基于人工智能与预训练模型的刑事法律知识图谱构建技术研究

简介：
本研究聚焦于利用先进的人工智能及预训练模型技术，探索并开发适用于刑事法律领域的知识图谱构建方法，旨在提升法律数据分析效率和智能化水平。 刑事裁判文书关系抽取：为了提高在裁判文书中提取实体间关系的效率，提出了一种基于BERT模型的方法（MCR-BERT）。该方法通过优化后的BERT架构对文档进行单一编码，并结合与目标实体相关的上下文信息来确定其间的关联类型。实验结果表明，这种方法不仅能够获得高质量的关系分类效果，还能显著减少训练时间。 刑事法律知识图谱构建：为整合多种司法数据以增强法律知识图谱的功能性，首先分析四种不同类型的司法数据特征并据此制定规则模板以便提取结构化信息；其次利用Word2vec算法计算相似度的方法来对齐表达方式各异的实体，从而消除冗余的知识内容。然后使用Protege和Jena推理机进行刑事法律知识图谱的本体构建与推断以生成新的三元组关系，并最终将这些数据存储于Neo4j图数据库中并加以可视化展示。