基于知识模型匹配的公益诉讼案源信息自适应获取系统

针对公益诉讼案源信息自适应获取过程中,受到信息匹配算法的影响,导致信息获取数量较少的问题,设计基于知识模型匹配的公益诉讼案源信息自适应获取系统。针对存储器与预处理器进行设计,为后续系统软件设计提供支撑。通过公益诉讼案源信息的处理,获取诉讼案源信息特征,构建知识模型。利用构建的知识图谱,设计知识模型匹配算法。根据实际需求,实现公益诉讼案源信息自适应获取。实验结果表明系统信息自适应获取性能较高,且随着时间的递增,有效增加了案源信息获取数量。

多源异构数据特征的智能结构化方法仿真

数据具备结构化特征是人工智能应用的基础,但是目前法律文书的数据特征是非结构化的,给人工智能应用的扩展带来极大挑战。为了逐渐逼近真正意义上的法律人工智能应用,研究多源异构数据的自动结构化方法。法律领域多源异构数据广泛存在于公开网络平台,如侦查过程,庭审记录,审判结果等,其特点是散乱、无序和碎片化。结合多源异构数据的结构化探索,研究提出了一种BERT-BiLSTM-CRF深度学习模型进行命名实体识别工作。实验结果显示研究提出的模型对于命名实体的识别率平均F1值为96.55%,验证了所提方法的有效性,证明了上述研究有效地提高了命名实体识别准确率。