Özel Bilgi Grafiği Teknolojisinin Yargı Alanında Uygulanması: Gridsum Teknoloji Keşfi ve Teknoloji Paylaşımı
Bilgi grafiği teknolojisi, giderek artan bir şekilde yapay zekanın temeli haline geldi ve makinelerin doğal dili anlamaları ve bilgi ağları inşa etmeleri için önemli bir yöntem. Son yıllarda, yargı alanındaki bilgi grafiklerinin uygulaması sessizce artmıştır ve uygulayıcıların ilgili yasal içeriği hızlı bir şekilde çevrimiçi olarak almalarına yardımcı olarak mahkemelerin yargılamalarının kalitesini ve verimliliğini artırmaktadır.
Tsinghua Big Data "Uygulama Yenilikçilik" konferans serisinin bu sayısında, Gridsum Technology'den Shu Yi ve Zeng Xianghui uzmanlarını yargı alanındaki bilgi grafiklerinin uygulanmasının keşfini paylaşmaya davet ettik.
Sahne arkası "0920" anahtar kelimesini yanıtlayın, dersin PPT'sinin tam sürümünü indirin .
Gridsum Teknolojisi
Shu Yi: Tsinghua Üniversitesi'ne bunu paylaşmak için geldiğim için çok mutluyum.Önce, bilgi grafiğiyle ilgili anlayışım ve bilgim hakkında konuşalım.
Veri, bilgi ve bilginin paylaşılması ve yayılmasının büyük bir pazar değeri yarattığını düşünüyorum, ancak bilginin işlenmesinde madencilik için hala çok yer var. Bu aşamada bilgi grafiği ile çözülmesi gereken sorunun, verilerin ve bilginin akıllıca işlenmesini gerçekleştirmek olduğuna inanıyoruz, böylece bilgisayarlar bilgiyi insanlar gibi işlemek için kullanabilirler.
Yargı Alanında Bilgi Grafiğinin Keşfi ve Uygulaması
1. Bilgi grafiğinin tanımı
-
Endüstri, bilgileri temsil etmek için genellikle grafikleri veri yapısı olarak kullanır, bu nedenle buna bilgi grafiği denir.
-
Düğümler-kenarlar-düğümler, bilgi ve gerçekleri temsil eden ifadeler oluşturur.
-
Bilgi ve gerçek beyan beyanları, alan uzmanlığını ifade etmekle bağlantılıdır.
2. Bilgi Grafiğinin Özellikleri
-
Bilgi grafiği, anlamsal düzeyde nesnel dünyanın bilgi ve gerçeklerini temsil eder.
-
Entegrasyon (boşluk). Bir bütün oluşturmak için herhangi bir boyuttaki ilgili kavram ve varlıkları tanımlayabilen mekansal bir kavramdır.
-
Birikim (zaman). Bilgi grafiğindeki bilgi düğümlerini kademeli olarak artırabiliriz ve yeni bilgi yapısı ve bilgi içeriği doğal olarak eksiksiz bir bilgi yapısında birikebilir.
Genel olarak, bilgi grafiğinin en büyük rolünün yapılandırılmış bilgiyi oluşturma ve kullanma zorluğunu azaltmak olduğuna inanıyoruz.
3. Adli bilgi haritası, adli akıllı uygulama için kaçınılmaz yoldur
-
Bilgi grafiği ile ifade edilen bilgi yöntemi, insan biliş modeliyle tutarlıdır. . Doğal dilin anlambilimini ifade etme biçimiyle tutarlı olarak, alanın kavram sınıflandırması ve katmanlaması da tutarlıdır ve bilgi ile dil arasında nispeten bağımsız bir korelasyona izin verecek şekilde sınırsız boyutlar üst üste getirilebilir. Bu aslında bilgi grafiği teknolojisi ve yönteminin doğasıyla ilgilidir.
-
Hukuk bilgisi sistemi, çoklu mantığın bir kombinasyonudur. Hukukun bilgi sistemi çok karmaşıktır, kanunların ve yönetmeliklerin yukarıdan aşağıya veya hukuki kavramların uygunluğundan inşa edilebilir.
