司法案件的自动知识图谱构建
计算与语言
2024-04-16 v1
摘要
在本文中，我们探索了认知智能在法律知识中的应用，重点关注司法人工智能的发展。以自然语言处理（NLP）作为核心技术，我们提出了一种针对司法案件的案件知识图谱自动构建方法。我们的方法以两个基本的 NLP 任务为中心：实体识别和关系抽取。我们比较了两个用于实体识别的预训练模型，以确立其有效性。此外，我们引入了一个结合翻译嵌入的多任务语义关系抽取模型，从而实现了细致入微的上下文化案件知识表示。具体而言，在涉及“机动车交通事故责任纠纷”的案例研究中，我们的方法显著优于基线模型。实体识别 F1 分数提高了 0.36，而关系抽取 F1 分数提高了 2.37。基于这些结果，我们详细介绍了司法案件的案件知识图谱自动构建过程，能够组装数十万份判决书的图谱。该框架为司法人工智能的应用提供了稳健的语义支持，包括相关案件的精确分类和推荐。
引用
@article{arxiv.2404.09416,
title = {Automatic Knowledge Graph Construction for Judicial Cases},
author = {Jie Zhou and Xin Chen and Hang Zhang and Zhe Li},
journal= {arXiv preprint arXiv:2404.09416},
year = {2024}
}