基于BERT的盗窃罪法律文书命名实体识别方法

李春楠,王 雷,孙媛媛,林鸿飞

(1. 大连理工大学 计算机科学与技术学院，辽宁 大连116024；2. 锦州市人民检察院，辽宁 锦州121000)

0 引言

近年来,随着国家司法改革的持续推进，人工智能技术在司法领域中的应用受到了研究者的广泛关注和重视，特别是对海量的法律文书进行智能分析和处理已成为司法人工智能研究的重要内容。而法律文书的命名实体识别，作为司法人工智能领域的关键性和基础性的工作，在法律问答、刑期预判和司法知识图谱构建等任务中具有重要应用。

法律文书，是指适用于法律活动，带有法律专业属性的所有非规范性文件的总称[1]。司法命名实体则是法律文书中所涉及的，具有司法领域特色的名词和短语，相比较通用领域的命名实体识别研究，司法领域命名实体识别面临以下问题和挑战(1)文中涉及数据均已脱敏。

(1) 法律文书的命名实体识别，关注的是与司法业务息息相关的司法属性。如“2019年2月15日上午10时许，犯罪嫌疑人张某盗窃了受害人李某iPhone6牌手机一部。”其中描述的“张某”和“李某”应该分别为“犯罪嫌疑人”和 “受害人”，而“iPhone6牌手机”应为被盗物品。现有的司法命名实体的研究则多偏向于实体的自然属性，如把“张某”“李某”识别为人名，把“iPhone6牌手机”识别为物品，这些信息对于下游的司法业务应用是不充分的。

(2) 法律文书命名实体相比通用领域命名实体描述粒度更细、更复杂，分词难度更大。如在通用领域，地点会被描述成“**市**县(村……