基于模板张量分解和双向LSTM的司法案件罪名认定

案件罪名认定是司法业务的重要环节,尚缺乏有效的智能辅助工具和手段.针对案件定罪的难点问题,提出一种结合张量分解和双向LSTM(Long Short-Term Memory)神经网络的案件定罪方法.该方法将案件数据表示为张量,并在张量分解过程中引入模板张量.模板张量可以在双向LSTM神经网络分类模型的训练过程不断的被优化,使得分解后的核心张量包含更加有效的张量结构和特征信息,有助于提高后续分类模型的准确性,实现案件罪名的精准认定.实验结果表明:所提出的基于张量分解和双向LSTM的司法案件定罪方法比现有方法具有更好的准确性.