-
Yasal sistem. Ülkemiz yasal hukuk sistemine sahip bir ülkedir, İngiltere ve Amerika Birleşik Devletleri'nden farklıdır, emsal perspektifinden bakılmaz. Çin'in tamamının hukuki bilgisiyle başa çıkmak için daha tek tip bir yöntem kullanmamız şartı vardır.
Mesleki alanlarda bilgi grafiklerinin oluşturulması, ansiklopedi bilgisinin entegrasyonu ve inşasından farklıdır ve çok katı uzman rehberliği ve denetimi gerektirir. Baidu benzeri bilgi grafiği yapımı henüz emekleme aşamasındaysa, profesyonel alanda bilgi grafiği yapımı henüz emekleme aşamasındadır ve geliştirilmesi çok uzun zaman alacaktır.
4. Yargı bilgi sisteminin oluşturulmasına ilişkin düşünceler
Bizim fikrimiz, uygulamayı bilgi grafiğinin oluşturulmasının anahtarı olarak ele almaktır.Hukuk alanındaki her uygulama, farklı düğümlere dokunan bir anahtardır ve uygulamanın sonucu, kavramın bütçesi ve düğümün nitelikleridir.
Yargı bilgisi:
-
Yasal kavramlar bilgisi
-
Adli uygulama bilgisi
-
Adli uygulamada yer alan alan bilgisi
-
Genel sosyal bilgi
Kavramsal hukuk bilgimiz, geleneksel bilgi tabanı ile bağlantılıdır, yargı pratik bilgisi ise, belgelerin toplu olarak işlenmesi ve uygulamaya yönelik ve küçük ölçekli atılımlar olan uzman müdahalesi yoluyla oluşturulur. Yargı pratiğinde yer alan alan bilgisi temel olarak uzman inşasına, uygulamaya yönelik ve belirli bir alanda yapılırken, genel sosyal bilgi ansiklopedi veri tabanına bağlıdır.
5. Geleneksel veri tabanlarına nasıl bağlanılır?
Şu anda temas halinde olduğumuz geleneksel veritabanları, çoğu bir ağaç yapısında yapılan yasal profesyonel veritabanlarıdır. Birincisi, yapım mantığı tek; ikincisi, katmanlaşmanın keyfiliği büyük ve üçüncü katmanlar arasındaki ilişki oldukça kaotik. Sağdaki kırmızı kutu, bazı düzeyleri ebeveyn-çocuk dahil etme ilişkileridir ve bazıları paralel ilişkilerdir; soldaki kırmızı kutu ise birçok seviyeye sahiptir ve bilgi tabanından iyi yararlanmak için bir dizin dizini kullanmanız gerekir.
Bilgi haritasını zaten tamamlanmış olan geleneksel bilgi tabanı ile yeniden inşa edersek, maliyet nispeten yüksektir. Mevcut geleneksel bilgi tabanına saygı duymaya ve iki yöne odaklanmaya dayanıyoruz:
ilk , Çoklu farklı mantıksal geleneksel bilgi tabanlarının bilgi entegrasyonunu keşfetmek.
İkinci yön , Hiyerarşiyi zayıflatma konseptinde. (Örnek atlandı)
Bilgi grafiğini birçok üründe kullanıyoruz. Bir örnek verin - belge oluşturma sistemi. Önce ön belgeleri analiz ediyoruz Ön belgeler iddianameye, savunmaya, mahkeme tutanaklarına vb. Atıfta bulunuyor. İddianame, savunma ve mahkeme tutanaklarını inceledikten sonra bir karar şablonu oluşturacak ve ön belgelerden tarafları analiz edeceğiz. Yargıçlar, başvuru prosedürleri, dava talepleri ve diğer veriler ilgili pozisyonlarda doldurulur ve aynı zamanda uygun odak ve yargı kurallarını mahkemeye iter ve ayrıca yargı kurallarının uygulanmasına ilişkin istatistikler de yaparız.
