基于分层学习的易混淆法条预测

目前针对法条预测的相关研究大都采用文本分类的思想,但模型构建过程都未考虑不同法条之间的从属关系或相似程度,因此对于易混淆法条预测效果普遍较差。针对现有方法在易混淆法条预测中存在的不足,提出基于分层学习的易混淆法条预测方法。将法条分为易区分法条和易混淆法条,按法条内容将易混淆法条组合为不同易混淆法条集并分别训练易混淆法条集预测模型,运用分层学习完成易混淆法条预测。在刑事案件的数据上进行实验,实验结果表明,该模型能较好解决易混淆法条预测问题,提高法条预测准确率。

对“缺乏必要技术特征”过度质疑的分析

在审查实践中,由于技术理解有偏差、过多代入说明书中更优实施例的内容或法条混淆等,会出现关于缺乏必要技术特征过度质疑的问题。本文以实际案例,分析了缺乏必要技术特征过度质疑的原因,并从立法本意和法条适用性层面上进行了缺必特法条和容易发生法条混淆的不支持法条的对比分析,给出了是否存在缺乏必要技术特征缺陷的一些判断标准,以期为审查过程提供参考帮助。