睿聚杯2020全国高校法律科技创新大赛

竞赛简介

为加强法律科技领域沟通与协作，搭建法律科技领域思想、技术、应用的交流实践平台，助力高校推动法律科技相关学科的深化发展，助推法律科技产业人才培养，由北京华宇软件股份有限公司、清华大学智能法治研究院联合发起"'睿聚杯’2020全国高校法律科技创新大赛"。

大赛面向全国高校开展，聚焦法律科技领域前沿创新成果，展开一场高水平的科创竞赛。与高校院所、科研机构和科技企业共同探索未来法律科技领域的创新发展方向。与此同时，发掘和输送法律科创人才，为法律科技领域持续发展储能蓄力。

比赛题目

法律要素与当事人关联性分析

赛题任务

多人多罪在司法行业中是一种比较常见的现象，且在司法行业需要对每个人的不同罪名进行判断。本题目需要利用模型和算法对输入的文本、要素与当事人进行匹配判断，判断在当前输入文本中，要素与当事人之间的对应关系。

环境安装

Install and Update using pip:

pip install paddlepaddle-gpu==1.8.4.post107 -i https://mirror.baidu.com/pypi/simple
pip install jieba==0.42.1 -i https://mirror.baidu.com/pypi/simple
pip install gensim==3.8.3 -i https://mirror.baidu.com/pypi/simple
pip install scikit-learn==0.23.1 -i https://mirror.baidu.com/pypi/simple

训练数据分析

数据说明

文号：裁判文书案号；
段落内容：需要分析的整段内容；
被告人集合：本段内容中涉及的全部当事人；
sentence：分析的句子，本句子是段落的一部分；
要素名称：本句子中出现的案情要素，由法律人员总结得出；
ovalue：与要素名称相对应，本节点为句子中的原始表达方式；
被告人：分析出与要素名称相对应的人名（该项为需要模型预测的信息项，其他为已知）；

数据样例

训练集 train.txt 存放于data文件夹,其数据样例如下,一行一个训练数据,用字典保存

数据处理

如题目所说本任务是利用模型对输入的文本、要素与当事人进行匹配判断,因此用到的数据字段有ovalue(要素原始值)、sentence(句子)、被告人集合、被告人等四个字段,其中被告人为label。
其次由于本任务为命名体识别类型任务,与分词及词性标注的任务属同类,任务的输入是一串序列，输出也是一串序列。例子如下：

• text_a：[故，意，毁，坏，公，私，财，物]
• text_b: [本，院，认，为，被，告，人，寇，某，某，、，邹，某，某，故，意，毁，坏，公，私，财，物，，，数，额，较，大，，，其，行，为，已，构，成，故，意，毁，坏，财，物，罪 ]
• 输出 ：[O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，B-PER，I-PER，I-PER，O，B-PER，I-PER，I-PER，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O，O]

其中B-PER表示text_a实体的开头,I-PER表示位置实体的中间,O表示其它无关词,通过B-PER和I-PER我们就可以锁定这个实体。
切割范例如下,其会切割出ner_local_train_lined.tsv和ner_local_test_lined.tsv,两份训练和测试数据

python ./baseline/data/train_test_split.py

训练开始

简单训练案例

export PYTHONPATH=./ernie:${PYTHONPATH:-} 
python3.7 -u ./baseline/train.py  \
             --use_cuda true \
             --do_train true \
             --do_val true \
             --do_test true \
             --batch_size 48 \
             --init_pretraining_params ./baseline/ERNIE_stable-1.0.1/params \
             --num_labels 3 \
             --chunk_scheme "IOB" \
             --label_map_config ./baseline/data/label_map.json \
             --train_set ./baseline/data/ner_local_train_lined.tsv \
             --dev_set ./baseline/data/ner_local_test_lined.tsv \
             --test_set ./baseline/data/ner_local_test_lined.tsv \
             --save_steps 5000 \
             --weight_decay  0.005 \
             --warmup_proportion 0.0 \
             --validation_steps 5000 \
             --use_fp16 false \
             --epoch 100000      \
             --max_seq_len 512 \
             --learning_rate 5e-5 \
             --skip_steps 100 \
             --num_iteration_per_drop_scope 1 \
             --random_seed 0 

保存模型

调用save_model.py保存目标step模型,该文件会生成到inferences目录下

python ./baseline/save_model.py --init_checkpoint  "checkpoints/sequecneLabelingWithPremise/step_140000" 

测试模型

在predictor文件夹中修改test.py,调整想测试的模型step,范例如下：

if __name__ == '__main__':
    pwd = './predictor/inference/step_xxxxx'<xxxxx为想测试的steps,例如14000>
    NAME= 'xxxxxsteps'<xxxxx为想测试的steps,例如14000>

修改完后就能进行测试了

python ./predictor/test.py