Yargı Alanında Affair Atlası Girişimi
İlişki haritası nispeten yeni bir kavramdır Harbin Teknoloji Enstitüsü olay haritasını ortaya koyduğunda, olayların insan toplumunun temel kavramlarından biri olduğu ve insanların sosyal etkinliklerinin genellikle olay odaklı olduğu çok açıktı. Zaman içinde olaylar arasında art arda meydana gelen evrim yasaları ve kalıpları çok değerli bir bilgidir ve olaylar ve olaylar arasındaki evrimi ve evrim olasılığını keşfetmek, olay haritasının çok önemli bir araştırma yönü ve araştırma noktasıdır.
Bu bir seyahat meselesi haritasıdır. Düğümler soyut ve seyreltilmiş olayları temsil eder, etkili kenarlar olaylar arasındaki ardışıklığı ve nedenselliği temsil eder ve kenarlar olaylar arasındaki geçiş olasılığı hakkındaki bilgilerle işaretlenir. Olay haritası, insan davranışının doğrudan bir tanımı olarak kullanılabilecek olaylar arasındaki mantıksal evrimin yasalarını ve modellerini ortaya çıkarmayı amaçlamaktadır.
Neden adli alanda mesele haritalarını inceliyoruz? Çünkü olayın sadece olay haritasının incelenmesi için değil, yargı alanı için de büyük önem taşıdığına inanıyoruz.Tüm yargılamalar, davacı ve davalı tarafından aynı sırayla oluşturulan eylem ve objektif sonuçlara dayanılarak verilmektedir.
Bu, Ar-Ge iş haritamızın ana teknik yoludur. Teknolojinin temel noktası, Olgu kategorisi tanıma ile Tanımlama öğesi çıkarma .
ilk adım , Olayı manuel olarak işaretleyin ve her bir cümleyi işaretleyin;
İkinci adım , Manuel olarak işaretlenen olayların bir toplamasını oluşturun;
üçüncü adım , Olayın konusunu ve nesnesini manuel olarak etiketleyin.
Yargı haritasının pratik ilhamı
Yargı Atlası'nın akıllı mahkemelerin temelini oluşturan teknolojiyi gerçekleştirebileceğine ve Affair Atlas'ın yargı alanında uygulanmasının çığır açan önemi olduğuna inanıyoruz. Kısa sürede, bir belgenin özetini oluşturabilir ve uzun bir süre içinde, ilgili gerçekleri yapılandırabilir, bilgi grafiğinde karşılık gelen varlık kavramlarını bulabilir ve bilgi grafiğinde bazı itme bilgilerini tetikleyebilirsiniz. Ayrıca bazı eşleştirme kurallarına sahip olabiliriz, önerilen sıralamalara ulaşmak için olasılıkları kullanabiliriz, benzer vakalar için yasal olayların olasılığını ve evrim yollarını analiz edebiliriz ve ayrıca temel denemelerde, yasal davranış analizi tahminlerinde ve yargı sonuçlarında yaygın olarak kullanılabiliriz. Yüksek olasılık analizi vb. Bilgi grafiğinin ve ilişki grafiğinin oluşturulması, yargıçların ve tarafların anlamsal soru ve cevaplarını ve cevapların keşifsel olarak elde edilmesini vb. Destekleyebilir.
Yaptığımız şey aslında insan düşüncesini, ne yapacağımızı ve nasıl yapacağımızı simüle etmektir. Yapmanız gereken, bize bundan sonra ne yapacağımızı söylemektir Nasıl yapılacağı size yöntemi bilgiyle anlatmak veya ihtiyacınız olan soruları cevaplamaktır. Hepsi bugün paylaştığım için, hepinize teşekkür ederim.
Gridsum Teknolojisi Zeng Xianghui
Ardından, Bay Zeng Xianghui bize bilgi grafiğini teknik açıdan nasıl oluşturacağımızı anlattı.
Bilgi Grafiğine Genel Bakış
Zeng Xianghui: Bilgi grafiklerinin kaynağı, bilgi mühendisliğinin bir parçasıdır. Google'ın önerisinin ardından yerli şirketler de takip ediyor.
Bu, adli alanda bir durumdur Belgede genellikle gördüğümüz şey bir metinsel ifade ve ardından yapılandırılmış bir haritadır.Bu bizim durumumuzda yapmamız gereken şeydir.
