声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：刘宗林, 张梅山, 甄冉冉, 公佐权, 余南, 付国宏
单位：1. 黑龙江大学 计算机科学技术学院, 哈尔滨 150080;<br>2. 贵州财经大学 信息学院, 贵阳 550025
关键词：法律判决预测,多任务学习,罪名关键词
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）
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。
来源：2019年第7期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。