[发明专利]基于法律知识图谱的语义搜索方法、装置和电子设备

权利要求书

1.一种基于法律知识图谱的语义搜索方法，其特征在于，包括：

响应于接收到用户输入的对法律问题的描述，对所述描述进行预处理；

通过预定的关系抽取模型，从经过预处理的所述描述中提取出实体-关系-实体三元组，以构建语义搜索图；

基于预定的法律法规类型，通过预先建立的分类模型对经过预处理的所述描述进行分类，得到类别标签；

在预先基于法律知识相关文件构建的法律知识图谱中搜索到与所述类别标签对应的目标节点，并将所述法律知识图谱中以所述目标节点为根节点的部分法律知识图谱与所述语义搜索图进行子图匹配，得到一个或多个匹配子图，在所述语义搜索图中给定一个节点v，在所述部分法律知识图谱中找到对应的节点u，计算节点v和节点u的相似度，

在所述语义搜索图中给定一个关系rel，在所述部分法律知识图谱中找到对应的关系L，计算所述关系rel与所述关系L的相似度，

通过所述节点相似度和所述关系相似度计算所述语义搜索图和所述部分法律知识图谱的相似度得分，根据所述相似度得分输出匹配子图；

输出所述一个或多个匹配子图中的至少一个目标子图作为针对所述描述的法律答案。

2.根据权利要求1所述的语义搜索方法，其特征在于，所述关系抽取模型包括CASREL模型。

3.根据权利要求1或2所述的语义搜索方法，其特征在于，所述响应于接收到用户输入的对法律问题的描述，对所述描述进行预处理，包括下列中至少一个：

通过正则表达式去除所述描述的标点符号和/或特殊符号；

通过中文分词算法WMSeg对所述描述进行分词；

将所述描述中的繁简字体进行统一化；

通过标准表达方式对所述描述进行同义词归一化；

通过Soft-Masked BERT模型对所述描述进行文本纠错处理。

4.根据权利要求1或2所述的语义搜索方法，其特征在于，所述通过预定的关系抽取模型，从经过预处理的所述描述中提取出实体-关系-实体三元组，以构建语义搜索图，包括：

基于完整的训练模型BERT对所述描述进行编码，获取所述描述中每个词的特征表示；

对所述特征表示进行解码，构建分类器预测所述实体的 位置，识别出所述实体对应的主语；

根据所述主语提取所有可能与所述主语对应的关系，并根据所述关系识别出相应的宾语，得到实体-关系-实体三元组。

5.根据权利要求1或2所述的语义搜索方法，其特征在于，所述基于预定的法律法规类型，通过预先建立的分类模型对经过预处理的所述描述进行分类，得到类别标签，包括：

基于预训练模型BERT对所述描述进行特征向量表示得到特征向量，将所述特征向量输入到Softmax回归模型基于法律法规类型进行分类，得到所述描述的类别标签。

6.根据权利要求1所述的语义搜索方法，其特征在于，根据所述相似度得分对所述匹配子图进行排序，选取得分最高的预定数量个所述匹配子图作为目标子图。