一种基于机器学习的司法鉴定信息提取方法与流程

本发明涉及司法鉴定信息处理，尤其涉及一种基于机器学习的司法鉴定信息提取方法。

背景技术：

1、司法鉴定资料包含委托信息、检材信息、检测方法、鉴定过程、鉴定意见和签章内容，文书来源多、版式差异大，字段表达存在交叉、重复和省略。现有司法鉴定信息提取方式多采用人工录入、模板匹配、关键词检索或普通序列标注模型，对文本片段进行字段识别后输出结构化结果。

2、上述方式侧重单字段抽取，缺少面向鉴定事项、检材样本、检测方法、鉴定过程和鉴定意见的证据链组织机制。相同文本片段在多个鉴定意见之间重复使用时，现有方式难以记录独占、共享和未占用状态，容易造成同一证据被冲突证据链重复占用。普通图池化模型按照节点特征聚合文本片段，未在角色分配矩阵中引入证据占用约束项，也未在证据链归属阶段引入检材一致性池化掩码，编号冲突的角色簇仍会进入同一鉴定意见证据链。现有输出结果缺少原文索引回映射和删链校验，结构化结果的来源定位、证据闭合判断和复核处理能力不足。因此，如何提供一种基于机器学习的司法鉴定信息提取方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于机器学习的司法鉴定信息提取方法，本发明利用改进的diffpool结构、证据占用守恒账本和检材一致性池化掩码，对司法鉴定资料中的文本片段、编号信息和鉴定意见证据链进行提取、归属和校验，具备证据链组织清晰、重复占用控制准确、原文可追溯和复核效率高的优点。

2、根据本发明实施例的一种基于机器学习的司法鉴定信息提取方法，包括如下步骤：

3、读取司法鉴定资料，提取文本片段、编号信息和原文索引，生成司法鉴定文本片段节点表；

4、以文本片段为图节点，按文本位置关系、编号一致关系和鉴定流程支撑关系建立图边，生成司法鉴定文本证据图；

5、以文本片段建立证据占用守恒账本，登记字段角色、占用链编号、共享标记和占用状态；

6、将司法鉴定文本证据图和证据占用守恒账本输入改进的diffpool结构，在角色分配矩阵生成中引入占用约束项，将文本片段按已独占、共享和未占用状态约束为禁选、可共享和可选，按约束后的角色分配矩阵池化为鉴定角色簇；

7、在改进的diffpool结构的证据链归属阶段引入检材一致性池化掩码，将编号一致的鉴定角色簇保留为证据链归属矩阵可选对象，将编号冲突的鉴定角色簇排除在同一鉴定意见证据链簇之外；

8、以鉴定意见角色簇作为证据链归属矩阵锚定列，在检材一致性池化掩码限定范围内确定鉴定角色簇的归属位置，池化生成鉴定意见证据链簇，按证据占用守恒账本更新占用状态；

9、将鉴定意见证据链簇回映射至原文索引，对鉴定意见证据链簇执行删链校验，依据原文映射结果、删链校验结果、占用状态和编号一致结果输出结构化司法鉴定信息。

10、可选的，所述生成司法鉴定文本片段节点表的操作包括：

11、按资料页序切分司法鉴定资料，得到文本片段；

12、提取文本片段中的编号信息，配置文本片段编号和原文索引；

13、将文本片段编号、文本片段、编号信息和原文索引写入同一行记录，生成司法鉴定文本片段节点表。

14、可选的，所述生成司法鉴定文本证据图的操作包括：

15、从司法鉴定文本片段节点表中读取文本片段编号、编号信息和原文索引；

16、按原文索引相邻的文本片段建立文本位置边；

17、按编号信息相同的文本片段建立编号一致边；

18、按鉴定事项、检材样本、检测方法、鉴定过程和鉴定意见的顺序建立鉴定流程支撑边；

19、将文本位置边、编号一致边和鉴定流程支撑边写入图边记录，生成司法鉴定文本证据图。

20、可选的，所述以文本片段建立证据占用守恒账本的操作包括：

21、从司法鉴定文本片段节点表中读取文本片段编号、文本片段和编号信息；

22、依据文本片段所属的鉴定事项、检材样本、检测方法、鉴定过程和鉴定意见配置字段角色；

23、按编号信息为文本片段配置占用链编号；

24、将可由若干个鉴定意见共用的文本片段登记为共享标记，将仅对应单一鉴定意见的文本片段登记为独占标记；

25、将未写入鉴定意见证据链簇的文本片段登记为未占用状态，生成包含文本片段编号、字段角色、占用链编号、共享标记和占用状态的证据占用守恒账本。

26、可选的，所述在角色分配矩阵生成中引入占用约束项的操作包括：

27、按文本片段编号对应读取证据占用守恒账本中的占用状态和共享标记；

28、将占用状态为已独占的文本片段在角色分配矩阵中的对应矩阵位置标记为禁选；

29、将登记有共享标记的文本片段在角色分配矩阵中的对应矩阵位置标记为可共享；

30、将占用状态为未占用的文本片段在角色分配矩阵中的对应矩阵位置标记为可选；

31、按照禁选、可共享和可选的标记结果生成占用约束项，将占用约束项写入角色分配矩阵对应矩阵位置，得到约束后的角色分配矩阵。

32、可选的，所述按约束后的角色分配矩阵池化为鉴定角色簇的操作包括：

33、读取约束后的角色分配矩阵中标记为可共享和可选的矩阵位置，按字段角色归并文本片段编号，形成鉴定事项角色簇、检材样本角色簇、检测方法角色簇、鉴定过程角色簇和鉴定意见角色簇；

