具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

示例性方法

图1图示了根据本申请实施例的裁判文书地址信息识别方法的流程图。

如图1所示，根据本申请实施例的裁判文书地址信息识别方法包括以下步骤。

步骤S110，获取法律裁判文书并对所述法律裁判文书进行预处理。也就是，由于获取的法律裁判文书为原始文本数据，需要进行预处理，例如数据清洗以得到便于进行文本处理的法律裁判文书。

步骤S120，使用地点实体识别通用模型对所述预处理后的裁判文书进行地址识别，以获得初始地址列表。也就是，在根据本申请实施例的裁判文书地址信息识别方法中，对于预定类型的地址信息的识别主要分为两个阶段，且第一阶段是首先从裁判文书中提取出描述地点相关信息的实体。

也就是，在该阶段，输入裁判文书中的句子和段落，输出为句子中与地点相关的词或短语，这可以通过序列标注的模型进行提取。由于地点类实体在通用的实体识别任务中准确率较高，在本申请实施例中，也是使用通用的地点实体识别模型进行地点识别，从而得到包含预定类型的地址信息，例如家庭住址的地点信息列表，比如XX省XX市等。然后，在第二阶段中，再将地址信息列表中的地址信息通过规则进行排除，然后通过文本分类模型判断句子中包含的地址是否为预定类型的地址信息，例如家庭住址。

具体地，在进行地点类实体的提取时，在本申请实施例中，使用的是双向长短期记忆(BILSTM)+条件随机场(CRF)模型。总的来说，该模型将输入的序列经过一个嵌入层转化为一个向量序列并输入两个双向长短期记忆(LSTM)单元，然后将每个时间序列的正向反向输出拼接，经过全连接层映射为一个维度为输出标签数量的向量，再经过条件随机场(CRF)层将输出转化为每种标签的概率。这里，使用CRF作为输出层的原因是为了考虑标签的转移特征，而不仅仅是BILSTM提取的上下文特征。并且，在本申请实施例中，地点实体识别通用模型可以使用公开的实体识别数据集进行训练。

图2图示了根据本申请实施例的裁判文书地址信息识别方法中的地点实体通用识别的流程图。

如图2所示，在如图1所示的实施例的基础上，步骤S120进一步包括：S121，获取所述预处理后的裁判文书的词序列；S122，将所述词序列输入嵌入层转换为词向量序列；S123，将所述词向量序列输入两个双向长短期记忆单元以获得每个词的特征向量；以及，S124，将所述每个词的特征向量输入条件随机场层以获得每个词的标签。

并且，将所述词向量序列输入两个双向长短期记忆单元以获得每个词的特征向量可以包括：将所述词向量序列输入两个双向长短期记忆单元以获得每个词的正向输出向量和反向输出向量；以及，将所述正向输出向量和所述反向输出向量拼接后通过全连接层映射为维度为所述条件随机场层的输出标签数量的特征向量。

继续参考图1，根据本申请实施例的裁判文书地址信息识别方法进一步包括：

步骤S130，基于规则对所述初始地址列表进行筛选以获得候选地址信息。这里，通过规则对所述初始地点列表进行筛选可以去掉不详细的地点信息，从而得到可能是预定类型的地址信息，即候选地址信息的地址列表。例如，通用实体识别模型识别到的地址信息可能包括具体的敏感地址信息，比如“和谐小区1号楼1单元101”，以及不具体的地址，比如“北京市朝阳区”。这里，具体的敏感地址信息就是候选的地址信息，不具体的地址不是需要识别的目标地址，因此在这一步骤，可以通过规则对此类不具体的地址进行过滤和筛选。

步骤S140，确定包含所述候选地址信息的所述法律裁判文书中的句子。也就是，在本申请实施例中，对于候选地址信息，使用包含候选地址信息的整个句子来由文本分类模型进行识别，从而根据整个句子的语义信息判断所述候选地址信息是否为预定类型的地址信息。

步骤S150，使用文本分类模型对所述句子进行分类，其中，所述分类的结果表示所述句子中包含的所述候选地址信息是否是预定类型的待识别的地址信息。

这里，文本分类模型可以采用速度较快的卷积神经网络(CNN)模型，具体地，主要使用文本CNN(TextCNN)模型对包含地址信息的句子进行识别。TextCNN模型是卷积神经网络在文本分类的主要应用，CNN模型把原始文本作为输入，不需要人工进行特征提取。在TextCNN模型中，句子中每个字使用K维向量来表示，句子可表示为一个N*K的矩阵，作为模型的输入。然后使用不同的过滤器进行卷积操作得到特征图，之后对特征图使用最大池化操作，把特征图向量中最大的值提取出来，组成一个一维向量。经过全连接层输出，加上Dropout层防止过拟合。

另外，在多分类时，通常使用Softmax层进行多分类，Softmax函数可以将神经网络的输出映射到(0-1)区间内，可以将这个值看作一个类别分布概率向量，取概率值最大的类别作为最终预测结果。为了使文本分类模型在学习过程中能关注地址信息，在构建模型的输入信息时，对于句子中的地址信息使用特殊符号进行标注。并且，模型的训练数据可以来源于裁判文书中经过人工标注的包含地点信息的句子，例如训练数据是共5000条句子，并且句子的标签可以为两类，一类是其中的地址信息是预定类型的地址信息，例如家庭住址信息的句子，另一类是地址信息不是预定类型的地址信息，例如非家庭住址的句子。

