(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211337416.3 (22)申请日 2022.10.28 (71)申请人 北京澜舟 科技有限公司 地址 100000 北京市海淀区海淀大街3号1 幢10层10 01 (72)发明人 华菁云　王宇龙　周明　 (74)专利代理 机构 深圳市智享知识产权代理有 限公司 4 4361 专利代理师 王琴 (51)Int.Cl. G06F 16/33(2019.01) G06F 40/211(2020.01) G06Q 50/18(2012.01) (54)发明名称 一种法律文书案例抽取方法、 系统和存储介 质 (57)摘要 本发明涉及法律文书案例抽取技术领域， 特 别涉及一种法律文书案例抽取方法、 系统和存储 介质， 本发 明的法律文书案例抽取方法包括以下 步骤： 获取待抽取法律文书文本； 将待抽取法律 文书文本划分成句； 获取预测模型； 通过预测模 型预测出属于开头、 其他、 结尾类别的句子； 将开 头、 其他、 结尾类别的句子对应组合得到法律文 书案例抽取结果。 本发明通过预测模 型给待抽取 法律文书文本中的句子分类， 然后再根据句子的 类别对应组合得到案例抽取结果， 可以从长文本 中抽取出任意长度的案例信息文本， 规避了预测 模型的固定长度的输出文本字 符限制， 能够使用 户获得更准确、 丰富的信息。 本发明还提供一种 法律文书案例抽取系统与存 储介质。 权利要求书1页 说明书10页 附图7页 CN 115391496 A 2022.11.25 CN 115391496 A 1.一种法律文 书案例抽取方法， 其特 征在于： 包括以下步骤： 获取待抽取法律文 书文本； 将所述待抽取法律文 书文本划分成句； 获取预测模型； 通过预测模型 预测出属于开头、 其 他、 结尾类别的句子； 将开头、 其 他、 结尾类别的句子对应组合得到法律文 书案例抽取结果。 2.如权利要求1所述的法律文书案例抽取方法， 其特征在于： 将所述待抽取法律文书文 本划分成句包括以下步骤： 基于标点符号将待抽取法律文 书文本划分成句。 3.如权利要求2所述的法律文书案例抽取方法， 其特征在于： 所述标点符号为句号字 符。 4.如权利要求1所述的法律文书案例抽取方法， 其特征在于： 获取预测模型包括以下步 骤： 获取训练数据； 对训练数据进行 标注； 获取初始模型； 利用标注后的训练数据对初始模型进行微调得到预测模型。 5.如权利要求4所述的法律文书案例抽取方法， 其特征在于： 所述初始模型为Mengzi ‑ BERT‑Large模型、 Mengzi ‑BERT‑base模型、 Mengzi ‑BERT‑3B模型中的一种。 6.如权利要求1所述的法律文书案例抽取方法， 其特征在于： 通过预测模型预测出属于 开头、 其他、 结尾类别的句子包括以下步骤： 获取一个句子作为当前句； 将当前句与所述当前句的前后句采用滑窗方式组合作为 一个文本块； 判断文本块中当前句属于开头、 其 他、 结尾中的哪一个 类别。 7.如权利要求6所述的法律文书案例抽取方法， 其特征在于： 判断文本块中当前句属于 开头、 其他、 结尾中的哪一个 类别包括以下步骤： 获取当前句的前后句的字符特 征； 基于前后句的字符特 征判断当前句属于开头、 其 他、 结尾中的哪一类别。 8.一种法律文书案例抽取系统， 其特征在于： 包括内容提取模块、 数据预处理模块、 预 测模块以及后处理模块； 所述数据预 处理模块分别与所述内容提取模块以及所述预测模块 信号连接， 所述预测模块与所述后处 理模块信号连接； 所述内容 提取模块用于获取待抽取法律文 书文本； 所述数据预处 理模块用于将所述待抽取法律文 书文本划分成句； 所述预测模块用于给句子分类， 识别出属于开头、 其 他、 结尾类别的句子； 所述后处 理模块用于将开头、 其 他、 结尾类别的句子对应组合输出案例 抽取结果。 9.如权利要求8所述的法律文书案例抽取系统， 其特征在于： 所述预处理模块包括组合 模块， 所述组合模块用于将划分之后的句子组合形成文本块。 10.一种存储介质， 其上存储有计算机程序， 其特征在于： 所述计算机程序被处理器执 行时实现权利要求1 ‑7任一项所述的法律文 书案例抽取方法。权　利　要　求　书 1/1 页 2 CN 115391496 A 2一种法律文书案例抽取方 法、 系统和存 储介质 技术领域 [0001]本发明涉及法律文书案例抽 取技术领域， 特别涉及一种法律文书案例抽 取方法、 系统和存 储介质。 背景技术 [0002]目前， 在案例抽取中采用的主流方法是使用自然语言处理的预训练模型如BE RT抽 取对应结构化文本， 但有一个弊端是BERT相关模型仅支持小于固定长度 （512字符） 的文本 的输入、 小于固定长度 （512字符） 的文本的输出； 并且， 学术界多关注于对长文本的理解这 一阶段， 而下游任务的输出则是短文本 （如open ‑domain的QA任务） 或标签 （如文档分类任 务） ， 针对上下文和答案都为长文本的情况， 学术界研究成果较少， 该问题也是自然语言处 理领域的一大难题。 然而， 在真实业务中， 尤其是对法律文书进行案例抽取时， 待抽取 的公 告文本通常都会超过512字符长度， 这往往会导致文本信息的丢失及抽取不准确； 此外， 抽 取得到的短文本片段化， 无法提供足够丰富的情报信息给用户， 从而导致用户难以获取精 准、 丰富的案例信息 。 发明内容 [0003]为了从长文本中抽取得到长文本结果， 本发明提供了一种法律文书案例抽取方 法、 系统和存 储介质。 [0004]本发明解决技 术问题的方案是提供一种法律文 书案例抽取方法， 包括以下步骤： 获取待抽取法律文 书文本； 将所述待抽取法律文 书文本划分成句； 获取预测模型； 通过预测模型 预测出属于开头、 其 他、 结尾类别的句子； 将开头、 其 他、 结尾类别的句子对应组合得到法律文 书案例抽取结果。 [0005]优选地， 将所述待抽取法律文 书文本划分成句包括以下步骤： 基于标点符号将待抽取法律文 书文本划分成句。 [0006]优选地， 所述标点符号 为句号字符。 [0007]优选地， 获取 预测模型包括以下步骤： 获取训练数据； 对训练数据进行 标注； 获取初始模型； 利用标注后的训练数据对初始模型进行微调得到预测模型。 [0008]优选地， 所述初始模型为Mengzi ‑BERT‑Large模型、 Mengzi ‑BERT‑base模型、 Mengzi‑BERT‑3B模型中的一种。 [0009]优选地， 通过 预测模型 预测出属于开头、 其 他、 结尾类别的句子包括以下步骤： 获取一个句子作为当前句；说　明　书 1/10 页 3 CN 115391496 A 3