[发明专利]一种面向裁判文书的文本分类方法在审
| 申请号： | 201810596864.2 | 申请日： | 2018-06-11 |
| 公开（公告）号： | CN108984518A | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 许建峰;孙福辉;王晓燕;骆斌;李忠金;雷妙妙 | 申请（专利权）人： | 人民法院信息技术服务中心 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F17/30;G06Q50/18 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 100745 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向裁判文书的文本分类方法。本发明包括以下步骤：步骤1.根据案由从裁判文书数据库中提取文书，使用正则表达式提取文书段落；步骤2.将待分类的文书段落进行分词，并统计每个词的词频；步骤3.对分词后的文档进行文本预处理；步骤4.使用TF‑IDF对预处理后的文本进行特征提取；步骤5.使用SVM分类器对裁判文书进行模型训练；步骤6.将待分类裁判文书输入到分类器，利用所述分类器对裁判文书进行分类，从而输出裁判文书文本类别标注。本发明主要针对法律裁判文书分类任务，根据裁判文书的半结构化特征和法院文书词汇特征，优化特征集合，降低特征空间的维度，能有效提高裁判文书分类结果的准确性。 | ||
| 搜索关键词： | 裁判 分类 文本分类 分类器 分词 预处理 词频 结构化特征 文本预处理 文书数据库 正则表达式 词汇特征 分类结果 模型训练 特征集合 特征空间 特征提取 文本类别 维度 文档 标注 文本 输出 优化 法院 统计 法律 | ||
【主权项】：
1.一种面向裁判文书的文本分类方法，其特征在于包括以下步骤：步骤(1)根据案由从裁判文书数据库中提取文书，使用正则表达式提取文书段落；步骤(2)将待分类的文书段落进行分词，并统计每个词的词频；步骤(3)对分词后的文档进行文本预处理；步骤(4)使用TF‑IDF对预处理后的文本进行特征提取；步骤(5)使用SVM分类器对裁判文书进行模型训练；步骤(6)将待分类裁判文书输入到分类器，利用所述分类器对裁判文书进行分类，从而输出裁判文书文本类别标注；步骤(1)中根据案由从裁判文书数据库中提取文书段落，具体包括：(1.1)在裁判文书数据库中根据的案由提取出相应的文书；(1.2)编写正则表达式，并根据编写的正则规则提取裁判文书中的“案件基本情况”段落；(1.3)对提取出来的“案件基本情况”段落进行人工标记，从而标记出该段落的所属类别；所述的人工标记具体实现如下：对“案件基本情况”段落进行关键词提取，关键词类别包括：地名、领域词汇名以及其他名称；领域词汇名包括：经济、服装、建筑、娱乐、军事以及体育等；根据提取的关键词，初步标记该段落的所属类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于人民法院信息技术服务中心，未经人民法院信息技术服务中心许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810596864.2/，转载请声明来源钻瓜专利网。
