[发明专利]一种基于机器学习的文书图谱抽取方法、装置及存储介质

权利要求书

1.一种基于机器学习的文书图谱抽取方法，其特征在于，包括：

获取文书文本，所述文书文本包括文书标题、文书体裁和文书内容；

对所述文书文本进行碎片化处理，得到碎片化数据；

根据所述碎片化数据，利用训练好的知识单元分类模型抽取文书图谱。

2.根据权利要求1所述的一种基于机器学习的文书图谱抽取方法，其特征在于，所述对所述文书文本进行碎片化处理，得到碎片化数据这一步骤，具体包括：

根据换行符对所述文书文本进行分段处理，并保存至列表集；

遍历所述列表集，对所述列表集中的内容进行识别，得到识别结果；

当所述识别结果为章节时，抽取各个章节和各个子章节；

当所述识别结果为段落时，抽取各个段落，并根据各个段落的内容抽取各个段落下的句子。

3.根据权利要求1所述的一种基于机器学习的文书图谱抽取方法，其特征在于，所述根据所述碎片化数据，利用训练好的知识单元分类模型抽取文书图谱这一步骤，具体包括：

利用训练好的知识单元分类模型对所述碎片化数据进行分类标记，得到第一数据；

根据文书体裁，获取对应的文书图谱模板；

遍历所述文书图谱模板的知识单元节点，得到所述知识单元节点的抽取条件；

根据所述抽取条件，对所述第一数据进行抽取，得到结构化的文书图谱数据。

4.根据权利要求3所述的一种基于机器学习的文书图谱抽取方法，其特征在于，所述根据所述抽取条件，对所述第一数据进行抽取，得到结构化的文书图谱数据这一步骤，具体包括：

设置抽取粒度，所述抽取粒度包括章节抽取、段落抽取和句子抽取；

根据所述抽取粒度，对所述第一数据进行抽取得到第二数据；

根据知识单元分类标签，抽取所述第二数据中被标记为相应标签的内容，并归集至相应的知识单元节点。

5.根据权利要求3所述的一种基于机器学习的文书图谱抽取方法，其特征在于，所述方法还包括制作所述文书图谱模板，包括：

收集各类体裁的文书语料；

对所述文书语料进行解构，得到解构数据；

根据所述文书的体裁，设置知识单元分类标签；

根据所述解构数据和所述知识单元分类标签，分类得到各类文书体裁知识单元标签；

根据所述各类文书体裁知识单元标签，制作文书图谱模板。

6.根据权利要求5所述的一种基于机器学习的文书图谱抽取方法，其特征在于，所述文书图谱模板为一个树形的脑图结构，树形的根节点代表不同的知识单元节点。

7.根据权利要求1-6任一项所述的一种基于机器学习的文书图谱抽取方法，其特征在于，所述方法还包括对所述知识单元分类模型进行训练，包括：

构建训练样本集；

将所述训练样本集输入知识单元分类模型中进行训练；

基于朴素贝叶斯文本分类算法进行机器学习与训练，得到训练好的知识单元分类模型。

8.根据权利要求7所述的一种基于机器学习的文书图谱抽取方法，其特征在于，所述构建训练样本集这一步骤，具体包括：

对文书文本进行碎片化解构处理，得到标注语料；

根据知识单元分类标签对所述标注语料进行分类标注处理，得到训练样本集。

9.一种基于机器学习的文书图谱抽取装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-8任一项所述的抽取方法。

10.计算机可读存储介质，其特征在于，其上存储有处理器可执行的程序，所述处理器可执行的程序在被处理器执行时用于实现如权利要求1-8任一项所述的抽取方法。