基于自监督学习语言模型的罪名预测研究

TP391; 针对解决法律判决预测中的罪名预测问题,为了更高效地捕捉案件事实描述中上下文的语义信息,提出了一种结合ALBERT(A Lite BERT)和卷积神经网络CNN(TextCNN)的中文罪名预测模型ALBT.模型利用ALBERT模型将法律文本的事实描述转化成向量表示,提取事实描述中的关键特征,把提取到的特征送入卷积神经网络TextCNN模型中进行分类预测,最终完成对事实描述中的罪名预测.实验在2018"中国法研杯"司法人工智能挑战赛构建的数据集上精度达到了88.1％.实验结果表明,模型在中文罪名预测上能够达到更好的预测效果....

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 3; pp. 276 - 281
Main Authors 田杰文, 杨亮, 张琍, 毛国庆, 林鸿飞
Format Journal Article
LanguageChinese
Published 大连海洋大学 信息工程学院,辽宁 大连 116023%大连理工大学 辽宁 大连 116024%北京计算机技术及应用研究所,北京 100854%北京国双科技有限公司,北京 100083 02.02.2024
Subjects
ALBERT
特征提取
TextCNN
罪名预测
文本分类
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2108-0351

Cover

More Information
Summary:TP391; 针对解决法律判决预测中的罪名预测问题,为了更高效地捕捉案件事实描述中上下文的语义信息,提出了一种结合ALBERT(A Lite BERT)和卷积神经网络CNN(TextCNN)的中文罪名预测模型ALBT.模型利用ALBERT模型将法律文本的事实描述转化成向量表示,提取事实描述中的关键特征,把提取到的特征送入卷积神经网络TextCNN模型中进行分类预测,最终完成对事实描述中的罪名预测.实验在2018"中国法研杯"司法人工智能挑战赛构建的数据集上精度达到了88.1％.实验结果表明,模型在中文罪名预测上能够达到更好的预测效果.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2108-0351