1. Bilgi ifadesinin avantajları ve dezavantajları
Metin, doğal bir dil ifadesidir, ancak makinelerin anlaması çok zordur ve mevcut NLP, anlama düzeyine ulaşmak için yeterli değildir.
Veritabanı, kullandığımız en çok veri depolama yöntemidir.Avantajı, makinenin bilgiyi daha verimli bir şekilde elde etmesi ve teknoloji zincirinin daha olgun olmasıdır; dezavantajı, modeli kurulduğu için karmaşık bilgileri veya karmaşık ilişkileri ifade etmenin zor olmasıdır. Evet, bu modeli geliştirmenin maliyeti nispeten yüksek olacaktır. Aynı zamanda, karmaşık ilişkiler, yani tablolar arası sorgu hakkında çoklu sorguları vardır ve üç tablo onlarca saniyeye ulaşabilir, bu da sistemi uygulamamız için kabul edilemez.
Artık ilişkisel olmayan veritabanlarına doğru ilerlemeye başladık ve grafikler de bunlardan biri. Grafiğin avantajı, karmaşık ilişkilerin ve bilgilerin ifade edilmesi ve sorgulanması için çok uygun olmasıdır. Modu, bilgi depolanmasını yükseltmek için çok kolay olan bir yol modudur.Yeni bilgiler veya yeni düğümler ekleyebilirsiniz. O zaman bu sonucu birden fazla sorgu için çıktı alamaz, ancak grafikteki ikinci seviyedeki hızı her zaman koruyabilir.Bu, sistemi uygulamaya koymamız için çok önemli bir koşuldur; dezavantajı, yaygın olarak kullanılan bazı veri tabanlarımız için, Teknolojisi henüz olgun değil.
2. Uygulama yönü
-
Bilgi arama ve görsel analiz
-
Doğal dili anlamak için arka plan bilgi tabanı sağlayın
-
Soru cevaplama sistemi, tıbbi teşhis, finansal dolandırıcılıkla mücadele, e-ticaret arama önerisi
Atlas inşaat ve uygulama teknolojisi
1. Genel inşaat süreci:
1.1 Açık gereksinimler
-
Genel veya dikey
-
İşletmenin odaklanmaya ihtiyaç duyduğu varlık türleri ve ilişki türleri
-
Sınıflandırma sistemi
1.2 Veri kaynağını belirleyin
-
Genel Atlas: Ansiklopedi web siteleri, İnternet metinleri vb.
-
Alan haritası: dikey web siteleri (yasal danışma web sitesi, belge ağı), süreli yayınlar, kitaplar vb.
1.3 Bilgi çıkarma
-
Varlık çıkarma (NER) ve ilişki (öznitelik) çıkarma
-
Kural tabanlı ve sözlüğe dayalı yöntem: sözcük ve sözdizimsel analize dayalı, hızlı sonuçlar; kuralları ve darboğazları aşmak zor
-
İstatistik tabanlı yöntemler: özellikle dikey alanlarda etiketlenmiş külliyat elde etmek zordur
-
İki yöntemin kombinasyonu: yarı denetimli öğrenme, önyükleme, tohum öğrenme + model, etkinin optimize edilmesi gerekiyor
-
Sinir ağı: LSTM + CRF
-
Olay çıkarma: Statikten dinamiğe, olay, varlık ilişkisini genişletmek ve haritayı zenginleştirmek için bir tür varlık olarak kabul edilir. Olay tanıma ve sınıflandırma: tetikleyici sözcükler, makine öğrenimi sınıflandırması. Varlıklar ve öznitelikler dahil olmak üzere olay öğelerinin çıkarılması: sözdizimi ve anlambilimsel analiz.
-
Kavram çıkarma: kavram tanımayı tanıtmak, esas olarak haritadaki IsA ilişkisini zenginleştirmek ve hiyerarşik ilişkiler kurmak.
