一种基于深度学习的法律文书规范性检测方法与流程

摘要: 本发明涉及文本智能处理,具体地说,涉及一种基于深度学习的法律文书规范性检测方法。背景技术:1、法律文书通常包含主体、客体、定义项、引用条款、除外条款以及动作约束...
一种基于深度学习的法律文书规范性检测方法与流程

本发明涉及文本智能处理,具体地说,涉及一种基于深度学习的法律文书规范性检测方法。

背景技术:

1、法律文书通常包含主体、客体、定义项、引用条款、除外条款以及动作约束短语等内容。为了提高法律文书审查效率,现有技术中已经存在基于自然语言处理的文本识别方法,该类方法通常利用命名实体识别、关系抽取、文本分类或规则匹配等方式,对法律文书中的实体、条款和引用关系进行识别,并根据预设规则对部分格式问题或语义问题进行提示。

2、在深度学习技术应用于文本分析后,序列识别模型和关系抽取模型能够从非结构化法律文书文本中提取实体和关系,使法律文书规范性检测从单纯的人工审查或关键词匹配,逐步转向模型识别与规则判断结合的方式。对于条款引用、主体义务、除外条件等文本关系,现有方法可以输出识别结果或置信结果,并用于辅助审查人员判断文书内容是否存在缺失或冲突。

3、但是,现有法律文书规范性检测方法通常更关注实体识别或单一关系判断,缺少面向节点关系的统一数据表达方式。模型识别得到的主体实体、客体实体、引用关系和排他关系往往以分散记录存在,后续进行互斥冲突检测、引用缺失筛查或循环引用判断时,需要分别建立处理逻辑,数据之间的对应关系不够稳定,也不利于将矩阵坐标、节点标识符和原文证据片段进行统一管理。

4、同时,关系抽取模型输出的关联置信概率通常为连续概率值。若直接采用高低置信结果,处于中间置信区间的节点关联容易形成未决状态;若依赖人工确认,又会影响自动检测流程的连续性。现有方法在处理该类中间置信关系时,通常缺少与后续结构化计算相衔接的二值化状态生成机制,导致后续冲突检测或闭环判定的数据基础不够确定。

5、此外,法律文书在审查过程中经常发生局部修改。现有方法在文本修改后多采用重新抽取和重新检测的处理方式,即使修改范围较小,也需要对较大范围的文本关系重新计算,计算量随节点数量增加而上升。检测结果还需要回到原文位置进行说明,如果缺少稳定的字符边界映射关系,异常节点与原文证据片段之间的对应关系也不够清楚。

技术实现思路

1、针对现有技术的不足,本发明提供了一种基于深度学习的法律文书规范性检测方法,解决了现有技术存在语义关系数据表达不统一、中间置信关系处理不稳定、局部修改后重复计算量较大以及检测结果原文溯源不够明确的问题。

2、为实现以上目的,本发明通过以下技术方案予以实现:

3、本发明提供一种基于深度学习的法律文书规范性检测方法,包括:

4、提取法律文书文本的规范检测节点集合并建立字符边界映射表,分析规范检测节点集合的关联置信概率,经非阻塞过滤流程处理生成二值化状态集;调用张量映射规则将二值化状态集转化为目标约束张量;

5、调用互斥冲突公式处理目标约束张量的互斥切片矩阵,生成冲突检测矩阵,并提取异常坐标点压入报错堆栈;

6、将目标约束张量降维成二维邻接矩阵,以生成引用缺失警告,结合布尔闭包公式与强连通分量算法,提取二维邻接矩阵中构成有向闭环的节点标识序列并压入报错堆栈;

7、依据法律文书文本的局部变动数据生成变动掩码矩阵,调用微扰更新公式结合二维邻接矩阵与变动掩码矩阵计算,生成当前邻接矩阵,基于当前邻接矩阵重新判定有向闭环,以提取新增节点序列并压入报错堆栈,利用字符边界映射表将报错堆栈中的异常节点集合逆向检索为异常边界索引,结合异常边界索引与引用缺失警告,生成规范检测报告。

8、进一步的,提取法律文书文本的规范检测节点集合并建立字符边界映射表的步骤包括:

