欧拉图人工智能法律技术涵盖了诉讼的全过程，可以实现在法律领域的快速登陆。

平安科技知识图谱技术团队两年来一直在完善该项目，深入钻研智能法律领域，运用人工智能创新技术，如语言模型、元素抽取、关系抽取、4W事件抽取、语义匹配和相似性等。它建立了一个智能法律技术中心，涵盖诉讼前、诉讼中和诉讼后的整个过程。台湾的法律技术工具可以灵活配置和组合，实现各种法律场景的快速登陆和实际应用。

图1:台湾

语言型号:

基于法律领域的预培训语言模型，该模型是通过大量法律文本的无监督学习获得的，构成了其余技术工具模块的底层支持。与普通语料库的语言模型相比，法律语言模型更适合处理专业法律场景的自然语言任务。

元素提取:

是基于BERT、BILSTM、CRF等不同模型组件的法律信息抽取模型。它可以快速解构判决文件、合同、文件、商标等法律要素，从而获得关键的核心法律要素在现行法律中，台湾要素提取工具可以涵盖判决文件、合同、文件和商标的要素，并可以应用于资产线索提取和判决预测。

关系抽取:

基于BERT的培训前法律关系提取模型，该模型可以从法律文件、合同和其他文本中快速提取各种法律关系。包括人与机构的关系(担保、质押、股权等。)，法律映射关系，判决结果与法律事实之间的映射关系等。通过使用实体识别、实体链接、回指解析等技术。，可以构建实体关系图来恢复案例的关键节点和关系特征。

应用场景:企业诉讼风险情景

是基于要素和关系的提取工具，系统可以提取企业诉讼维度的相关对象和法律关系，从而构建和获取企业诉讼风险图谱。基于企业的诉讼风险画像，用户可以从法律诉讼的角度深入了解企业自身风险要素及相关对象的法律风险点，从而实现控风。

4W事件提取:

使用事件元素提取技术从法律文档中提取事件信息，包括时间(何时)、个人/组织(谁)、地点(在哪里)和什么触发词，以构建案件时间表

应用场景:案例时间表系列和案例排序

提取法律案件的核心点(4W ),连接案件发生时的所有时间点，还原核心案件，帮助法官和法人快速审查案件，节省整理和阅读案件的时间

:

结合非监督(BM25)和监督(DSSM，K-NRM)语义匹配方法来计算不同文本的语义相似度基于上述语言模型、元素抽取、关系抽取和事件抽取模型的输出，结合语义相似度匹配技术，将其应用于智能检索、合同比较与审查、案件推送和商标侵权判定。