20、法律案例文本结构与分类解析

法律案例文本结构与分类解析

1. 文本片段表示

在法律案例分析中，文本可划分为不同类型的片段。句子代表典型文本单元，“短语”片段由预定义标点（如枚举符号）界定，句子和短语片段都可通过界定或分类词模式来定义。“模式”片段由特定词模式（如文本字符串模板）构成。片段可能有子结构，包含指向子片段框架的指针。当片段出现依赖于文本中其他非相邻片段时，会在框架上附加规则说明这种依赖关系。片段有标记表明其是否可选或重复，在表示刑事案例时，除嵌套片段外不允许片段重叠。

片段框架以语义网络形式组织，它们之间存在层次（has a）、顺序（precedes）或条件（if…then）关系。头片段框架定义完整文本或主要文本组件及其可能的子片段，这种表示基于对文本的“自上而下”解释，将全局概念分解为更基本的概念。同一层次的片段可能有顺序关系，条件关系则在片段合法性依赖于其他片段存在时使用。不同文本视图或类别可通过不同文本语法和头片段框架的分类词模式来定义。

2. 词模式的作用

词模式在文本片段分类和界定中至关重要。文本字符串或字符串序列（词模式、指示词或短语）是文本片段界限、类别或类别的重要指示。片段可由特定词模式或词模式的逻辑组合来表征。具有相同界定或分类功能的词模式归为语义类，词模式框架代表语义类及其成员词模式，并与相应文本片段框架相连。

词模式是正则表达式，由固定顺序的一个或多个字符串组成，模式元素通过空格、标点和空格分隔。模式元素可以是单词字符串、数字、通配符或词模板。通配符代表随机文本和/或空格，词模板由固定和通配字符组成，如“?laintiff?”可表示“Plaintiff”“plaintiff”“plaintiffs”等，通配符有助于文本字符串的选择性