[发明专利]基于Ernie模型的案件线索要素抽取方法及系统

说明书

本发明提供一种基于Ernie模型的案件线索要素抽取方法及系统，涉及计算机技术领域，该方法包括：将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，调整Ernie模型输出的权重，并根据权重进行分类；将线索文本划分为单句集合S1并将其依次输入命名实体识别单元，识别其中的实体；将单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取违法行为要素和违法后果要素；根据要素组织整合信息，将线索类型、实体、违法行为要素和违法后果要素组织整合，获取要素抽取结果。本发明能够克服现有技术抽取精度低、容易遗漏线索要素或错误抽取线索要素的缺点，且能够提高违法行为和违法后果要素的抽取效果。

技术领域

本发明涉及计算机技术领域，具体地，涉及一种基于Ernie模型的案件线索要素抽取方法及系统。

背景技术

随着公益诉讼案件量大幅提升，公益诉讼线索的体量也有了巨大的增长，因此仅仅依靠检察官人工对线索分析很难满足办案的需要。一方面，公益诉讼案件类型繁多，人工分析线索的效率较低，导致检察机关无法及时介入，造成损害时间的延长。另一方面，人工分析线索的准确度不够，容易造成误判。因此有必要引入人工智能、自然语言处理等信息技术手段辅助检察机关分析公益诉讼线索。

目前抽取公益诉讼线索要素的主要方法还集中于关键词等非智能手段。现有公开号为CN112270633A的中国发明专利公开了“一种基于大数据驱动的公益诉讼线索研判系统和方法”，包括：针对不同的来源渠道及数据特点，制定相应的数据采集方案，并自动从多个渠道动态获取公益诉讼相关的案源信息，并对案源信息进行整合、清洗、转换，形成公益诉讼案源库；基于大数据、自然语言处理等技术，构建公益诉讼线索研判模型，自动对获取的案源信息进行精准分类、分析研判，计算出线索研判指数，并对大于预设阈值的线索主动推送给检察官进行办理。该发明实现了海量案源数据的采集、治理、分析、研判、预警，有效拓展了公益诉讼案源渠道，提升了从海量案源数据中筛查公益诉讼线索的质效，增强了公益诉讼线索发现的及时性、准确性。

该方法以关键词匹配作为获取公益诉讼线索类型、主体、违法后果等要素的手段，无法挖掘出线索文本的深层语义特征，因此无法适应复杂的自然语言文本语料，线索要素抽取的精度较低，容易遗漏线索中的要素或错误抽取要素。

发明内容

针对现有技术中的缺陷，本发明提供一种基于Ernie模型的案件线索要素抽取方法及系统。

根据本发明提供的一种基于Ernie模型的案件线索要素抽取方法及系统，所述方案如下：

第一方面，提供了一种基于Ernie模型的案件线索要素抽取方法，所述方法包括：

步骤1：将线索文本输入到线索分类单元，获取线索文本的线索类型；线索分类单元由Ernie模型和关键词匹配构成，根据线索文本中匹配到关键词的次数调整Ernie模型输出的权重，并根据所述权重进行分类；

步骤2：将所述线索文本划分为单句集合S1；

步骤3：将单句集合S1中的元素依次输入命名实体识别单元，识别出线索文本中的实体；

步骤4：将所述单句集合S1中的元素依次输入违法行为与违法后果抽取单元，获取线索文本中的违法行为要素和违法后果要素；

步骤5：根据要素组织整合信息，将所述线索类型、实体、违法行为要素和违法后果要素组织整合，获取要素抽取结果。

优选的，所述步骤1中线索类型的类别包括生态环境、国资保护、国土保护、食品安全以及药品安全。

优选的，所述步骤3中的实体为人名、地址、公司名以及组织名。

优选的，所述步骤4中Ernie模型的输入包括单句的位置特征。