1.4 Bilgi Füzyonu
-
Varlık hizalaması: aynı varlığın, farklı verilerin ilişkisinin veya özniteliğinin kurallara veya istatistiklere dayalı olarak hizalanması
-
İlişki (öznitelik) hizalaması: doğum tarihi ve doğum saati gibi
-
Bilgi doğrulama: kaynak güvenilirliği, olasılık değerlendirmesi
1.5 Bilgi muhakemesi
-
Kural tabanlı akıl yürütme: Babanın babası büyükbabaysa
-
İstatistik temelli akıl yürütme: resimdeki üçgen ilişkisinin çıkarımı
Kurala dayalı akıl yürütme: Farz edelim ki, A'nın babasının B ve B'nin babasının C olduğunu, ancak A ile C arasındaki ilişkinin saklanmadığını veya mevcut bilgilerin elde edilmediğini kabul edelim, ne yapmalıyız?
ilk yöntem , İnsanlar aracılığıyla grafik için bazı kurallar koyabiliriz, A'nın babası B, B'nin babası C diyoruz, bu ilişkiyi alabiliriz, A'nın büyükbabası C'dir.
İkinci yöntem , İstatistiksel yöntemlere dayanarak, örneğin, mevcut haritamızda birçok üçgen ilişki var.Çok sayıda üçgen ilişki örneği aracılığıyla, makinenin babanın babasının büyükbaba olduğunu öğrenmesine ve A ile C arasındaki ilişkiyi almasına izin verin.
1.6 Bilgi Dağıtık Temsil
Bilgi grafiğinin ilişkisini vektör olarak ifade edebiliriz, vektörler arasındaki benzerlik bazı yöntemlerle hesaplanabilir, benzerlik hesaplanabilir, bazı füzyonlar yapılabilir ve bazı önerilerde bulunulabilir.
2. Uygulama yönü:
Bunlar, bilgi grafiğinin uygulandığı yönlerden bazılarıdır. Muhtemelen benzerdirler ve şunları içerebilir: Varlık bağlantısı , İlişki tanıma ile Yol muhakemesi . Soru cevaplama sistemi, en önemli noktası Niyet tanıma ile Anlamsal Analiz . Baidu'nun neden sadece belirli problem türlerini tanımlayabildiği ve bazı problemlerin bazı şablon problemleri yaptıkları için tanımlanamama nedeni.
sonuç olarak
İlk nokta, iş ihtiyaçları için hangi teknolojinin kullanılacağını belirlemektir. . Mühendislik yapıyoruz veya projeler araştırma yapmaktan biraz farklı Bilgi grafikleri gerçekten çok kullanışlıdır, ancak işletmeniz bu teknolojiyi hiç kullanmayabilir.
İkinci nokta, ayrıntı düzeyi büyükten küçüğe değişen mühendislik ve hızlı yinelemenin doğasıdır. Bilgi grafiğini oluşturma sürecinde, bu dereceyi kontrol etmenin çok zor olduğunu gördük, çünkü fiziksel katman ve kavramsal katmana ulaşmak çok zor.
Üçüncü nokta, etkili teknoloji en iyi teknolojidir . Hangi ileri teknoloji ve en son teknolojinin kullanılması gerektiğine bağlı kalmanıza gerek yok. Bu, akademik araştırma yapmaktan farklıdır.
Dördüncüsü, manuel işbirliğinin gücüne önem verin. Wikipedia ve Baidu Baike'ye dayalı bilgi çıkarmanın temeli nedir? Bu, hepsi manuel olarak düzenlenmiş çok sayıda netizenin ve arkadaşın özverili adanmışlığıdır.
İşte bazı referans materyalleri, ilgileniyorsanız okuyabilirsiniz:
-
Anlamsal Web'den Bilgi Grafiğine Anlamsal Teknoloji Mühendisliği Üzerine İnceleme ve Düşünme
-
Bilgi grafiğinin yapım maliyetini azaltın
-
Bilgi Grafiğinin Araştırma İlerlemesinin Özeti
-
Bilgi Grafiği ve Derin Öğrenme
Daha fazla heyecan için, "0920" anahtar kelimesini yanıtlamak ve ders PPT'nin tam sürümünü indirmek için lütfen Tsinghua-Qingdao Veri Bilimi Enstitüsü "THU Data Pie" sahne arkasında resmi WeChat hesabını takip edin.
