(19)中华 人民共和国 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 202210007679.1 (22)申请日 2022.01.06 (71)申请人 长春嘉诚信息技 术股份有限公司 地址 130062 吉林省长 春市高新区越达路 1188号1号楼 (72)发明人 张少卓　李绍俊　齐井春　庞景秋　 孙纪福　李波　汪才益　陈兴钰　 李忆平　 (74)专利代理 机构 北京天江律师事务所 1 1537 代理人 何志国 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/9535(2019.01) G06N 5/02(2006.01) G06Q 50/18(2012.01) (54)发明名称 一种基于标签的司法案例推荐方法 (57)摘要 本发明公开了一种基于标签的司法案例推 荐方法， 包括如下步骤： S1通过配置规则库、 规则 库对原始案例数据进行标签处理； S2生成推荐系 统需要的格式三元组， 储存到知识图谱数据库； S3根据不同的业务场景提供精准的推荐数据。 本 发明利用规则库大幅度提高属性识别的准确性， 规则库可动态扩展实现个性化推荐。 依托于大数 据计算技术， 提高数据吞吐量， 并且减少人工标 注的主观 性数据偏差。 根据实际应用抽象多类推 荐场景， 实现精准化推荐， 对辅助办案、 案例发现 提供帮助， 提高工作效率。 权利要求书1页 说明书5页 附图3页 CN 114328974 A 2022.04.12 CN 114328974 A 1.一种基于标签的司法案例推荐方法， 其特 征在于： 包括如下步骤： S1通过配置规则库、 规则库对原 始案例数据进行 标签处理； S2生成推荐系统需要的格式三元组， 储 存到知识图谱数据库； S3根据不同的业 务场景提供精准的推荐数据。 2.根据权利要求1所述的基于标签的司法案例推荐方法， 其特征在于： 所述S1通过配置 规则库、 规则库对案例数据进行 标签处理包括如下步骤： S11为原始案例数据设立 规则库； S12利用规则库中的规则组， 利用自然语言处理系统对原始案例数据进行属性识别抽 取； S13通过大数据计算平台对识别的属性进行归类， 生成结构化标签数据， 结构化标签数 据统一汇总成标签库。 3.根据权利要求2所述的基于标签的司法案例推荐方法， 其特征在于： 所述S2生成推荐 系统需要的格式三元组， 储 存到知识图谱数据库包括如下步骤： S21基于S13生成的结构化标签数据， 识别推荐相关联的标签实体； S22基于知识库对实体进行 标签消歧， 同名异义 折分， 异名同义 合并， 生成实体唯一 ID； S23识别案例与实体之间依赖关系， 生成三元组并入库。 4.根据权利要求2所述的基于标签的司法案例推荐方法， 其特征在于： 所述S12利用规 则库中的规则组， 利用自然语言处理系统对原始案例数据进行属性识别抽取包括如下步 骤： S111定义调用任务接口， 开始计算任务的入口； S112获取一个标签 类目下的所有标签或者 一个标签对应的规则； S113从任务队列中读取需要计算的数据。 5.根据权利要求4所述的基于标签的司法案例推荐方法， 其特征在于： 所述S13通过大 数据计算平台对识别的属 性进行归类， 生成结构化标签数据， 结构化标签数据 统一汇总成 标签库包括如下步骤： S131流程调用计算单一规则， 并将计算结果按预期进行类型转换、 属性更新， 复杂个性 规则通过动态脚本引擎计算结果； S132流程执行一个标签对应的一个或多个规则并将规则计算结果按预期设置返回， 实 现一个标签 计算； S133计算一个类目下所有标签。权　利　要　求　书 1/1 页 2 CN 114328974 A 2一种基于 标签的司法案例推荐方 法 技术领域 [0001]本发明涉及计算机应用技 术领域， 尤其涉及一种基于标签的司法案例推荐方法。 背景技术 [0002]基于内容的推荐(Content ‑based Recommendation)是信息过滤技术的延续与发 展， 它是建立在项目的内容信息上做出推荐的， 而不需要依据用户对项目的评价意见， 更多 地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。 在基于内 容的推荐系统中， 项目或对 象是通过相关的特征 的属性来定义， 系统基于用户评价对 象的 特征， 学习用户的兴趣， 考察用户资料与待 预测项目的相匹配程度。 用户的资料模型取决于 所用学习方法， 常用的有决策树、 神经网络和基于向量的表示方法等。 [0003]传统技术使用TF/IDF计算案例相关性； 案例标签人工分类处理； 协同过滤推荐， 推 荐方法的主要瓶颈是在权衡方面： 随着推荐变得越来越细， 就很容易将人们限制在一个已 经受益的领域。 标签体系 可以动态扩展推荐维度； 推荐方法的结果除了依赖于算法的选择 之外， 对数据也比较敏感， 如何避免人工标签对推荐系统的结果带来的偏差， 都需要 更多的 突破。 根据描述得知， 存在以下问题： 1)TF/IDF处理案例相关性需要大量计算， 随着数据量 增多， 计算量呈指数形式增 长。 2)使用标签系统， 但是存在大量的人工处理， 主观的处理方 式对推荐系统的结果带来的偏差 。 3)推荐方式没有区分场景， 无法达 到预期效果。 发明内容 [0004]为了解决上述技术所存在的不足之处， 本发明提供了一种基于标签的司法案例推 荐方法。 [0005]为了解决以上技术问题， 本发明采用的技术方案是： 一种基于标签的司法案例推 荐方法， 包括如下步骤： [0006]S1通过配置规则库、 规则库对原 始案例数据进行 标签处理； [0007]S2生成推荐系统需要的格式三元组， 储 存到知识图谱数据库； [0008]S3根据不同的业 务场景提供精准的推荐数据。 [0009]进一步地， S1通过配置规则库、 规则库对案例数据进行 标签处理包括如下步骤： [0010]S11为原始案例数据设立 规则库； [0011]S12利用规则库 中的规则组， 利用自然语言处理系统对原始案例数据进行属性识 别抽取； [0012]S13通过大数据计算平台对识别的属性进行归类， 生成结构化标签数据， 结构 化标 签数据统一汇总成标签库。 [0013]进一步地， 述S2生成推荐系统需要的格式三元组， 储存到知识图谱数据库包括如 下步骤： [0014]S21基于S13生成的结构化标签数据， 识别推荐相关联的标签实体； [0015]S22基于知识库对实体进行标签消歧， 同名异义折分， 异名同义合并， 生成实体唯说　明　书 1/5 页 3 CN 114328974 A 3