基于法律文书的信息抽取方法

摘要

本发明提供了一种基于法律文书的信息抽取方法，包括：步骤1，获取法律文书无监督数据，对法律文书无监督数据进行数据预处理及数据清洗，去除法律文书无监督数据中的噪声，形成基于法律文书的语料库；步骤2，对基于法律文书的语料库基于法律文书的语料库采用新词发现算法进行新词发现，得到初步法律文书领域词典候选集，对初步法律文书领域词典候选集进行去噪、去通用词和组合高频词的筛查处理，得到最终的法律文书领域词典。本发明语义理解能力强，减少了人工标注，增强了对通用词汇的学习能力，精度高，为法律文书的其它下游任务或其它领域的信息抽取提供参考，会使得模型获得更好的泛化性能，提升模型对于实体分类的效果。