【法医伤情鉴定智能辅助】华宇创新技术成果第7期 | TECH ZONE
华宇深耕法律科技多年，在形成自身完备的技术体系的同时，培养出一大批勇于创新的技术工程师，TA们乘风破浪，厚积薄发，“技”往开来。在这里，我们将开创一片TECH ZONE，陆续呈现TA们在工作中的创新技术成果，敬请关注。
法医伤情鉴定智能辅助工具
视频：华宇解读法医伤情鉴定智能辅助
在“某省检察院智慧法医”中有这么一个业务场景：下级检察机关的法医在对《人体损伤程度鉴定书》进行审查时，需要进行“结论性审查”，也就是对文书中“伤情描述语句”和所引用的“法条”的一致性进行判断，以及判断文书的判定结论是否与“法条”一致。
为了更直观的了解业务场景，以图1鉴定文书的图片予以说明
首先需要审查“检查所见”段的“伤情描述”信息和“论证”段“伤情描述”是否一致，引用法条是否正确；其次还要审查“论证”段所引用的法条是否能够推出“鉴定意见”中的“伤残等级”判断。
图1：鉴定文书
项目难点
1）如何从文书的“检查所见”段提取“纯粹”的“伤情描述语句”（例如：神志清、精神可等一些表示被鉴定人“无碍”的一些描述自动剔除。）；
2）“伤情”众多，对应的描述也千奇百怪，如何去涵盖所有的“伤情”，确保提取的“伤情描述”不漏？如何更好地“泛化”？
3）从图1可以看出：“论证”段的伤情描述要少于“检查所见”段，因为“论证”段对“检查所见”段的伤情描述进行了合并，那么合并标准是什么？是如何合并的？
解决方案
传统的正则匹配、以及规则肯定是无法胜任“伤情”众多、描述方式“千奇百怪”的“法医文书”，因此把目光转向了“自然语言处理”，将相关算法结合实际的业务需求予以落地。
针对难点1和难点2：
针对一个“伤情语句”，其必然可以分成：“伤情部位”、“伤情类型”、“伤情大小”，因此，就可以对单一的“伤情语句”进行结构化，而“自然语言处理”中的“命名实体识别”技术，就能非常好的从一句话提取所想要的结构化信息，并且其少了人为的相关干预，靠“模型”自身学习到的相关能力进行“泛化”，能够适用于“浙江智慧法医”的相关业务需求；这样一来，“难点1”就可以根据结构化后的“伤情部位”、 “伤情类型”、“伤情大小”的有无来进行区分，“难点2”的“泛化”也得以解决。
针对难点3：
最后，在“伤情合并”方面，非自然语言处理方式，往往都是给出特定的合并规则，在规则之下进行合并，显示其“泛化”能力很弱，而利用“词向量”等自然语言处理技术能够计算两两伤情语句的“语义相似度”，这样就可以把“相似度”高的伤情语句语义合并，低的就不予以合并，而且“伤情语句”都是被结构化了，对于合并后的伤情就更好表示出来。这样一来“难点3”就迎刃而解。
综上所述：“自然语言处理”的“命名实体识别”技术能够完美地契合“智慧法医”的相关需求。针对“命名实体识别”模型的实现方式做了众多的探索与实现，具体的模型结构以及相关算法优缺点请详见下文的“模型技术方案”，最终的项目实现效果详见下文的“工程效果”。
模型技术方案
词向量+BILSTM+CRF
BILSTM：双向长短时记忆网络；CRF：条件随机场
模型结构：
模型优缺点：
1）模型预测的速度快，精度较高。
2）模型复用困难
词向量训练需要大量的相关语料，不同任务需要爬取不多类型的预料才能训练出较好的词向量；模型是“词语级别”的模型，因此需要极为精准的词分割；不同任务的分词需要重新设计。
3）训练出来的模型过大，大概在1G左右。
BERT+BILSTM+CRF
和“词向量+BILSTM+CRF”相比结构类似，只是将词向量换成了BERT模型。
模型特点：
1）模型是字符级别，没有苛刻的分词要求；
2）模型精度要比“词向量+BILSTM+CRF”的更高、效果更好；
3）模型的训练时间很长，需要做大量的运算；
4）模型预测时间也很长，平均要0.4s到0.5s才能完成一句话的预测。
ALBERT + BILSTM+CRF
和“词向量+BILSTM+CRF”相比结构类似，只是将词向量换成了ALBERT模型。
模型特点：
1）识别效果几乎和“BERT+BILSTM+CRF”一致；
2）具备“BERT+BILSTM+CRF”的所有优点；
3）模型更小只有十几M，现场部署极为方便；
4）模型训练时间极大缩短，要优于“BERT+BILSTM+CRF”，但是还是要高于词向量+BILSTM+CRF；
5）模型预测时间极大缩短，仅为
“BERT+BILSTM+CRF”的1/10，和词向量+BILSTM+CRF速度相当。
工程效果
图2为“ALBERT + BILSTM+CRF”模型在“智慧法医”项目中的应用（从“法医鉴定文书”中的“检查所见”段中提取所有的伤情描述语句）：
图2：伤情语句提取
图3为“ALBERT + BILSTM+CRF”模型在“智慧法医”项目中的应用（“伤情合并”：将上一步中获得的“伤情语句”进行结构化，从中提取“伤情部位”、“伤情大小”、“伤情类型”。
图4为模型对伤情语句的结构化信息，然后再根据法条进行推送。
图3：伤情合并
图4：伤情语句结构化信息
上述三种方案各有优劣，可以根据实际情形予以选择：如果不能提供GPU，又有很高的时效性要求，可以选择词向量+BILSTM+CRF；如果能够提供GPU，可以选择考虑BERT+ BILSTM + CRF和ALBERT+ BILSTM +CRF；如果经过测试方案二和方案三精度相差不多的情况下，优先选择方案三。
人工智能算法在"智慧法医"类似业务场景下的优势可以概括为以下几点：
在"智慧法医"中涉及到对伤情结构化信息提取，在过往的结构化信息提取中多数采用正则匹配的方式，但是这种方式只能对规律性较强的数据进行提取（比如：身份证号）。由于法医编写"鉴定报告"逻辑表达的不同，伤情的部位、大小、类型无规律可循，正则很自然就不很胜任此类问题的解决，而人工智能算法能够通过标注的语料经过训练学习到其内部的规律，完成对结构化信息的提取（比如说：某些词是伤情部位，其后面跟的词可能是伤情的类型等等，这类的规则）。
02能够通过"语义"来进行伤情合并
在"智慧法医"中伤情合并是至关重要的一步。同一种伤在上下文中的描述很可能不一致，他们需要合并之后再和法条对应；这类的需求被归纳为相似度计算，只有两个伤情的相似度满足一定阈值之后才能进行合并；中文博大精深，往往对一个事物有多中表述，多一个字和少一个字在含义上就会天壤地别，因此不能仅通过词或者字的相同、相近与否进行相似度的计算，而是需要从整体的语义上面来做计算，人工智能算法就可以通过语料来学习到句子中的语义特征，并且通过语义特征来计算两两伤情间的相似度，最终确定是否需要合并。
传统的方法解决"智慧法医"需求，需要众多"规则"，这样无论是维护还是后续的更新迭代都很困难；而人工智能算法只需要根据新的需求数据进行标注，再次训练完之后替换模型即可，维护性强；并且后续有其他项目用到类似的需求，只需要把数据集替换掉再训练模型即可。
华宇创新技术成果（2020）系列
点击下方“阅读原文” 了解华宇法律科技十大技术