[发明专利]一种法律法规名称识别装置及方法

说明书

本发明属于法律法规名称识别领域，尤其是一种法律法规名称识别装置及方法，针对现有的法律法规名称识别方法查全率低，通用性差问题，现提出如下方案，其装置包括依次连接的清洗模块、过滤模块、提取模块和识别模块，其方法包括以下步骤：S1：将长文本处理为标准短文本；S2：根据预设核心词库过滤标准短文本，获取核心短文本；S3：从核心短文本中分别提取显性法律法规名称和隐形法律法规名称对应的候选空间；S4：对候选空间进行依存句法分析，并结合分析结果识别满足预设条件的候选空间为法律法规名称，本发明查全率较高，具有较强的通用性，实用性和可操作性较强。

技术领域

本发明涉及法律法规名称识别技术领域，尤其涉及一种法律法规名称识别装置及方法。

背景技术

未登录词识别是自然语言处理领域的一项关键技术，对提升信息提取与检索、文本分类、文本推荐、智能问答、机器翻译等方面的应用效果具有重要作用。在对互联网信息、民众信访投诉内容、法律文书等文本进行分析挖掘时，常需要智能识别法律法规名称。法律法规名称属于未登录词，具有构成成分较为复杂、无法穷举、表述方式多样等特点。同时，由于目前国内较为常用的自然语言处理工具，如哈工大语言技术平台(LTP)、HanLP等，均未具备法律法规名称的识别功能，法律法规名称快速有效识别仍是政务、法律等领域的文本应用一个难题。

当前对于法律法规名称识别的通常采用文本匹配的方法，该方法的缺点较多，主要体现在：(1)法律法规识别的完整度与预设法律法规名称库的完整度成正比，而通常情况下难以获得全面、完整的法律法规名称库，因此本方法提取的法律法规名称查全率较低；(2)中文表述复杂多样，本方法无法识别出文本中简写、缩写的法律法规名称，通用性较差。

综上所述，当前法律法规名称识别方法查全率低，通用性差，因此我们提出了一种法律法规名称识别装置及方法，用来解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在当前法律法规名称识别方法查全率低，通用性差的缺点，而提出的一种法律法规名称识别装置及方法。

为了实现上述目的，本发明采用了如下技术方案：

一种法律法规名称识别装置，包括依次连接的清洗模块、过滤模块、提取模块和识别模块，所述清洗模块，用于将长文本处理为标准化短文本；

过滤模块，用于根据预设核心词库过滤标准短文本，获取核心短文本；

提取模块，用于从核心短文本中分别提取显性法律法规名称和隐形法律法规名称对应的候选空间。

识别模块，对候选空间进行依存句法分析，并结合分析结果，识别满足预设条件的候选空间为法律法规名称。

本发明还提出了一种法律法规名称识别方法，包括以下步骤：

S1：将长文本处理为标准短文本；

S2：根据预设核心词库过滤标准短文本，获取核心短文本；

S3：从核心短文本中分别提取显性法律法规名称和隐形法律法规名称对应的候选空间；

S4：对候选空间进行依存句法分析，并结合分析结果识别满足预设条件的候选空间为法律法规名称。

优选的，所述将长文本处理为标准短文本包括：根据中英文标点符号将长文本切割为短文本；去除短文本中无效字符，获得标准短文本，中英文标点符号通常包括句号、问号、感叹号，若长文本为群众投诉、互联网公开帖子或博文表述自由、较不规范的文本数据，还需考虑空格、逗号符号。

优选的，所述根据预设核心词库过滤标准短文本，获取核心短文本包括：利用正则表达式匹配各标准短文本，将包含任意一个预设核心词库中词汇或词组的短文本划分为核心短文本，预设核心词库由现有法律法规名称的结束词汇或结束词组构成。