一种基于Word2Vec-BiLSTM-CRF模型的法律领域的实体抽取方法

摘要

本发明公开了一种基于Word2Vec‑BiLSTM‑CRF的法律领域的命名实体识别方法，具体包括以下步骤：获取法律领域的原始数据并进行数据的预处理，获得的训练语料数据；将获得的训练语料数据输入Word2Vec算法结合CBOW模型，从而得到针对于法律领域的词向量；将预处理获取的训练语料数据，结合模板匹配和中文语料的顿等模式进行标注，获取标注语料，以Bi‑LSTM作为模型的编码层，将获得的标注语料与获得词向量相结合作为编码层的输入，输出得到文本语义信息特征；将Bi‑LSTM层获取的文本语义信息特征作为CRF的输入，最终输出命名实体的识别结果。识别法律文书中种类丰富的实体，实现法律领域实体的细粒度刻画，法律领域的数据结构化，进一步挖掘法律领域的不同实体之间的关系具有重要意义。