面向法律领域的实体和关系抽取.pdfVIP

第42卷第1期深圳大学学报理工版Vol.42No.1

2025年1月JournalofShenzhenUniversityScienceandEngineeringJan.2025

【电子与信息科学/ElectronicsandInformationScience】

面向法律领域的实体和关系抽取

刘美玲，梁龙昌

东北林业大学计算机与控制工程学院，黑龙江哈尔滨150040

摘要：中文司法领域的实体和关系抽取技术在提高办案效率方面具有重要作用，但现有的关系抽取

模型缺乏领域知识且难以处理重叠实体，造成难以准确区分和提取实体与关系等问题．通过引入领域知

识，提出一种法律信息增强模块，增强了用所提法律潜在关系与全局对应（legalpotentialrelationshipand

globalcorrespondence，LPRGC）模型理解法律文本中术语、规则和上下文信息的能力，从而提高了实体和关

系的识别准确性，进而提升了实体和关系抽取算法的性能．为解决重叠实体问题，设计了一种基于潜在关

系和实体对齐的关系抽取方法．通过精确标注实体位置，筛选潜在关系，并利用全局矩阵对齐实体，解决

重叠实体的关系抽取问题，能够更准确地捕捉到重叠实体之间的关系，并有效地将其映射到正确的实体对

上，从而提高抽取结果的准确性．在中国法律智能技术评测数据集上进行实体和关系抽取实验，结果表

明，LPRGC模型的准确率、召回率和F值分别为85.21%、81.19%和83.15%，均优于对比模型，特别是

1

在处理实体重叠问题时，LPRGC模型在单实体重叠类型的抽取中，F值达到了81.45%；在多实体重叠类

1

型的抽取中，F值达80.67%．LPRGC模型在实体和关系抽取的准确性上较现有方法有明显改进，在处理

1

复杂法律文本中的实体重叠问题上取得了显著效果．

关键词：人工智能；自然语言处理；司法领域关系抽取；深度学习；信息增强；重叠实体

中图分类号：TP391.1；TP183文献标志码：ADOI：10.3724/SP.J.1249.2025.01077

Entityandrelationextractioninthelegaldomain

LIUMeilingandLIANGLongchang

CollegeofComputerandControlEngineering,NortheastForestryUniversity,Harbin150040,HeilongjiangProvince,P.R.China

Abstract:EntityandrelationextractiontechnologyintheChinesejudicialfieldplaysanimportantroleinimproving

case-handlingefficiency.However,existingmodelslackd