面向纪检案例的事理图谱构建关键技术研究

作     者：王浩达 

作者单位：杭州电子科技大学 

学位级别：硕士

导师姓名：任一支

授予年度：2023年

学科分类：0302[法学-政治学] 03[法学] 030204[法学-中共党史(含：党的学说与党的建设)] 030503[法学-马克思主义中国化研究] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0305[法学-马克思主义理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：纪检案例 事理图谱 事件抽取 隐式因果关系抽取 

摘      要：随着纪检监察工作任务的逐渐深入,定性量纪、定罪量刑已然成为纪检监察的新路径。在此背景下,“互联网+纪检呈现出蓬勃发展的良好态势。因此,如何从大量文本信息中获取有价值的知识是当前研究热点之一。由于事理图谱能够清晰地从文本信息中挖掘出事件间的逻辑关系,为纪检人员定性量纪、定罪量刑提供了有力的参考依据,从而降低了审查成本,提升了工作效率和质量,促进了智慧纪检监察的建设。本文研究面向纪检案例的事理图谱构建关键技术,将其划分为事件抽取和事件关系抽取两个部分,研究各部分的实现方法并做出改进。本文主要工作及创新点如下所示:(1)针对在多事件情况下出现漏抽和错抽的问题,提出了基于依存句法分析增强的多特征融合事件抽取模型。该模型通过ERNIE获取完整的词语语义特征,同时采用图注意力网络在依存句法图上进行卷积操作,得到文本的句法结构特征。此外,采用双向长短时记忆网络深入挖掘文本的内在含义,并通过融合多特征获得完整的文本语义特征,进而提高整个模型对事件的识别能力。实验结果表明,基于依存句法分析增强的多特征融合事件抽取模型在事件抽取任务上的准确率优于基线模型。(2)针对事件隐式因果关系描述隐晦以及长距离依赖的问题,提出了基于Bi-GRU和因果知识增强的隐式因果关系抽取模型。该模型将纪检领域中的法律因果关系作为补充因果知识融合到输入中,提高模型对案例中事件隐式因果关系的识别能力。此外,该模型同时利用Bi-GRU在充分考虑上下文语境情况下获得更加完整的事件描述,提升事件隐式因果关系抽取的准确率。实验结果表明,基于Bi-GRU和因果知识增强的隐式因果关系抽取模型在事件隐式因果关系抽取任务上的准确率优于基线模型。