申请/专利权人：太极计算机股份有限公司

申请日：2021-02-19

公开（公告）日：2024-03-26

公开（公告）号：CN112836051B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/242;G06F40/279;G06F40/30;G06Q50/18

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2021.06.11#实质审查的生效;2021.05.25#公开

摘要：本发明公开了一种在线自学习的法院电子卷宗文本分类方法，包括采集文本数据，基于所采集的法律文书语料集，采用Word2vec的Skip‑gram模型，训练得到司法领域词向量模型，基于所采集的卷宗语料集，采用Doc2vec的PV‑DM模型进行训练，进行训练LDA模型；使用多维度语义表示方法获取卷宗文件特征向量；在应用系统中集成基于高斯核函数的KELM离线学习案卷文本分类器；利用基于RLS的在线序列优化模型KOS‑ELM对当前案卷文本分类器进行在线优化。本发明通过基于人工标注的卷宗语料集，提出多维度语义表示方法获取卷宗文件特征向量，通过使用基于RLS的在线序列优化模型KOS‑ELM对当前案卷文本分类器进行在线优化，经过迭代更新，模型分类正确率得到了逐步优化。

主权项：1.一种在线自学习的法院电子卷宗文本分类方法，其特征在于，包括以下步骤：S1:采集文本数据，从案卷中选取常见案件卷宗，从所述案件卷宗中选取文本文件进行人工标注作为卷宗语料集，从网上采集裁判文书作为法律文书语料集；S2:基于所采集的法律文书语料集，采用Word2vec的Skip-gram模型，训练得到司法领域词向量模型，向量维度为300维；S3:基于所采集的卷宗语料集，采用Doc2vec的PV-DM模型进行训练，得到文件特征向量，向量维度为300维；S4:基于所采集的卷宗语料集，进行训练LDA模型；首先构建基于词的主题模型，基于LDA对文件主题和词的概率分布的设定得到联合概率关系式其中：K为主题数；M为卷宗语料集中的文件数；N为文件中的词数，W表示文件中词的概率分布，Z、θ及φ代表三种分布的中间隐含变量，α、β是需要确定的Dirichlet分布超参数；采用算法得到卷宗文件主题的概率分布θ和主题中词的概率分布φ，从而确定一个K*V矩阵，所述矩阵中每一列作为对应词的主题信息向量，其中V表示卷宗语料集的词典长度；S5:使用训练好的Skip-gram模型、PV-DM模型、LDA模型获取卷宗文件特征向量；S6:在应用系统中集成基于高斯核函数的KELM离线学习案卷文本分类器；S7:系统在线使用过程，采集用户修正后的文件作为新标注样本，利用基于RLS的在线序列优化模型KOS-ELM对当前案卷文本分类器进行在线优化；S7的具体步骤如下：S71ELM算法采用离线方式计算得到KELM输出权重矩阵；当输入的特征矩阵无法确保为可逆方阵时，转为基于广义逆求解范数最小二乘解；S72在迭代优化阶段，每次增加一批新样本，基于递推最小二乘算法对输出权重矩阵进行序列迭代，同时采用sherman-Morrison-Woodbury公式进行改写；S73经过改写，每次仅使用一个样本进行迭代，求逆运算成为求倒数。

全文数据：

权利要求：

百度查询： 太极计算机股份有限公司 一种在线自学习的法院电子卷宗文本分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD