(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 202210597754.4 (22)申请日 2022.06.01 (71)申请人 深圳得理科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道香港中文大 学研究楼 201 (72)发明人 李杰坷　杨敏　雷宇　 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/211(2020.01) G06F 40/216(2020.01) G06F 40/242(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 一种法律常识知识图谱的自动化构建方法 (57)摘要 本发明是一种用于利用法律领域文本， 法律 常识知识图谱的自动化构建方法。 该方法主要包 含三个子方法， 利用这三个子方法可以挖掘出本 发明所定义的5种类型的节点和2种类型的关系 的文件， 得到这些节点和关系文件， 再导入图数 据库Neo4j， 即可完成构建法律 常识知识图谱。 本 发明解决了现有的构建法律知识图谱的方法从 数据中挖掘的内容只包含法律实体以及其之间 语义关系， 而不包含法律概念及其之间的从属关 系和关系之间的权 重问题。 权利要求书1页 说明书6页 附图5页 CN 114936291 A 2022.08.23 CN 114936291 A 1.一种法律常识知识图谱的自动 化构建方法， 其特征在于， 包括： 法律知识图谱的节点 定义； 基于法律文本的节点挖掘方法； 节点关系及权 重生成； 知识图谱自动生成。 2.如权利要求1所述的法律常识知识图谱的自动 化构建方法， 其特征在于， 法律知识图 谱的5种节 点类型定义： 根概念节 点、 领域概念节点、 案由概念节 点、 原子概念节点和复合概 念节点。 3.如权利要求1所述的法律常识知识图谱的自动 化构建方法， 其特征在于， 节点间的两 类关系类型： 属于关系 、 语义修饰关系。 4.如权利要求1所述的法律常识知识图谱的自动 化构建方法， 其特征在于， 节点数据挖 掘方法： 包含三个主要子方法： 挖掘领域概念节 点与案由概念节点以及 对应关系的方法； 挖 掘案由概念节点与 原子概念节点以及对应关系的方法； 挖掘复合概念节点与原子概念节点 以及对应关系的方法。 5.如权利要求4所述的法律常识知识图谱的自动化构建方法， 其特征在于： S1属于关 系， 领域概念节点与根概念概念节点、 案由概念节点与领域概念节 点、 案由概念节点与案由 概念节点、 原子概念节点与案由概念节点之间存在属于关系， 属于关系表示一个概念属于 另一个概念的范畴， 如概念 “抢劫”属于概念“机动车交通事故责任纠纷 ”， 概念“名誉权纠 纷”属于概念“民事”,S2语义修饰关系， 复合概念节点与原子概念节点存在语义关系， 因为 复合概念节点是原子概念相关词汇的组合， 例如概念 “司法解释和规范性文件 ”和概念“规 范性”存在语义 修饰关系， 即前者是后者加了修饰词而得到的。 6.如权利要求5所述的法律常识知识图谱的自动化构建方法， 其特征在于， 包括步骤：   S1、 挖掘领域概念节点、 案由概念节点以及对应关系的方法： 获取法律文本 《民事案件案由 规定》 《最高人民法院关于行政案件案由的暂行规定》 和 《刑事罪名库》 ， 利用这三份法律文 本中包含的案由的目录， 提取案由概念节点以及案由概念节点间的从属关系,根据这三份 文本的名称， 提取领域概念节点,根据这三份文本内容所包含的案由， 提取对应的案由概念 节点与领域概念节点的从属关系，  S2、 挖掘案由概念节点、 原子概念节点以及对应关系的 方法： 获取法律裁判文书文本， 输入一份法律裁判文书， 根据该文本的结构， 提取案由概念 节点、 领域概念节 点、 案由概念节点与领域概念节点之 间的从属关系， 