因此，在根据本申请实施例的裁判文书地址信息识别方法中，使用文本分类模型对所述句子进行分类包括：将所述句子中的每个字转换为K维向量，并组合每个句子中的N个字以获得N*K矩阵；将所述N*K矩阵输入所述文本分类模型的卷积层以获得特征图；对于所述特征图进行最大值池化以获得一维向量；以及，将所述一维向量通过全连接层和Dropout层后以分类函数获得分类结果。

并且，在上述裁判文书地址信息识别方法中，所述文本分类模型的训练过程包括：以已经对句子中的地址信息进行标注的训练文本来训练所述文本分类模型。

此外，在上述裁判文书地址信息识别方法中，所述训练文本中的地址信息的标签包括与待识别的地址信息相同类型的地址信息的标签和与待识别的地址信息不同类型的地址信息的标签。

图3图示了根据本申请实施例的裁判文书地址信息识别方法的具体示例的整体流程的示意图。如图3所示，在使用了根据本申请实施例的裁判文书地址信息识别方识别家庭住址时，首先获取法律裁判文书，完成数据清洗工作；然后使用地点实体识别通用模型对清洗后的裁判文书进行地址识别，并使用人工制定的规则对地点列表进行筛选，去掉不详细的地点信息，得到可能是家庭住址的地址列；最后对包含地址信息的句子，使用文本分类模型TextCNN对句子进行识别，根据整个句子的语义信息判断该地址是否为家庭住址。

示例性装置

图4图示了根据本申请实施例的裁判文书地址信息识别装置的框图。

如图4所示，根据本申请实施例的裁判文书地址信息识别装置200包括：文书获取单元210，用于获取法律裁判文书并对所述法律裁判文书进行预处理；地址识别单元220，用于使用地点实体识别通用模型对所述预处理后的裁判文书进行地址识别，以获得初始地址列表；地址筛选单元230，用于基于规则对所述初始地址列表进行筛选以获得候选地址信息；句子确定单元240，用于确定包含所述候选地址信息的所述法律裁判文书中的句子；以及，地址分类单元250，用于使用文本分类模型对所述句子进行分类，其中，所述分类的结果表示所述句子中包含的所述候选地址信息是否是预定类型的待识别的地址信息。

在一个示例中，在上述裁判文书地址信息识别装置200中，所述地址识别单元220用于：获取所述预处理后的裁判文书的词序列；将所述词序列输入嵌入层转换为词向量序列；将所述词向量序列输入两个双向长短期记忆单元以获得每个词的特征向量；以及，将所述每个词的特征向量输入条件随机场层以获得每个词的标签。

在一个示例中，在上述裁判文书地址信息识别装置200中，所述地址识别单元220将所述词向量序列输入两个双向长短期记忆单元以获得每个词的特征向量包括：将所述词向量序列输入两个双向长短期记忆单元以获得每个词的正向输出向量和反向输出向量；以及，将所述正向输出向量和所述反向输出向量拼接后通过全连接层映射为维度为所述条件随机场层的输出标签数量的特征向量。

在一个示例中，在上述裁判文书地址信息识别装置200中，所述地址分类单元250用于：将所述句子中的每个字转换为K维向量，并组合每个句子中的N个字以获得N*K矩阵；将所述N*K矩阵输入所述文本分类模型的卷积层以获得特征图；对于所述特征图进行最大值池化以获得一维向量；以及，将所述一维向量通过全连接层和Dropout层后以分类函数获得分类结果。

在一个示例中，在上述裁判文书地址信息识别装置200中，所述文本分类模型的训练过程包括：以已经对句子中的地址信息进行标注的训练文本来训练所述文本分类模型。

在一个示例中，在上述裁判文书地址信息识别装置200中，所述训练文本中的地址信息的标签包括与待识别的地址信息相同类型的地址信息的标签和与待识别的地址信息不同类型的地址信息的标签。

这里，本领域技术人员可以理解，上述裁判文书地址信息识别装置200中的各个单元和模块的具体功能和操作已经在上面参考图1到图3描述的裁判文书地址信息识别方法中详细介绍，并因此，将省略其重复描述。

如上所述，根据本申请实施例的裁判文书地址信息识别装置200可以实现在各种终端设备中，例如用于处理法律裁判文书的服务器中。在一个示例中，根据本申请实施例的裁判文书地址信息识别装置200可以作为一个软件模块和/或硬件模块而集成到所述终端设备中。例如，该裁判文书地址信息识别装置200可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该裁判文书地址信息识别装置200同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该裁判文书地址信息识别装置200与该终端设备也可以是分立的设备，并且该裁判文书地址信息识别装置200可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

示例性电子设备

下面，参考图5来描述根据本申请实施例的电子设备。

图5图示了根据本申请实施例的电子设备的框图。

如图5所示，电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的裁判文书地址信息识别方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如法律裁判文书，候选地址信息等各种内容。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，该输入装置13可以是例如键盘、鼠标等等。

该输出装置14可以向外部输出各种信息，例如识别出的家庭住址等。该输出设备14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图5中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的裁判文书地址信息识别方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的裁判文书地址信息识别方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。