买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明公开了一种基于半监督的图神经网络的案件争议焦点识别方法及装置，所述方法包括：首先利用司法知识图谱三元组嵌入丰富诉辩双方关键陈述句子，然后设计关键单词筛选机制，将输入的诉辩文本单词进行排序、抽取操作，将处理后的单词与文本作为两种节点构建文本图，将文本图输入图注意力网络实现多标签文本分类，从而识别争议焦点。本发明通过利用司法知识图谱中的知识要素、关键文本单词筛选机制，增强了文本特征、改善了长文本限制问题，降低了模型占用资源，最终基于半监督的图神经网络实现多标签文本分类技术完成争议焦点的识别，提高庭审效率。

主权项：1.一种基于半监督的图神经网络的案件争议焦点识别方法，其特征在于，包括以下步骤：将待识别的案件诉辩陈述数据进行中文数据预处理，得到法律文本相关的句子；将法律知识图谱三元组融入到句子中，对句子进行分词处理，并将分词处理后的单词与文本分别作为节点构建出第一文本图；采用图卷积网络与个人页面排名算法迭代计算出所述第一文本图中每个单词节点对于文本节点的重要程度，并根据重要程度排序获得关键单词节点；将获取到的关键单词节点通过词嵌入求和得到关键文本节点，并将关键单词节点与关键文本节点构建出关键文本图；所述采用图卷积网络与个人页面排名算法迭代计算出所述第一文本图中每个单词节点对于文本节点的重要程度，并根据重要程度排序获得关键单词包括：将第一文本图输入到图卷积网络中，计算出第一文本图损失；使用个人页面排名算法计算出第一文本图中单词节点对于文本节点的重要程度，并将其作为文本节点与单词节点的边，将边权重也即重要程度大于第一阈值的单词节点作为第一关键单词节点；将第一关键单词节点构成的第一关键文本图输入到图卷积网络中，计算出第一关键文本图损失，与所述第一文本图损失作差值，若该差值大于设定的第一损失差阈值，则降低第一阈值，增加关键单词节点数量，更新第一关键单词节点，继续将更新后的第一关键单词节点构成的第一关键文本图输入图卷积网络，迭代直至收敛，将最终的第一关键单词节点作为第二关键单词输出；若该差值小于或等于设定的第一损失差阈值，则直接将第一关键单词作为第二关键单词输出；构建出第一关键文本图的过程包括：将第一关键单词节点通过词嵌入求和组合为第一关键文本节点，使用个人页面排名算法计算出重要程度作为第一关键单词节点与第一关键文本节点的边，使用逐点互信息法对筛选后的第一关键单词之间的逐点互信息作为第一关键单词节点与第一关键单词节点的边，使用第一关键单词节点、第一关键文本节点以及对应的关系构建第一关键文本图；所述个人页面排名算法所采用的公式表示为： 其中，SVi为单词节点Vi的重要程度，InVi为单词节点Vi的前驱节点集合，OutVj为单词节点Vi的后继节点集合，d为阻尼系数，用于收敛；将关键文本图输入到基于图注意力网络的争议焦点识别模块中，输出案件争议焦点；具体为：使用关键单词节点、关键文本节点构成关键文本图，将关键文本图作为图注意力网络的输入，图注意力网络通过图注意力机制对邻居节点赋权，实现有权重的提取邻居节点即关键单词节点的重要特征信息，聚和出关键文本节点新的特征信息，将图注意力网络输出的关键文本节点特征信息输入到全连接层，使用sigmod函数激活输出每个标签的概率值，将大于等于阈值的标签预测为该标签存在争议焦点，小于该阈值的标签预测为不是争议焦点。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于半监督的图神经网络的案件争议焦点识别方法及装置