[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

说明书

本发明公开了一种基于机器学习的文书图谱抽取方法、装置及存储介质。该方法包括获取文书文本，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。本发明通过利用训练好的知识单元分类模型对文书文本进行抽取，得到结构化的文书图谱数据，能够自动形成“脑图结构”的文书图谱，让文书内容一目了然，能够大幅降低阅读时间，提高阅读质量。本发明可广泛应用于知识图谱技术领域。

技术领域

本发明涉及知识图谱技术领域，尤其是一种基于机器学习的文书图谱抽取方法、装置及存储介质。

背景技术

知识图谱是一种揭示实体之间关系的语言网络，通常用于描述现实世界中实物、人物、机构、城市等之间关系，用于情报分析、语义搜索、智能问答、推荐系统等。知识图谱的核心要点在于通过搜集一系列大数量级的结构化数据或非结构化数据，基于领域专业性知识对数据进行分析建模，并通过机器计算从中找出规律，生成相关数据的计算规则。文书里面很多概念不是实体，通常是一些摸不着看不见的概念，现有知识图谱技术不能够把一份文书解构成具有结构化的、脑图形式的图谱（文书图谱）。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于机器学习的文书图谱抽取方法、装置及存储介质。

本发明所采取的技术方案是：

一方面，本发明实施例包括一种基于机器学习的文书图谱抽取方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。