清华大学挑战杯项目

主要目标为：法律文书结构化 结构化法律文书的核心在于 事件抽取

一个事件由许多的要素（argument）组成，例如简单的婚姻事件就由 结婚人、结婚时间、是否离婚等一系列要素组成。则我们只要知道句子中的每一个词语在所描述的事件中属于哪一个argument，则能够抽取出事件。所以事件抽取简化成 序列标注问题

• Event mention: a phrase or sentence within which an event is described, including a trigger and arguments.
• Event trigger: the main word that most clearly expresses the occurrence of an event (An ACE event trigger is typically a verb or a noun).
• Event argument: an entity mention, tempo- ral expression or value (e.g. Job-Title) that is involved in an event (viz., participants).
• Argument role: the relationship between an argument to the event in which it participates.

crf是用于解决序列标注问题的常见模型。

• 定义事件，将事件中重要的arguments进行定义
• 数据标注，通过数据标注平台把事件中的arguments在文书中标注出来
• 拓展数据集，以标注的少量数据作为训练集，通过网上开源工具 python-crfsuite 来对我们目前拥有的所有数据（包括已经标注的和未标注的）进行预测，通过一定的标准（标注详细内容见下）来进行初步筛选
• 数据的再次处理（人工）人工对初步筛选的数据进行再次筛选，确保拓展出的数据集的正确性
• 通过更加复杂的模型来进行句子（词序列）的序列标注

• 拥有所有的key argument
• 只拥有一个trigger

• 故意伤害
• 抢劫
• 赌博
• 妨碍公务
• 滥伐林木
• 非法持有毒品
• 非法拘禁
• [掩饰、隐瞒][犯罪所得、犯罪所得收益]
• 故意毁坏财物
• 抢夺