基于词语语义差异性的多标签罪名预测

发布时间：2021-09-23 12:03

　　罪名预测是智慧司法领域中的一项重要研究内容,其旨在依据犯罪事实自动预测出犯罪主体触犯的罪名。犯罪事实是案件的真实客观描述,犯罪事实中各词语的语义重要性在不同罪名的判决中有所差异,而现有方法在对犯罪事实建模的过程中往往忽略了这种语义差异性,且缺乏对数罪并罚情形的处理。为此,该文在对犯罪事实的建模过程中将词语的语义差异融入注意力机制;并将数罪并罚情形下的多标签罪名预测转化为多个独立的单标签罪名预测。实验结果表明,该文基于词语语义差异性建模和多标签转化策略均有利于提升罪名预测的效果,在"中国法研杯"2018司法人工智能挑战赛公布的数据集上达到了88.0%的F1值。 

【文章来源】：中文信息学报. 2019,33(10)北大核心CSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 相关工作
2 基于词语语义差异性的多标签罪名预测模型
    2.1 问题描述
    2.2 基于注意力机制的语义差异性建模
        2.2.1 Bi-GRU层
        2.2.2 注意力层
        2.2.3 特征提取层
    2.3 多标签罪名预测模型
3 实验与分析
    3.1 数据集及评价指标
    3.2 实验参数设置
    3.3 结果及分析
4 结语



本文编号：3405671