9、接收法律文书文本,利用预训练的序列识别模型对法律文书文本进行离散化处理,抽取法律文书文本中具有独立法律效力或动作约束的最小单元,生成规范检测节点集合,并为规范检测节点集合中的各节点分配节点标识符;提取规范检测节点集合中各节点在法律文书文本中的起始索引与终止索引,并与对应的节点标识符绑定存储至字符边界映射表。通过节点标识符和字符边界映射表,规范检测节点与法律文书文本中的原文证据片段形成对应关系,后续报错堆栈中的异常节点集合能够被还原为异常起始索引与异常终止索引。

10、进一步的,分析规范检测节点集合的关联置信概率,经非阻塞过滤流程处理生成二值化状态集的步骤包括:

11、调用关系抽取模型对规范检测节点集合进行分析,输出各节点间的关联置信概率;调用连通性判断结合关联置信概率、预设的置信上限阈值与预设的置信下限阈值进行处理;当关联置信概率大于等于置信上限阈值时,将对应的节点关联确认为有效连通边;

12、当关联置信概率小于等于置信下限阈值时,将对应的节点关联确认为无关联状态;当关联置信概率大于置信下限阈值且小于置信上限阈值时,将对应的节点关联提取为关联对,利用静态的正则规则引擎作为非阻塞过滤流程对关联对进行确定性匹配,若匹配成功则确认为有效连通边;若匹配失败或在预设的设定时间周期内匹配超时,则确认为无关联状态;汇总有效连通边与无关联状态,生成二值化状态集。该处理将模型输出的连续置信结果转化为可用于张量映射的确定状态数据,并对中间置信区间内的关联对进行规则校验。

13、进一步的,调用张量映射规则将二值化状态集转化为目标约束张量的步骤包括:

14、获取二值化状态集以及规范检测节点集合,利用坐标列表稀疏特性的稀疏存储格式,构建物理维度对应于节点总数与预设的约束维度总数的初始约束张量;依据张量映射规则对初始约束张量进行转化,遍历二值化状态集提取源节点与目标节点;若源节点与目标节点构成有效连通边,则提取有效连通边对应的约束维度,并组合源节点、目标节点与约束维度生成三维空间坐标;

15、在初始约束张量的三维空间坐标处写入预设的连通状态标识;依据稀疏存储格式,在初始约束张量中未写入连通状态标识的坐标处维持预设的断开标识,并与写入的连通状态标识汇总生成目标约束张量。由此,二值化状态集中的节点关系被转化为可进行矩阵切片、降维和闭环检测的张量结构。

16、进一步的,调用互斥冲突公式处理目标约束张量的互斥切片矩阵,生成冲突检测矩阵,并提取异常坐标点压入报错堆栈的步骤包括:

17、依据预设的互斥维度标识从目标约束张量中提取对应的约束维度下的第一切片矩阵与对应的约束维度下的第二切片矩阵,第一切片矩阵与第二切片矩阵为互斥切片矩阵;调用互斥冲突公式,将第一切片矩阵与第二切片矩阵的对应坐标元素进行逐项相乘,生成冲突检测矩阵;提取冲突检测矩阵中大于零的异常坐标元素对应的异常坐标点,并压入报错堆栈。该处理以目标约束张量中的同一源节点和同一目标节点为坐标基准,识别两个互斥约束维度同时成立的情况。

18、进一步的,将目标约束张量降维成二维邻接矩阵,以生成引用缺失警告的步骤包括:

19、将目标约束张量沿维度约束轴进行降维并按物理章节进行对角化分块处理,生成二维邻接矩阵;依据规范检测节点集合中的节点总数,在内存中初始化对应的类型掩码向量;提取规范检测节点集合中的根节点与独立定义项,并将类型掩码向量中对应于根节点与独立定义项的元素设为预设的免测值;依据类型掩码向量,筛选出对应的元素不为免测值的节点作为待测节点;计算二维邻接矩阵中以待测节点作为被引用目标节点的列元素累加和,若等于零则生成引用缺失警告。该处理通过类型掩码向量排除不参与引用缺失筛查的节点,并对需要引用基础的待测节点进行列元素累加和判定。

