基于知识图谱的涉毒案件法条预测方法

为解决涉毒案件法条预测中忽视案情结构信息导致精确性不足、解释性不强等问题,提出基于知识图谱的核方法法条预测模型。将复杂的案情描述结构化成为知识图谱,去除文本噪音的同时引入案情的结构信息以辅助法条预测,通过核方法将复杂的多标签分类问题转化为较简单的单标签分类问题,降低预测难度且实现细粒度法条(具体到法条款项)的预测。实验结果表明,所提方法有效提升了涉毒案件法条预测的性能,增强了法条预测的可解释性。

融合法条的司法裁判文书摘要生成方法

针对司法裁判文书摘要生成过程中忽略案件审理逻辑脉络,导致许多重要信息丢失的问题,基于法官的案件审理逻辑脉络,提出融合法条的裁判文书生成方法。通过构建法条的外部知识编码器,将该编码器融合到Encoder-Decoder摘要框架中,利用知识编码表示后的法条在摘要过程中辅助保留裁判文书中的重要信息,提升司法摘要生成模型的性能。实验结果表明,该模型在F1指标上相比主流的指针生成网络摘要模型分别提升了1.37 ROUGE-1、4.91 ROUGE-02、3.91 ROUGE-L。

缺陷检测技术的发展与应用研究综述

为满足智能制造企业对产品质量检测的需求,服务制造企业生产管理,对缺陷检测技术的研究现状、典型方法和应用进行梳理.首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点;对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状;然后,梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用;最后,对缺陷检测技术的研究情况进行了总结和展望,指出该研究领域亟需解决的问题和未来发展的方向,并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV(International Conference on Computer Vision)和CVPR(International Conference on Computer Vision and Pattern Recognition)等知名国际会议上相关论文的核心思想和源代码,为缺陷检测技术的进一步发展提供理论和应用上的借鉴与参考.

改进KG-BERT算法的涉毒案件法条预测方法

涉毒案件法条预测任务存在案情复杂度高、案件与案件之间相似度大等难点,传统方法大多集中于对案情的语义学习,而忽略了法条知识的作用,导致法条预测性能不佳。因此,基于KG-BERT算法提出改进后的KG-Law⁃former算法。改进后的算法可同时学习案情知识和法条知识,并通过法条知识更好地指导预测。实验结果证明,该方法在宏F1值上较传统方法提升了10%~30%,达到79%,并在准确率Acc、宏精确率MP和宏召回率MR等指标上均有一定提升,证明了在法条预测中融入法条知识可以提高预测性能。

基于改进YOLOv8的室内火情检测

随着城市化进程的加快,室内火灾预警变得尤为重要。基于视觉的深度学习技术已成为火灾检测的研究热点,但在性能上仍有较大的改进空间。因此,本文设计了一种改良版的YOLOv8s算法,以提高室内火灾检测的准确性和实时性。改进的YOLOv8s算法通过整合Ghost模块和卷积块注意力机制(CBAM),大幅降低了计算复杂度并增强了特征融合的作用。实验结果表明,该改进模型在模型参数量方面减少了44%,同时帧率提升了19.6%,检测精度也增加了2个百分点;在与其他主流算法进行对比时,在模型的精度、召回率和参数等均体现出均衡的优势。本文详细评估了这些改进对模型检测性能的影响,结果表明,改进后的YOLOv8s算法在检测速度和准确性上均表现出显著优势。本研究不仅为室内火灾监测提供了更高效的解决方案,也展示了深度学习在火灾检测中的广阔应用前景。