论文部分内容阅读
由于法律领域知识图谱专业性强、结构复杂,而现有的关系抽取方法因各个领域的需求和术语不同,无法适用于法律领域知识图谱的构建和补全。首先,提出了基于StanfordNLP关系抽取机制的法律知识图谱构建方法;然后,构建基于设置谓语导向词的深度学习模型对法律知识图谱进行补全;最后,选用典型案例(伪卡盗刷判决书)作为文本对象验证模型的可行性。与其他知识图谱补全模型相比,本模型的准确率达到95%以上。基于谓语导向词的深度学习模型综合了自动构建和人工参与,提高了关系抽取的准确率和补全的效率,能最大程度挖掘判决书文本中的