[发明专利]法律数据的知识图谱构建方法及装置

说明书

本申请涉及法律数据的知识图谱构建方法及装置，属于知识图谱技术领域。本申请包括：步骤S101、对法律数据进行知识抽取，以提取用于知识图谱构建的实体、属性以及关系，其中，法律数据包括：案件和法律法规数据；步骤S102、对提取的实体以及关系采取不同的知识表示方式进行建模；步骤S103、利用gStore作为存储系统，生成能够进行多跳关系查询的法律垂直领域知识图谱。通过本申请，有助于使知识表示更加全面，提高查询准确率以及提高应用效率。

技术领域

本申请属于知识图谱技术领域，具体涉及法律数据的知识图谱构建方法及装置。

背景技术

知识图谱是一种更加结构化(主要是基于图)的知识库，将散乱的知识有效的组织起来，更加方便人们的查阅，知识图谱的出现使得我们对数据能够换视角进行更深层次的认识与理解。

知识图谱为法治领域检索发展提供了一个新的发展方向，构建基于法律法规与行政处罚案件的垂直领域的知识图谱，能够满足用户对法律法规等数据的直观直接地检索需求。但是，相关技术中，法律知识图谱实体表示方式单一，检索是基于单一实体属性关系的一跳查询，导致法律知识表示不全面，检索准确率不高。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供法律数据的知识图谱构建方法及装置，有助于使知识表示更加全面，提高查询准确率以及提高应用效率。

为实现以上目的，本申请采用如下技术方案：

第一方面，

本申请提供法律数据的知识图谱构建方法，所述方法包括：

步骤S101、对法律数据进行知识抽取，以提取用于知识图谱构建的实体、属性以及关系，其中，所述法律数据包括：案件和法律法规数据；

步骤S102、对提取的实体以及关系采取不同的知识表示方式进行建模；

步骤S103、利用gStore作为存储系统，生成能够进行多跳关系查询的法律垂直领域知识图谱。

进一步地，所述步骤S101，具体包括以下项：

A1：对于结构化的数据，进行分类别实体构建、属性识别以及关系连接；

A2：对于结构化的数据内的非结构化内容，进行包括主体、地点、时间和事件的识别，并且根据所述事件、利用深度学习方法进行案件分类或者法律法规的分类，其中，所述结构化的数据内的非结构化内容包括：类别识别类数据。

进一步地，在步骤S101之前，所述方法还包括：

对法律和案件之间实体关系的知识进行建模，构建从多种角度出发考虑的层级关系，在protégé中进行多种本体构建。

进一步地，对应所述A1项内容，所述步骤S102具体包括：

生成实体唯一ID标识符；

分别建立实体与对应属性之间的三元组以及不同实体之间关系的三元组。

进一步地，对应所述A2项内容，所述步骤S102具体包括：

根据所述法律数据得到标注数据集，识别出非通用主体命名实体以及事件实体；

在jieba分词中加入法律相关的词典，以识别提取出法律相关的专有名称实体；

生成词向量，利用神经网络训练模型，针对案件描述或是法律相关词向量识别出类型；

根据类型进行实体类型之间的图谱三元组生成。

进一步地，所述步骤S101还包括以下项：