一、从文本到结构化要素
法律文本中散落着当事人、案由、法条、金额、时间等命名实体,以及主体-行为-对象等关系。命名实体识别(NER)加关系抽取,能把一份裁判文书或合同从非结构化文本变成可检索的图谱,支撑类案推荐、要素审核与法规溯源。
二、构建步骤
1. 语料:用 CAIL2019 等公开标注数据集做训练与评测,保证标注口径一致。
2. 训练:在 spaCy 中新建中文空白管道,注册实体标签并训练 NER 组件。
3. 关系抽取:基于依存句法或规则,把相邻实体连接成关系三元组。
三、可复现示例
以下示例使用 spaCy 训练自定义法律 NER,并做简化的依存关系抽取:
import spacy
# 训练自定义法律 NER(语料可用 CAIL2019 等公开标注集)
nlp = spacy.blank('zh')
ner = nlp.add_pipe('ner')
for label in ['当事人', '案由', '法条', '金额', '时间']:
ner.add_label(label)
# 训练完成后加载,对文书做实体抽取
doc = nlp('原告甲公司诉被告乙公司合同违约,请求赔偿经济损失五十万元。')
for ent in doc.ents:
print(ent.text, ent.label_)
# 关系抽取:基于依存句法连接相邻实体(简化示例)
for token in doc:
if token.dep_ == 'dobj' and token.head.pos_ == 'VERB':
print('关系:', token.head.text, '->', token.text)
生产环境可把抽取结果写入图数据库,配合向量检索做类案推送;对法条类实体应叠加效力状态字段,确保引用的是现行有效版本。
四、上邦提醒
法律文本含高度敏感信息,模型与数据须私有化部署,严禁将未脱敏卷宗发送至公网接口;模型输出仅作辅助,关键结论需人工核验并标注引用出处。本文为技术实践,不构成法律意见。
参考来源
CAIL2019 司法人工智能挑战赛数据集与任务说明 - GitHub china-ai-law-challenge(2019)
LAiW: A Chinese Legal Large Language Models Benchmark - ACL Anthology(2025)
spaCy: Training a Named Entity Recognition Model - Explosion AI 官方文档