1.基于神经自回归分布估计的涉案新闻主题模型构建方法,其特征在于:首先构建涉案新闻数据并预处理,得到案件要素库和涉案词向量;然后由iDocNADEe模型计算新闻和案件要素的双向隐状态;再用案件要素和新闻的双向隐状态构建注意力机制,对新闻隐状态加权;接下来利用神经自回归算法和案件要素加权的新闻隐状态计算案件要素指导的自回归条件概率,依据涉案新闻的自回归条件概率构建涉案主题模型,并利用涉案新闻主题模型进行涉案新闻检索。
2.根据权利要求1所述的基于神经自回归分布估计的涉案新闻主题模型构建方法,其特征在于:所述构建涉案新闻数据并预处理,得到案件要素库和涉案词向量包括如下:对涉案新闻和案件本体进行分析,根据其涉案人名、地名、事件描述以及案件触发词案件特征构建案件要素库作为模型的涉案外部知识;
利用裁判文书数据、涉案新闻数据以及word2vec算法预训练涉案领域的词向量作为模型的涉案先验知识。
3.根据权利要求1所述的基于神经自回归分布估计的涉案新闻主题模型构建方法,其特征在于:由iDocNADEe模型计算新闻和案件要素的双向隐状态具体包括:不同于iDocNADEe的输入,将新闻分别表示为词序列v以及新闻中包含的案件要素序列k;
利用词序列v、案件要素序列k以及iDocNADEe模型和双向语言模型的计算方式,结合作为涉案先验知识的涉案领域词向量计算涉案新闻的双向隐状态以及新闻中包含的案件要素的双向隐状态;
其中, 和 分别代表了新闻在位置i的前后向隐状态, 和 分
别代表了新闻所包含的案件要素在位置i的前后向隐状态,g(·)代表sigmoid激活函数,代表前后向偏置向量,W, 分别代表参数矩阵和涉案领域词向量矩阵,H,V分别代表了主题数量和词表大小, 分别代表新闻中第k个词在参数矩阵和涉案领域词向量矩阵中的向量表示, 分别代表新闻中第j个案件要素在参数矩阵和涉案领域词向量矩阵中的向量表示,λ代表了平衡权重系数。
4.根据权利要求1所述的基于神经自回归分布估计的涉案新闻主题模型构建方法,其特征在于:用案件要素和新闻的双向隐状态构建注意力机制,对新闻隐状态加权的具体步骤如下:A、利用平均池化操作和案件要素隐状态计算双向注意力向量作为新闻中所包含的案件要素信息:其中, 分别代表了前向注意力向量和后向注意力向量,n为案件要素的数量;
B、利用案件要素隐状态的双向注意力向量与涉案新闻的双向隐状态计算案件要素信息与新闻文本之间的双向相关度:其中, 分别代表了前向相关度和后向相关度,v<i为上文信息,v>i为下文信息,k<i为上文中包含的案件要素,k>i为下文中包含的案件要素,相关度的计算函数为点乘运算:C、利用案件要素与新闻文本的相关度构建基于案件要素的注意力机制,从而对新闻文本的隐状态进行案件要素加权,使其具有案件信息:其中, 分别代表了案件信息加权的新闻文本隐状态。
5.根据权利要求1所述的基于神经自回归分布估计的涉案新闻主题模型构建方法,其特征在于:利用神经自回归算法和案件要素加权的新闻隐状态计算案件要素指导的自回归条件概率为:其中,w∈{1,...,V}, 分别代表前后向偏置向量, 代表了连接隐藏层和输出层的权重矩阵。
6.根据权利要求1所述的基于神经自回归分布估计的涉案新闻主题模型构建方法,其特征在于:依据涉案新闻的自回归条件概率构建涉案主题模型,并利用涉案新闻主题模型进行涉案新闻检索包括:根据每个词在案件要素指导下的自回归条件,计算新闻的对数似然函数logp(v):其中,D代表了新闻文本的长度,p(vi|v<i,k<i),p(vi|v>i,k>i)分别代表了第i个位置的词的前后向自回归条件概率。
利用梯度下降算法训练参数以最大化对数似然函数,由此构建涉案新闻的主题模型。
7.基于神经自回归分布估计的涉案新闻主题模型构建装置,其特征在于,包括用于执行如权利要求1-6任一权利要求所述的方法的模块。