Awesome

extract declared sentence

USAGE

###抽取宣告刑 usage example: python3 extract_declared_sentence.py <directory or file path>

output format: json ["file name", {"accused1": [ ["charge1", "sentence1"], ...], "accused2":[...], ...} ]
Log file is generated locally.

###抽取表格cell 如果僅需要抽取cell 可以用 tools.extract_cells(text) 。 note：僅抽取cell內容為string，並沒有表格結構化。

####儲存表格cells 格式為python pickle, 相容於Python2。

儲存：python3 extract_cells.py /Users/apple/verdict

Python2 讀取:

import pickle
with open('cells_per_doc.pickle', 'rb') as f:
     data = pickle.load(f)

Description

抽取表格的cell內的句子,用regular expression抓取判刑pattern。

統計：

{'accused_extraction_fail': 4,
 'doc': 991,
 'output': 75,
 'table': 2146,
 'table_format_exception': 164,
 'table_processing_fail': 166}

75個doc有結果。 2146個table裡有166個table無法處理 .(紀錄在LOG)

Known Issue

• 多人被告pattern。 see doc of function extract_accuseds
• 表格內有表格的無法處理。 see doc of function parse. 這還好，只有不到1/10表格有問題。
• 判刑pattern的recall rate不明。需要一些test set for evaluation。 有抓出表格宣告型的doc不到1/10，如果真實數字沒那麼低的話那應該regular expression的pattern 是主要問題，at function extract_sentences。