20、进一步的,结合布尔闭包公式与强连通分量算法,提取二维邻接矩阵中构成有向闭环的节点标识序列并压入报错堆栈的步骤包括:

21、调用布尔闭包公式在布尔半环域上对二维邻接矩阵执行传递闭包运算,将二维邻接矩阵的连续布尔乘积状态矩阵进行逻辑或连续求和,穷举有向连通路径,生成全局的布尔可达矩阵;若布尔可达矩阵的主对角线元素中存在等于一的元素,则判定存在有向闭环;调用强连通分量算法对二维邻接矩阵进行连通分量提取,生成构成有向闭环的节点标识序列,并将节点标识序列压入报错堆栈。通过布尔可达矩阵判定可达关系,并通过强连通分量算法输出节点标识序列,能够将有向闭环检测结果转化为后续可溯源的数据。

22、进一步的,依据法律文书文本的局部变动数据生成变动掩码矩阵的步骤包括:

23、依据局部变动数据进行差异对比提取变动关系边,划分为新增关系边与删除关系边,以分别生成正向的增量掩码矩阵与负向的减量掩码矩阵,将增量掩码矩阵与减量掩码矩阵组合为变动掩码矩阵。该处理将法律文书文本的局部修改转换为二维邻接矩阵中的边状态变化,为后续生成当前邻接矩阵提供数据来源。

24、进一步的,调用微扰更新公式结合二维邻接矩阵与变动掩码矩阵计算,生成当前邻接矩阵,基于当前邻接矩阵重新判定有向闭环,以提取新增节点序列并压入报错堆栈的步骤包括:

25、调用微扰更新公式,将二维邻接矩阵与变动掩码矩阵中的增量掩码矩阵执行逻辑或运算后,与减量掩码矩阵的逻辑非运算结果执行逻辑与运算,生成当前邻接矩阵;基于当前邻接矩阵重新调用布尔闭包公式执行判定逻辑;若判定存在新的有向闭环,则提取构成新的有向闭环的新增节点序列,并将新增节点序列压入报错堆栈。该处理在保留未变化边状态的基础上写入新增关系边并清除删除关系边,使局部变动后的拓扑状态由当前邻接矩阵表达。

26、进一步的,利用字符边界映射表将报错堆栈中的异常节点集合逆向检索为异常边界索引,结合异常边界索引与引用缺失警告,生成规范检测报告的步骤包括:

27、利用字符边界映射表对报错堆栈中提取的异常节点集合发起逆向检索,还原为异常起始索引与异常终止索引,组合为异常边界索引以在前端交互界面高亮渲染引发逻辑冲突的原文证据片段;结合异常边界索引与引用缺失警告,生成规范检测报告。

28、通过字符边界映射表,矩阵坐标和节点标识符对应的检测结果能够被映射到法律文书文本中的原文证据片段。

29、与现有技术相比,本发明的有益效果:

30、1、本发明通过规范检测节点集合、二值化状态集和目标约束张量依次承接法律文书文本中的节点抽取结果、关系判定结果和张量化表达结果,使主体实体、客体实体、引用关系和排他关系能够以节点坐标和约束维度的形式存储;目标约束张量用于提取互斥切片矩阵,并可降维得到二维邻接矩阵,因此互斥冲突检测、引用缺失筛查和有向闭环判定可以基于同一组节点关系数据完成。

31、2、本发明利用置信上限阈值和置信下限阈值对关联置信概率进行分段处理,高置信节点关联确认为有效连通边,低置信节点关联确认为无关联状态;位于两个阈值之间的关联对进入正则规则引擎进行确定性匹配,并受设定时间周期限制;通过此处理方式,二值化状态集中的记录能够保持确定状态,便于后续张量映射规则执行坐标写入或断开标识维持。

32、3、本发明通过处理法律文书文本的局部变动数据,局部变动数据经差异对比后形成新增关系边和删除关系边,并分别写入增量掩码矩阵和减量掩码矩阵;微扰更新公式根据增量掩码矩阵和减量掩码矩阵更新二维邻接矩阵,生成当前邻接矩阵;利用字符边界映射表将报错堆栈中的异常节点集合还原为异常边界索引,使规范检测报告能够对应到法律文书文本中的原文证据片段。