[发明专利]一种针对随案电子卷宗的事件抽取及处理方法

说明书

本发明公开了一种针对随案电子卷宗的事件抽取及处理方法，包括以下步骤：步骤一，从随案电子卷宗流转处理平台上获取需要的卷宗数据并存入数据库；步骤二，构建事件触发词词典，匹配电子卷宗事件描述段落，再进行分句、分词、词性标注等文本预处理方法；步骤三，事件属性抽取，结合依存句法分析与语义角色标注方法获得事件的施加者、承受者、行为、时间、地点、方式这6个事件属性；步骤四，事件聚合，将原子事件聚合为主题事件，合并相似主题事件，将主题事件存入事件数据库。本发明解决了随案电子卷宗快速获取犯罪事实信息的难题，可以更加准确地对犯罪事实进行事件抽取和组织，是高效、高质量阅卷的基础。

技术领域

本发明属于自然语言处理技术领域，具体涉及一种针对随案电子卷宗的事件抽取及处理方法。

背景技术

随着科学的不断发展，技术的不断进步，司法信息化建设也在不断深入，当前各级司法部门(检察院、法院、司法部)存储的案件电子卷宗每年以千万级的数量递增，海量卷宗文档蕴含着我国司法从业者多年的集体智慧，其中包含的数据信息是以现有技术尚无法充分利用的重要数据资产。根据第三方评估报告显示，2016年全国各级法院已全部实现案件信息数字化。目前司法信息化建设初步解决了卷宗的电子化和存储问题，但由于随案电子卷宗涉及文件多、内容复杂等情况常会给阅卷人带来“信息过载”和“认知迷航”的问题。在以审判为中心的判案体系中，检察官、法官的阅卷过程是非常关键的一环，因此，提高阅卷效率和避免重要信息遗漏是目前急需解决的问题。在此基础上，从随案电子卷宗中抽取出有用信息并有效地可视化展示的方法研究与实现具有重要意义。

信息抽取是指结构化地提取出自然语言文本中的信息。信息的自动抽取及相关处理技术对于从数量多内容不统一的文档中提取出有用的信息是十分有意义的。有效的信息抽取技术能显著地降低信息获取难度，减少阅读负担。事件抽取是指从原始文本中提取事件信息，是特定的人、物、事在特定时间、特定地点，主要是抽取文本中的事件实例，并为每个抽取的事件实例抽取论元赋予相应的角色。

现有的事件抽取方法主要集中在深度学习领域的研究上，深度学习的方法主要依赖大规模的语料库，准确率和数据质量相关度很高。中国专利CN106951438等一些方法通过卷积神经网络模型进行触发词识别，通过图模型获取事件参数，需要大规模标注语料，但由于司法领域随案电子卷宗数据的保密性和敏感性，想要获取大规模高质量数据是难以实现的；中国专利CN10892044采用基于句法分析的事件参数抽取方法，中国专利CN106951438采用基于规则的事件属性抽取的方法，这两类方法不需要标注语料但部分参数识别准确率不高。因此，需要提出一种新的事件属性抽取的方法。

发明内容

本发明通过启发式规则结合句法分析和语义分析的方法抽取事件，该方法主要针对随案电子卷宗进行事件抽取，通过对司法领域案卷特定格式的分析，能够高效准确地对电子卷宗中的事件进行抽取。

为达到上述目的，本发明一种针对随案电子卷宗的事件抽取及处理方法，包括以下步骤：

步骤1，获取需要的电子卷宗，提取电子卷宗的文本文书和格式文书的正文内容，对正文内容进行分段，并存入数据库建立索引，完成卷宗数据的定位；

步骤2，对电子卷宗进行分析，总结电子卷宗特定格式，构建触发词词典，依据触发词词典识别电子卷宗事件描述段落，再对事件描述段落进行分句、分词和词性标注，分句后得到事件句；

步骤3，对步骤2产生的每一句事件句进行事件属性抽取，得到多个原子事件，事件属性包括：施加者、承受者、行为、时间、地点和行为方式，具体为：根据步骤2中产生的分词和词性标注进行句法依存分析，得到核心词、核心词主谓关系以及核心词的动宾关系，即依存句法分析结果，通过语义角色标注技术得到语义角色分析结果，再用启发式规则结合依存句法分析结果和语义角色分析结果得到对应事件属性；

步骤4，对步骤3产生的每一个原子事件按所在事件句聚合为主题事件；计算各个事件句之间的相似性，将相似的事件句所在主题事件进行合并。