案件要素异构图的舆情新闻抽取式摘要

doi:10.3778/j.issn.1002-8331.2108-0358

摘要/摘要

摘要：案件舆情摘要是指从与司法案件相关的舆情信息中抽取与案件相关的句子作为摘要。在案件舆情文本中通常包含如涉案人员、案发地点等案件要素，这些案件要素对于摘要生成有着重要的指导意义。因此，针对案件舆情文本的特点，提出一种基于案件要素异构图的抽取式摘要模型。首先通过基于图注意力机制融入案件要素的方法，构建一个由句子节点、词节点和案件要素节点组成的异构图，来捕捉句子间的关联关系，最后对句子进行分类，生成摘要。在基于百度百科构建的案件舆情数据集上进行实验，结果表明，模型相比基于注意力机制融入案件要素的方法在路线14.22个百分点的提升。

关键词: 案件舆情摘要, 案件要素, 图注意力机制, 异构图

摘要：案件舆情摘要是指从与司法案件有关的舆情信息中提取与案件有关的判决作为摘要。案件的舆论文本通常包含案件要素，如涉案人、案件所在地等，这些案件要素对抽象生成具有重要的指导意义。因此，针对案例舆情文本的特点，提出了一种基于案例要素异质图的摘要抽取模型。首先，基于图注意机制，通过整合案例元素，构建由句子节点、单词节点和案例元素节点组成的异构图，捕捉句子之间的关系。最后，对句子进行分类以生成摘要。基于百度百科全书的案例舆情数据集的实验结果表明，与基于注意机制的案例元素合并方法相比，本文模型在ROUGE-L中实现了14.22个百分点的改进。

关键词： 案例民意摘要， case元素，图形注意机制，异质图

李刚, 余正涛, 黄于欣. 案件要素异构图的舆情新闻抽取式摘要[J] ●●●●。计算机工程与应用, 2023, 59(4): 112-119.

李刚、俞正涛、黄玉新。基于案例元素异质图的舆情新闻摘要提取[J]。计算机工程与应用，2023,59（4）：112-119。

参考文献

[1] 刘娜，路莹，唐晓君，等.基于本地设计院重要主题的多文档自动摘要算法[J] ●●●●。计算机科学与探索，2015，9（2）：242-248.
刘恩，陆毅，唐晓杰，等.基于LDA重要主题的多文档摘要算法[J]。计算机科学与技术前沿杂志，2015,9（2）：242-248。
[2] 吴仁守，刘凯，王红玲.一种基于局部—全局主题关系的演化式摘要系统[J] ●●●●。中文信息学报，2018，32（9）：75-83.
WU R S，LIU K，WANG H L.基于局部-全局主题关系的进化摘要系统[J]。中国信息处理杂志，2018,32（9）：75-83。
[3] MIHALCEA R，TARAU P.TextRank:整理文本[C]//2004年自然语言处理实证方法会议记录，2004:404-411。
[4] NALLAPATI R，ZHAI F，ZHOU B.SummaRuNNer:基于递归神经网络的文档摘要序列模型[C]//第31届AAAI人工智能会议论文集，加利福尼亚州，2017年2月4日至9日。门罗公园：AAAI，2017:3075-3081。
[5] ZHANG X X，LAPATA M，WEI F R，et al.神经潜伏提取文献综述[C]//2018年自然语言处理实证方法会议论文集，布鲁塞尔，2018年10月31日至11月4日。斯特劳德斯堡：ACL，2018:779-784。
[6] 韩鹏宇，高盛祥，余正涛，等.基于案件要素指导的涉案舆情新闻文本摘要方法[J] ●●●●。中文信息学报，2020，34（5）：56-63.
HAN P Y，GAO S X，YU Z T，et al.以案例元素为指导的案例舆情新闻摘要[J]。中国信息处理杂志，2020,34（5）：56-63。
[7] 胡隆明，杨天成，史春秋，等.半监督短文本分类中的异质图形注意网络[C]//2019年自然语言处理经验方法会议暨第九届国际自然语言处理联合会议论文集，2019:4823-4832。
[8] TU M，WANG G T，HUANG J，等.基于异质图形推理的多文档阅读理解[C]//佛罗伦萨计算语言学协会第57届年会论文集。斯特劳德斯堡：ACL，2019:2704-2713。
[9] TAN J，WAN X，XIAO J.基于图形的注意力神经模型的抽象文档摘要[C]//温哥华计算语言学协会第55届年会论文集。斯特劳德斯堡：ACL，2017:1171-1181。
[10] 刘毅，LAPATA M.带预处理编码器的文本摘要[C]//2019年自然语言处理经验方法会议和第九届自然语言处理国际联合会议论文集，2019:3721-3731。
[11] DEVLIN J，CHANG M W，LEE K.BERT：用于语言理解的深度双向变换器预训练[J].arXiv:1810.048052018。
[12] 钟敏，刘鹏飞，陈永荣，等.基于文本匹配的抽取式摘要[C]//计算语言学协会第58届年会论文集。斯特劳德斯堡：ACL，2020年。
[13] LECUN Y，BOTTOU L，BENGIO Y，等.基于梯度的学习在文档识别中的应用[J]。IEEE学报，1998,86（11）：2278-2324。
[14] HOCHREITER S，SCHMIDHUBER J.长短期记忆[J]。神经计算，1997,9（8）：1735-1780。
[15] 佩塔尔V，CUCURULL G，CASANOVA A.图形注意网络[J].arXiv:1710.109032017。
[16] 王朝晖，张明，马士平，等.网络环境下在线新闻自动构建[C]//第十七届万维网国际会议论文集，2008:457-466。
[17] LIN C Y.ROUGE:自动评估摘要的软件包[C]//分出文本摘要研讨会，ACL会后研讨会2004:74-81。
[18] Carborell J，GOLDSTEIN J。MMR的使用，基于多样性的重新分类，用于重新排序文档和生成摘要[C]//第21届国际ACM SIGIR信息检索研究与开发会议论文集，1998:335-336。
[19] VASWANI A，SHAZEER N，PARMAR N。注意力就是你所需要的一切[C]//神经信息处理系统的进展，2017:5998-6008。