期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融入罪名关键词的法律判决预测多任务学习模型
被引量:
25
1
作者
刘宗林
张梅山
+3 位作者
甄冉冉
公佐权
余南
付国宏
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2019年第7期497-504,共8页
作为新兴的智慧法院技术之一,基于案情描述文本的法律判决预测越来越引起自然语言处理界的关注。罪名预测和法条推荐是法律判决预测的2个重要子任务。这2个子任务密切相关、相互影响,但常常当作独立的任务分别处理。此外,罪名预测和法...
作为新兴的智慧法院技术之一,基于案情描述文本的法律判决预测越来越引起自然语言处理界的关注。罪名预测和法条推荐是法律判决预测的2个重要子任务。这2个子任务密切相关、相互影响,但常常当作独立的任务分别处理。此外,罪名预测和法条推荐还面临易混淆罪名问题。为了解决这些问题,该文提出一种多任务学习模型对这2个任务进行联合建模,同时采用统计方法从案情描述中抽取有助于区分易混淆罪名的指示性罪名关键词,并将它们融入到多任务学习模型中。在CAIL2018法律数据集上的实验结果表明:融入罪名关键词信息的多任务学习模型能够有效解决易混淆罪名问题,并且能够显著地提高罪名预测和法条推荐这2个任务的性能。
展开更多
关键词
法律判决预测
多任务学习
罪名关键词
原文传递
题名
融入罪名关键词的法律判决预测多任务学习模型
被引量:
25
1
作者
刘宗林
张梅山
甄冉冉
公佐权
余南
付国宏
机构
黑龙江大学计算机科学技术学院
贵州财经大学信息学院
出处
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2019年第7期497-504,共8页
基金
国家自然科学基金资助项目(61672211,61602160,U1836222)
黑龙江省自然科学基金资助项目(F2016036)
文摘
作为新兴的智慧法院技术之一,基于案情描述文本的法律判决预测越来越引起自然语言处理界的关注。罪名预测和法条推荐是法律判决预测的2个重要子任务。这2个子任务密切相关、相互影响,但常常当作独立的任务分别处理。此外,罪名预测和法条推荐还面临易混淆罪名问题。为了解决这些问题,该文提出一种多任务学习模型对这2个任务进行联合建模,同时采用统计方法从案情描述中抽取有助于区分易混淆罪名的指示性罪名关键词,并将它们融入到多任务学习模型中。在CAIL2018法律数据集上的实验结果表明:融入罪名关键词信息的多任务学习模型能够有效解决易混淆罪名问题,并且能够显著地提高罪名预测和法条推荐这2个任务的性能。
关键词
法律判决预测
多任务学习
罪名关键词
Keywords
legal judgment prediction
multi-task learning
charge keywords
分类号
D926 [政治法律—法学]
TP391.1 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
融入罪名关键词的法律判决预测多任务学习模型
刘宗林
张梅山
甄冉冉
公佐权
余南
付国宏
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2019
25
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部