如何抽取司法裁判文书中事实认定的实体_自然语言处理(NLP)-阿里云帮助中心

司法裁判文书（事实认定）。

重要

司法裁判文书（事实认定）：抽取司法裁判文书中事实认定的实体，属于自学习平台模型训练算法服务。目前该服务处于试运行阶段，需要提交申请开白名单使用，您可以添加自学习平台答疑二群（钉钉群号：44619071）详细咨询提交申请。

自学习服务使用前，请确认是否已经开通了NLP自学习平台服务，开通后可购买资源包。

NLP自学习平台：开通地址

自学习平台资源包：购买地址

一、创建项目

在NLP自学习平台中【单击进入自学习管控台】，支持多个基本项目和应用算法。在本教程中，我们将引导您掌握通过自学习平台创建一个“司法裁判文书（事实认定）”的项目。

进入“我的项目”或“创建项目”，选择“司法裁判文书（事实认定）”算法单击“创建”。在接下拉的页面填写项目名称和项目描述即可。

二、数据准备

进入“我的项目”后，可以在数据中心中管理您的数据，有两种方式可以创建数据：

1、创建标注任务；2、上传数据集。

2.1创建标注任务

步骤一：上传待标注文档，添加标注人员

说明

创建者和项目管理员默认为标注人员，同时，您也可以将标注任务分配给您创建的阿里云子账号，被分配用户通过子账号的账号密码登录本平台，即可参与数据标注。

子账号登录说明：

1、子账号登录页，登录：https://signin.aliyun.com/login.htm

2、登录后，单击进入我的项目-创建标注任务。

注意：目前仅支持UTF-8编码方式的数据文件

步骤二：添加自定义标签

说明

司法裁判文书内置10+个无需标注的实体标签，模型训练的数据标注成本低至原本的50%以下。

选择本次标注需要优化的预置字段，并逐个添加需要标注的自定义标签字段名；

步骤三：标注数据

2.2 上传数据集

由于模型需要通过标注数据来从中学习规律，因此我们首先要准备好一个标注数据集。

对于用户已经积累了一部分标注数据的情况，我们需要您按照自学习平台所支持的输入格式进行组织，并且上传。

自行上传的标注数据为JSON格式，且需要符合以下格式，其中文本的内容放在“content”中，而标签的内容放在“records”中，records 中key 为实体名，value 为标注内容在原文中的偏移量。

JSON

{
    "id_0001": { // 这是该文档在您数据集里的唯一标示
        "content": "2021年9月4日15时许，被告人刘*立醉酒后驾驶一辆牌照号为浙b**208的小型汽车，行驶至本区大碶街道坝头路与镇大路交叉口附近路段时，与被害人韩*红驾驶的小型轿车发生刮擦，造成车辆受损的交通事故。后经宁波市公安局北仑分局交通**大队认定，被告人刘*立承担此次事故的全部责任。宁波市公安局北仑分局交通**大队民警到场处理交通事1故时发现被告人刘*立有酒后驾车嫌疑，处警民警遂对刘*立进行现场检测。经检测，被告人刘*立呼气酒精含量为212mg/100m1，后经血样检测，其血样乙醇浓度为219mg/100m1。案发后，被告人刘*立与韩*红就民事赔偿问题达成协议，并已实际履行。",
        "records": {
            "作案地点": [{
                "span": "解放街上由东往西方向行驶",
                "offset": [ //标注字段真实字节的偏移量，首字节的偏移量为0。
                    127,
                    139
                ]
            }],
            "呼气式血液酒精含量": [{
                "span": "106mg/100ml",
                "offset": [
                    212,
                    223
                ]
            },
            }]
        }
    }
}