欧拉图谱AI法律技术中台覆盖诉讼全流程，可实现法律领域敏捷落地

平安科技知识图谱技术团队历经两年项目打磨,深耕智慧法律领域,运用语言模型、要素抽取、关系提取、4W事件提取、语义匹配与相似等AI创新技术,打造了覆盖诉前、诉中、诉后全流程的智慧法律技术中台。法律中台技术工具可以进行灵活配置组合,从而实现各类法律场景的快速落地与实践应用。

图一:智慧法律技术中台

语言模型:

基于海量法律文本无监督学习得到的法律领域的预训练语言模型,构成其余各个技术工具模块的底层支撑。相较于通用语料的语言模型,法律语言模型更适合处理专业法律场景的自然语言任务。

要素抽取:

基于BERT、BILSTM、CRF等不同模型组件构建得到的法律信息抽取模型,可快速解构裁判文书、合同、卷宗、商标等法律要件,从而得到关键的核心法律要素。当前法律中台要素抽取工具可覆盖裁判文书要素、合同要素、卷宗要素、商标要素,应用于资产线索提取、判决预测。

关系提取:

基于BERT预训练的法律关系抽取模型,可快速从法律文书、合同等文本中提取得到多种法律关系。包括人物与机构关系(担保、质押、股权等)、法理映射关系、判决结果与法律事实映射关系等,运用实体识别、实体链接、指代消解等技术,可构建得到实体关系图谱,还原案件关键节点与关系面貌。

应用场景:企业诉讼风险画像

基于要素与关系抽取工具,系统可抽取企业诉讼维度的关联对象、法律关系,从而构建得到企业诉讼风险画像。基于企业的诉讼风险画像,用户可从法律诉讼角度,深入了解企业自身风险要素与关联对象存在的法律风险点,从而赋能风控。

4W事件提取:

利用事件元提取技术从法律文书中抽取包含时间(When)、人物/机构(Who)、地点(Where)、经过(What)触发词的事件信息,构建案情时间线。

应用场景:案件时间线串联与案情梳理

抽取法律案件核心要点(4W),串联案件发生的各个时间点,还原核心案情,助力法官与法律人士快速回顾案情,节约梳理阅读案件的时间。

语义匹配与相似:

结合无监督(BM25)与有监督(DSSM、K-NRM)的语义匹配方法,用于计算不同文本的语义相似程度。基于上述语言模型、要素提取、关系提取和事件提取模型的输出,结合语义相似匹配技术,应用于智能检索、合同比对与审查、类案推送、商标侵权判定。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。