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：湘潭大学

摘要：本发明属于图数据处理领域，公开了一种基于图卷积的案件相似度计算方法，包括步骤：训练基于图卷积的神经网络模型；从待计算相似度的案件法律文书的案情描述中抽取知识图谱；将所述知识图谱转换为图；将所述图输入所述训练好的基于图卷积的神经网络模型中，得到案件的图表征；采用向量之间相似度计算方法计算所述案件图表征之间的相似度，作为对应案件之间的相似度。能获取法律要素之间长期、全局和非连续的依赖关系，有效提高了案件相似度计算的准确性，以及在海量数据中进行使用，系统的计算性能达到实际需求。

主权项：1.一种基于图卷积的案件相似度计算方法，其特征在于，该方法包括如下步骤：S1.训练基于图卷积的神经网络模型；所述基于图卷积的神经网络模型包括图卷积网络层、图节点信息聚合层、损失层；所述的图卷积网络层由多个图卷积层堆叠而成，前一个图卷积层的输出作为后一个图卷积层的输入，其第l层如以下公式所示： 其中，A是所述图的邻接矩阵，In是单位矩阵，为所述图的对角度矩阵，而Wl∈Rn×d′是第l层的可训练权重矩阵，σ·表示激活函数，Hl∈Rn×d′是第l层的节点特征矩阵，第一层节点的特征矩阵为所述图节点对应的知识图谱中实体或关系的嵌入表示；所述基于图卷积的神经网络模型接收图的信息作为输入，在推理过程中输出一个图表征；所述的图节点信息聚合层为双向长短期记忆网络层；将双向长短期记忆网络层第一个和最后一个细胞单元输出向量的均值作为整个图的表征；所述的训练基于图卷积的神经网络模型采取如下方式进行：S11.获取训练集，所述训练集中每个样本由几个法律文书组成，文书间存在相似度差异；S12.从所述训练集中各法律文书的案情描述中抽取知识图谱：预定义需要抽取的案情知识图谱的实体和关系类型；利用人工标注的方式或已经训练好的知识自动抽取模型从所述案情描述中抽取预定义类型的实体和关系，得到由若干三元组h,r,t组成的知识图谱，其中h代表头实体，r代表关系，t代表尾实体；S13.对所述知识图谱各三元组的实体和关系进行嵌入：利用知识图谱嵌入算法对各三元组进行嵌入学习，得到三元组集合中实体和关系的嵌入向量，并构建知识图谱中实体和关系到其嵌入向量之间的映射；S14.将所述知识图谱转换为图：将知识图谱中各三元组的实体分别转换为一个节点，节点的编号与实体名称一一对应；各三元组中的关系转换为一个节点，节点的编号依次递增；实体和关系的嵌入向量作为节点的特征；将转换后的图设定为无向图；S15.将所述每个样本对应的图输入所述基于图卷积的神经网络模型，计算损失，根据损失与模型参数之间的梯度，更新所述模型参数直至模型收敛，保存模型参数；S2.从待计算相似度的案件法律文书的案情描述中抽取知识图谱；S3.将所述知识图谱转换为图；S4.将所述图输入所述训练好的基于图卷积的神经网络模型中，得到案件的图表征；S5.采用向量之间相似度计算方法计算所述案件图表征之间的相似度，作为对应案件之间的相似度。

全文数据：

权利要求：

百度查询： 湘潭大学 一种基于图卷积的案件相似度计算方法及系统