基于Bi-LSTM的涉恐类案件法律文书的命名实体识别研究

此文研究涉恐类刑事案件法律文本的中文命名实体识别任务,对涉恐类案件的实体识别对后续的公安对于涉恐类刑事案件信息提取、案情辅助研判、构建公安领域犯罪侦查知识图谱等一系列应用具有重要意义。此文提出了一种基于深度学习的模型来自动识别涉恐刑事案件法律文书中的实体。此文使用从互联网获取的涉恐类刑事案件的裁判文书作为数据集对该模型进行训练,验证,测试。在文中还加入了对比实验,将该模型的实验结果与CRF模型的实验结果进行对比。实验表明,BiLSTM-CRF模型在数据集上能够取得最优的结果,准确率为0.9541,召回率为0.9550,F1值为0.9543。实验结果证明BiLSTM-CRF模型在涉恐类案件法律文书实体识别上的可行性。

面向开放式社交平台的虚拟用户身份同一认定技术的研究

随着社交网络平台的普及和多元化发展,互联网上由匿名用户引起的谣言传播、网络犯罪等社会公共安全问题层出不穷,因此对不同平台上的用户进行身份同一性认定成为网络安全领域亟待解决的问题。本文以开放式社交平台微博上的用户个人简介及其发布的文本信息为研究对象,通过抽取账号上下文构建特征,进而采用不同算法构建二分类模型对其身份进行同一认定研究,并通过策略的融合提升实验结果的准确度,融合后同一认定的准确率达到85%以上。