基于深度学习的法律智能研究与应用

发布时间：2021-04-24 00:13

　　法律智能目的是给机器赋予阅读理解法律文本与定量分析案例的能力,完成罪名预测、法律条款推荐和刑期预测等具有实际应用需求的任务。法律智能有望辅助法官、律师等人士更加高效地进行法律审判,更好的帮助人民群众理解相关法律条款在案件中的应用,提高人民群众对法律的认识,增强人民群众使用法律维护自己的合法权益的意识。法律智能在一定程度上推动了语言理解和人工智能领域技术在法律领域的应用,促进人工智能事业在法律领域中的发展。基于以上人工智能领域技术在法律领域具有实际的应用需求,本文选取法律智能中的罪名预测和法条推荐任务,作为人工智能技术在法律智能领域中的应用探索,并提出了两种网络模型结构分别解决罪名预测和法条推荐问题。主要研究工作如下:1.罪名预测任务,罪名预测是根据刑事法律文书中的案情描述和事实部分,预测被告人被判的罪名。随着人民群众的维权意识逐渐提高,司法案也逐渐增多,但是当前从事司法工作的相关人员数量是有限的,这样的情况会造成司法办案效率比较低,而人工智能具有快速处理大量文本信息的能力,因此,利用人工智能领域中的深度学习技术来探索解决罪名预测任务的方法,提出基于深度学习的端到端记忆网络（ETE-ME... 

【文章来源】：河南大学河南省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 论文组织结构
2 相关理论技术及实验数据
    2.1 理论基础
        2.1.1 深度学习
        2.1.2 词向量嵌入方法
        2.1.3 非线性激活函数
        2.1.4 神经网络模型优化方法
    2.2 性能评价指标
        2.2.1 准确率与F
        2.2.2 宏平均和微平均
    2.3 实验数据
    2.4 本章小结
3 基于端到端记忆网络的罪名预测
    3.1 端到端记忆网络在罪名预测中的模型
        3.1.1 单层端到端记忆网络的罪名预测模型
        3.1.2 多层端到端记忆网络的罪名预测模型
    3.2 实验结果及分析
        3.2.1 实验数据
        3.2.2 实验参数设置
        3.2.3 实验结果及分析
    3.3 本章小结
4 基于融合CNN-GRU网络的法条推荐
    4.1 融合CNN-GRU网络在法条推荐中的模型
        4.1.1 卷积神经网络
        4.1.2 GRU网络
        4.1.3 融合CNN-GRU网络的法条推荐模型
    4.2 实验结果及分析
        4.2.1 实验数据集
        4.2.2 实验参数设置
        4.2.3 实验结果及分析
    4.3 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读学位期间的科研成果



本文编号：3156306