刑事案件文本信息抽取研究.pdf

1、學(xué)位論文獨(dú)創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果。本論文中除引文外，所有實(shí)驗(yàn)、數(shù)據(jù)和有關(guān)材料均是真實(shí)的。本論文中除引文和致謝的內(nèi)容外，不包含其他人或其它機(jī)構(gòu)已經(jīng)發(fā)表或撰寫過(guò)的研究成果。其他同志對(duì)本研究所做的貢獻(xiàn)均已在論文中作了聲明并表示了謝意。學(xué)位論文儲(chǔ)虢碡耕日期圳王f、》一摘要111111IIII1IIIlrlIIIIlY1924060摘要信息抽取是為了滿足信息爆炸時(shí)代從海量信息中快速有效獲

2、取所需信息而出現(xiàn)的一種研究方向。目前，信息抽取在醫(yī)學(xué)、經(jīng)濟(jì)、圖書等多個(gè)領(lǐng)域都得到了成功的運(yùn)用，而涉足公安領(lǐng)域信息抽取的研究還比較鮮見。目前在公安領(lǐng)域，案件信息急劇增長(zhǎng)，雖然公安辦公逐步實(shí)現(xiàn)了信息化，但仍存在相當(dāng)一部分的案件信息，以自由文本形式存在，需要信息抽取技術(shù)從中抽取結(jié)構(gòu)化信息，進(jìn)而存入數(shù)據(jù)庫(kù)中供后續(xù)的數(shù)據(jù)挖掘研究。本文在對(duì)案件文本特點(diǎn)進(jìn)行分析的基礎(chǔ)上，以刑事類案件文本為對(duì)象進(jìn)行了信息抽取研究。研究?jī)?nèi)容主要包括：命名實(shí)體識(shí)別、刑事案

3、件框架體系構(gòu)建、案件中原子事件的信息抽取等三個(gè)方面。基于領(lǐng)域特點(diǎn)，我們?cè)趯?shí)驗(yàn)中主要采用知識(shí)表輔助機(jī)器學(xué)習(xí)的方法，統(tǒng)計(jì)模型選用了條件隨機(jī)場(chǎng)(CRF)。命名實(shí)體識(shí)別是信息抽取的基礎(chǔ)。根據(jù)公安領(lǐng)域?qū)嶋H需要，我們定義了人名、性別、年齡、籍貫、住址、案件名、貨幣會(huì)額、時(shí)間、地點(diǎn)、機(jī)構(gòu)、方式、頻次、人數(shù)等13種命名實(shí)體，根據(jù)領(lǐng)域用字特點(diǎn)制作“刑事案件文本常用詞表”，幫助快速諺別實(shí)體或定位實(shí)體邊界。基于文本特點(diǎn)將實(shí)體識(shí)別任務(wù)分為兩層：先識(shí)別基本實(shí)體，

4、再在此基礎(chǔ)上識(shí)別案件名實(shí)體。在框架理論的指導(dǎo)下，我們?yōu)樾淌掳讣谋緲?gòu)建了框架體系，將案件文本分為基本信息模塊和事件信息模塊，且事件分化為各種類型的原子事件，為案件文本信息的結(jié)構(gòu)化表示提供了數(shù)據(jù)結(jié)構(gòu)的支持。原子事件的信息抽取主要分兩步實(shí)現(xiàn)：事件類型的識(shí)別和事件元素的識(shí)別。定義破案事件、抓獲事件、報(bào)案事件三類原子事件為研究對(duì)象。通過(guò)人工抽耿和《同義詞詞林》擴(kuò)展獲得的“觸發(fā)詞——事件類型對(duì)照表”，過(guò)濾得候選事件集，以此輔助CRF模型進(jìn)行事件類