段所对应的部分进行负面指标名称标记。

可选地，所述采用预设的命名实体匹配规则，对所述网站网页文本数据进行自动匹配，还包括如下步骤：

基于预设的领域关键词库，从所述网站网页文本数据中提取对应的领域关键词；