技術(shù)特征：

1.一種基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建法律文本語(yǔ)法樹(shù)的方法，其特征在于，所述方法包括：

獲取法律服務(wù)的訓(xùn)練文本；

對(duì)所述訓(xùn)練文本進(jìn)行詞向量稀疏表示；

根據(jù)所述詞向量稀疏表示通過(guò)DNN對(duì)所述訓(xùn)練文本進(jìn)行語(yǔ)義標(biāo)注；

根據(jù)所述語(yǔ)義標(biāo)注對(duì)所述訓(xùn)練文本進(jìn)行依存描述，構(gòu)建得到法律文本語(yǔ)法樹(shù)。

2.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建法律文本語(yǔ)法樹(shù)的方法，其特征在于，所述獲取法律服務(wù)的訓(xùn)練文本，包括：

由網(wǎng)絡(luò)爬蟲從互聯(lián)網(wǎng)獲取法律服務(wù)相關(guān)的數(shù)據(jù)；

去除所述數(shù)據(jù)中的非法律要素，得到訓(xùn)練文本。

3.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建法律文本語(yǔ)法樹(shù)的方法，其特征在于，所述對(duì)所述訓(xùn)練文本進(jìn)行詞向量稀疏表示，包括：

將所述訓(xùn)練文本經(jīng)過(guò)分詞處理后提交給預(yù)設(shè)的CBOW模型轉(zhuǎn)化為詞向量的稀疏表示。

4.根據(jù)權(quán)利要求3所述的基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建法律文本語(yǔ)法樹(shù)的方法，其特征在于，所述轉(zhuǎn)化為詞向量的稀疏表示包括：

對(duì)所述訓(xùn)練文本中一段長(zhǎng)度為的詞序列，所述CDOW模型的輸入為：

；

其中， 表示目標(biāo)詞所處的上下文語(yǔ)境，表示以為中心，分別向前向后個(gè)詞構(gòu)成的詞序列，，一般取奇數(shù)；表示上下文語(yǔ)境中的第個(gè)詞，表示對(duì)應(yīng)的詞向量。

5.根據(jù)權(quán)利要求3所述的基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建法律文本語(yǔ)法樹(shù)的方法，其特征在于，所述CBOW模型的輸出層對(duì)應(yīng)一個(gè)二叉樹(shù)，通過(guò)哈弗曼編碼實(shí)現(xiàn)詞向量的稀疏表示。

6.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建法律文本語(yǔ)法樹(shù)的方法，其特征在于，所述DNN的輸入層為所述訓(xùn)練文本中由個(gè)詞序列構(gòu)成的一個(gè)句子，表示為，以及該句子所對(duì)應(yīng)的詞性標(biāo)注序列和關(guān)系標(biāo)簽序列。

7.一種基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建法律文本語(yǔ)法樹(shù)的裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取法律服務(wù)的訓(xùn)練文本；

處理模塊，用于對(duì)所述訓(xùn)練文本進(jìn)行詞向量稀疏表示；

標(biāo)注模塊，用于根據(jù)所述詞向量稀疏表示通過(guò)DNN對(duì)所述訓(xùn)練文本進(jìn)行語(yǔ)義標(biāo)注；

構(gòu)建模塊，用于根據(jù)所述語(yǔ)義標(biāo)注對(duì)所述訓(xùn)練文本進(jìn)行依存描述，構(gòu)建得到法律文本語(yǔ)法樹(shù)。