多源异构数据特征的智能结构化方法仿真

摘要：

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.

关键词：法律人工智能、多源异构数据、数据融合、深度学习、命名实体识别

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC0830803

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：451-455,501