34、将标记为禁选的文本片段排除出鉴定角色簇；

35、将同一鉴定角色簇内的文本片段编号、字段角色、编号信息和原文索引建立簇内对应记录；

36、将鉴定角色簇编号和簇内对应记录写入证据占用守恒账本。

37、可选的，所述在改进的diffpool结构的证据链归属阶段引入检材一致性池化掩码的操作包括：

38、从鉴定角色簇的簇内对应记录中读取文本片段编号和编号信息；

39、从编号信息中提取案件编号、检材编号和样本编号；

40、以鉴定意见角色簇为目标链索引，将待归属鉴定角色簇与鉴定意见角色簇的案件编号、检材编号和样本编号逐项比对；

41、三项编号均一致时，在检材一致性池化掩码中将待归属鉴定角色簇标记为准入；

42、任一编号不一致时，在检材一致性池化掩码中将待归属鉴定角色簇标记为禁入；

43、将标记为准入的鉴定角色簇保留为证据链归属矩阵可选对象，将标记为禁入的鉴定角色簇排除在同一鉴定意见证据链簇之外。

44、可选的，所述以鉴定意见角色簇作为证据链归属矩阵锚定列的操作包括：

45、从检材一致性池化掩码中读取标记为准入的鉴定角色簇，将准入的鉴定角色簇编号配置为证据链归属矩阵的行索引，将鉴定意见角色簇编号配置为证据链归属矩阵的列索引；

46、逐行比对准入的鉴定角色簇与鉴定意见角色簇之间的鉴定流程支撑边和占用链编号；

47、存在鉴定流程支撑边且占用链编号一致时，将证据链归属矩阵中对应行列位置的归属值置为1；

48、不存在鉴定流程支撑边或者占用链编号不一致时，将证据链归属矩阵中对应行列位置的归属值置为0；

49、以归属值为1的列索引对应的鉴定意见角色簇编号作为证据链簇主索引，汇总归属值为1的行索引对应的鉴定角色簇编号，生成鉴定意见证据链簇。

50、可选的，所述按证据占用守恒账本更新占用状态的操作包括：

51、读取鉴定意见证据链簇中的鉴定意见证据链簇编号和鉴定角色簇编号；

52、在证据占用守恒账本中按鉴定角色簇编号查找对应文本片段编号、共享标记、占用链编号和占用状态；

53、共享标记为独占标记且占用状态为未占用状态时，将占用状态改写为已独占状态；

54、共享标记为共享标记且占用状态为未占用状态时，将占用状态改写为共享占用状态；

55、共享标记为共享标记且占用状态为共享占用状态时，将鉴定意见证据链簇编号追加至占用链编号；

56、共享标记为独占标记且占用状态为已独占状态时，保持占用状态不变。

57、可选的，所述将鉴定意见证据链簇回映射至原文索引并执行删链校验的操作包括：

58、读取鉴定意见证据链簇编号、鉴定角色簇编号和对应文本片段编号；

59、在司法鉴定文本片段节点表中按文本片段编号查找原文索引，生成原文映射结果；

60、对鉴定意见证据链簇执行角色簇删除，得到待校验证据链；

61、检查待校验证据链中鉴定事项角色簇至鉴定意见角色簇之间的鉴定流程支撑边完整性，完整时将证据链闭合状态记为闭合，缺失时将证据链闭合状态记为未闭合；

62、根据证据链闭合状态生成删链校验结果，依据原文映射结果、删链校验结果、占用状态和编号一致结果输出结构化司法鉴定信息。

63、本发明的有益效果是：（拓展上面的）

64、（1）本发明将司法鉴定资料切分为文本片段，并结合编号信息和原文索引生成司法鉴定文本片段节点表，再建立司法鉴定文本证据图，使鉴定事项、检材样本、检测方法、鉴定过程和鉴定意见之间形成可计算的证据链结构，提高司法鉴定信息提取结果的组织完整性。

65、（2）本发明在改进的diffpool结构中引入证据占用守恒账本和占用约束项，对已独占、共享和未占用状态下的文本片段进行差异化池化约束，减少同一文本片段被多个冲突鉴定意见重复占用的问题，提高鉴定角色簇生成的准确性。

66、（3）本发明在证据链归属阶段引入检材一致性池化掩码，并以鉴定意见角色簇作为证据链归属矩阵锚定列，筛除编号冲突的鉴定角色簇，生成鉴定意见证据链簇；再结合原文回映射和删链校验输出结构化司法鉴定信息，提高结果可追溯性和复核效率。