在知识驱动的社会治理创新背景下,为了实现涉诉信访案件的提前识别、提前预警、尽早治理,需要对信访行为、信访类型、涉案领域、处置依据等知识元进行精准识别与智能抽取。本文提出一种基于Bert+BiLSTM+CRF的知识元抽取方法,在Bert向量模型基础上通过综合信访案件特征,并融合双向递归神经网络BiLSTM的长短记忆优势和条件随机场CRF转移矩阵可规避非法标注优势来优化,提高知识元抽取的精准性,从而实现知识的智能推送,辅助治理创新。