对法律裁判文书中的 文本内容进行分句、 分词， 然后进行词性标注、 命名实体识别， 根据以上词法特征和停用词 表， 设定限制条件， 从而过滤出原子概念节点， 并根据该裁判文书文本结构中包含的案由， 得到对应的原子概念节点与案由概念节点的从属关系， 并记录该案由概念对应的原子概念 出现的频数作为对应两个节点间的边的权重， S 3、 挖掘复合概念节 点、 原子概念节点以及 对 应关系的方法： 获取法律裁判文书文本， 输入一份法律裁判文书， 对 该法律裁判文书中的文 本进行分句、 分词， 然后进行词性标注、 命名实体识别、 语法依存分词、 句法组成分词， 根据 以上句法特征和停用词表， 挖掘出复合概念节点以及复合概念节点和对应的原子概念节点 的语义关系。权　利　要　求　书 1/1 页 2 CN 114936291 A 2一种法律常识知识图谱的 自动化构建 方法 技术领域 [0001]本发明要解决的技术问题是： 如何利用中文法律领域相关文本， 如裁判文书、 法律 法规文件等， 构建法律常识知识图谱。 详细描述为： 一、 如何从法律领域相关文本中地挖掘 法律常识知识图谱中的节点； 二、 如何从法律领域相关文本中挖掘法律常识知识图谱中的 节点间的关系。 背景技术 [0002]知识图谱主要可以分类常识知识图谱和百科全书知识图谱。 常识知识图谱更加侧 重于概念之间的关系以及概念的属性， 包括 “是什么”和“怎么样”， 例如“苹果是水果 ”，“苹 果是甜的 ”； 百科全书知识图谱则更注重实体 之间的事实关系， 如 “iPhone是Apple公司的产 品”； 根据相同的标准， 法律知识图谱可以分为法律常识知识图谱和普通法律知识图 谱； 法律常识知识图谱的定义为： 侧重于以图的形式表 现各种法律概念的关系的知识 库， 其中的节点即为法律概念， 其中节点间的关系即为法律概念之间的关系。 例如概念 “假 货”属于概念“网络购物合同纠纷 ”。 法律概念是指法律对各种具有法律意义的事物、 状态、 行为进行概括而形成的专门术语， 或者称之为专业词汇， 如 “民事”、“刑事”、“名誉权纠纷 ” 等； 普通法律知识图谱相对于法律常识知识图谱， 除了包含法律概念及其之间的关 系， 还包含命名实体及其之 间的关系， 而且侧重于后者。 命名实体就是人名、 机构名、 地名以 及其他所有以名称为标识的实体， 更广泛的实体还 包括数字、 日期、 货币、 地址等 等； 现有的近似的技术方案例如： 专利 《一种法律知识图谱自动构建方法》 (专利号：   CN107122444A)能够根据审判文书自动构建法律知识图谱。 详细方法为： 获取民事、 刑事、 行 政三类审判文书作为法律知识图谱构建的语料， 对所述语料去停用 词和进行分词； 根据分 词后的语料， 分别抽取三类审判文书的主题词， 对抽取的主题词进 行词性标注和过滤， 根据 过滤结果， 抽取名词或名词短语主题词作为法律知识图谱的实体概念； 获取与抽取 的每一 名词或名词短语主题词关系相 近的词， 对获取 的相近词进行词性标注和过滤， 根据过滤结 果， 抽取名词或名词短语相 近词作为法律知识图谱的实体概念； 根据抽取 的主题词实体概 念和相近词实体概念以及其之间的关系形成的主题词 ‑主题关系 ‑主题词， 主题词 ‑相近关 系‑相近词三元组结构， 完成法律知识图谱的构建； 其它的相似专利有 《基于法律数据的知识图谱构建方法及系统》 (专利号： CN107908671A),  该方法通过有监督的方法训练法律实体自动识别模型、 法律关系自动识 别模型相关， 从法律数据中挖掘法律实体和关系， 从而构建法律知识图谱； 一、 现有的构建法律知识图谱的方法， 从数据中挖掘的内容只包含法律实体， 以及 其之间语义关系， 而不包含法律概念及其之间的从属关系。 本发明提出 的构建法律常识知 识图谱的方法， 从数据中挖掘的内容， 除了 法律实体极其之间的语义关系， 还包含法律概念说　明　书 1/6 页 3 CN 114936291 A 3