(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210428371.4 (22)申请日 2022.04.22 (71)申请人 成都数之联科技股份有限公司 地址 610000 四川省成 都市武侯区锦绣 街8 号2层270号 (72)发明人 向迪　潘舸众　谷依韩　李鑫　 翁洋　其他发明人请求 不公开姓名　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 舒淼 (51)Int.Cl. G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/18(2012.01) (54)发明名称 案件要素提取方法、 装置、 电子设备及存储 介质 (57)摘要 本发明涉及自然语 言处理领域， 提供一种案 件要素提取方法、 装置、 电子设备及存储介质。 通 过在电子设备中预存多个案由和每个案由对应 的预设提取模 型， 根据待处理案件 所属的目标案 由， 从全部预设提取模型中选取与目标案由对应 的目标提取模型； 然后通过目标提取模型， 对待 处理案件的事实文本进行特征提取， 得到事实文 本的语义特征； 再通过目标提取模型， 提取与语 义特征匹配的案件要素， 得到待处理案件的案件 要素。 通过 获取事实文本的语义特征并提取与其 匹配的案件要素， 从而基于案件事实的语义信息 避免了语言表达的干扰， 提高了提取案件要素的 准确性。 权利要求书3页 说明书14页 附图3页 CN 114792099 A 2022.07.26 CN 114792099 A 1.一种案件要素提取方法， 其特征在于， 应用于电子设备， 所述电子设备预存有多个案 由和每个所述案由对应的预设提取模型， 所述方法包括： 根据待处理案件所属的目标案由， 从全部预设提取模型中选取与所述目标案由对应的 目标提取模型； 通过所述目标提取模型， 对所述待处理案件的事实文本进行特征提取， 得到所述事实 文本的语义特 征； 通过所述目标提取模型， 提取与所述语义特征匹配的案件要素， 得到所述待处理案件 的案件要素。 2.根据权利要求1所述的方法， 其特征在于， 每个案由均有多个案件要素； 所述目标提 取模型包括目标要素关系， 所述目标要素关系表 示所述目标案由中全部目标案件要素之间 的关系； 所述通过所述目标提取模型， 提取与所述语义特征匹配的案件要素， 得到所述待处理 案件的案件要素的步骤， 包括： 通过所述目标提取模型， 确定每 个所述目标案件要素与所述语义特 征的第一匹配值； 通过所述目标提取模型， 基于每个所述第一匹配值， 得到每个第一预测值； 每个所述第 一预测值表示每 个所述目标案件要素与所述语义特 征的第一匹配关系； 通过所述目标提取模型， 基于每个所述第一匹配值、 每个所述第一预测值和所述目标 要素关系， 得到每个第二预测值； 每个所述第二预测 值表示每个所述 目标案件要素与所述 语义特征的第二匹配关系； 根据每个所述目标案件要素与所述语义特征的第 二匹配关系， 得到所述待处理案件的 案件要素。 3.根据权利要求1所述的方法， 其特 征在于， 所述目标提取模型包括特 征提取层； 所述通过所述目标提取模型， 对所述待处理案件的事实文本进行特征提取， 得到所述 事实文本的语义特 征的步骤 包括： 通过所述目标提取模型中的特征提取层， 对所述事实文本进行特征提取， 得到维度相 同的词向量、 句向量和位置向量； 其中， 所述词向量表示所述事实文本 中的词， 所述句向量表示所述事实文本 中的句子， 所述位置向量表示所述事实文本中词的位置； 通过所述目标提取模型中的特征提取层， 将所述词向量、 所述句向量和所述位置向量 叠加， 得到表示所述事实文本的语义特 征的第一向量。 4.根据权利要求2所述的方法， 其特征在于， 第一向量表示所述语义特征； 所述目标提 取模型包括全连接层， 所述目标提取模型中的全连接层 包括由全部目标案件要素构成的特 征空间； 所述通过所述目标提取模型， 确定每个所述目标案件要素与 所述语义特征的第 一匹配 值的步骤， 包括： 通过所述目标提取模型中的全连接层， 将所述第一向量映射到所述特征空间， 得到维 度与全部目标案件要素的总个数相同的第二向量； 其中， 所述第 二向量中的每个元素表示每个所述目标案件要素与所述语义特征的第 一 匹配值。权　利　要　求　书 1/3 页 2 CN 114792099 A 25.根据权利要求2所述的方法， 其特 征在于， 所述目标提取模型包括激活函数层； 所述通过所述目标提取模型， 基于每个所述第 一匹配值， 得到每个第 一预测值的步骤， 包括： 通过所述目标提取模型中的激活函数层， 对每个所述第一匹配值进行归一化处理， 得 到每个所述目标案件要素与所述语义特 征的第一匹配概 率； 通过所述目标提取模型中的激活函数层， 将小于预设阈值的第 一匹配概率所对应的第 一预测值设置为第一数值， 且将大于或者等于所述预设阈值的第一匹配概率所对应的第一 预测值设置为第二数值， 得到每 个所述第一预测值； 其中， 所述第 一预测值为所述第 一数值表示其对应的目标案件要素与 所述语义特征的 第一匹配关系为不匹配； 所述第一预测值为所述第二数值表示其对应的目标案件要素与所 述语义特 征的第一匹配关系为匹配。 6.根据权利要求2所述的方法， 其特征在于， 所述目标要素关系 包括每个所述目标案件 要素的参数， 所述目标提取模型包括要素关系层； 所述通过所述目标提取模型， 基于每个所述第一匹配值、 每个所述第一预测值和所述 目标要素关系， 得到每 个第二预测值的步骤， 包括： 通过所述目标提取模型中的要素关系层， 计算每个所述目标案件要素的参数和其对应 的第一预测值的乘积， 并将 每个所述目标案件要 素对应的第一匹配值与全部目标案件要 素 对应的乘积相加， 得到每 个所述目标案件要素与所述语义特 征的第二匹配值； 通过所述目标提取模型中的要素关系层， 对每个所述第二匹配值进行归一化处理， 得 到每个所述目标案件要素与所述语义特 征的第二匹配概 率； 通过所述目标提取模型中的要素关系层， 将小于预设阈值的第 二匹配概率所对应的第 二预测值设置为第一数值， 且将大于或者等于所述预设阈值的第二匹配概率所对应的第二 预测值设置为第二数值， 得到每 个所述第二预测值； 其中， 所述第 二预测值为所述第 一数值表示其对应的目标案件要素与 所述语义特征的 第二匹配关系为不匹配； 所述第二预测值为所述第一数值表示其对应的目标案件要素与所 述语义特 征的第二匹配关系为匹配。 7.根据权利要求1所述的方法， 其特征在于， 任意一个所述预设提取模型是按照以下方 式获得的： 基于法律 规范和所述案由 的多个历史案件， 构建所述案由 的多个案件要素； 基于所述案由的多个案件要素， 对所述案由的每个案件样本进行标注， 得到每个带要 素标签的案件样本； 根据所述案由的全部带要素标签的案件样本对基础模型进行训练， 获得与 所述案由对 应的预设提取模型。 8.一种案件要素提取装置， 其特征在于， 应用于电子设备， 所述电子设备预存有多个案 由和每个所述案由对应的预设提取模型， 所述装置包括： 选取模块， 用于根据待处理案件所属的目标案由， 从全部预设提取模型中选取与所述 目标案由对应的目标提取模型； 特征提取模块， 用于通过所述目标提取模型， 对所述待处理案件的事实文本进行特征 提取， 得到所述事实文本的语义特 征；权　利　要　求　书 2/3 页 3 CN 114792099 A 3