毛存礼,梁昊远,余正涛,郭军军,黄于欣,高盛祥

(1. 昆明理工大学 信息工程与自动化学院，云南 昆明 650500；2. 昆明理工大学 云南省人工智能重点实验室，云南 昆明 650500)

0 引言

涉案新闻是指与司法案件相关的新闻，准确抽取涉案新闻主题信息对进一步开展涉案新闻检索、涉案新闻事件分析等研究具有重要价值。传统主题模型主要考虑词频统计特征，而忽略了文档中的词语出现的次序及上下文信息[1-2]。例如，“窃取”一词，可以是窃取个人财产，也可以是窃取国家机密，但是案件性质完全不同，前者涉及盗窃罪，而后者则是触及了非法获取国家秘密罪。神经主题模型由于能够获得文本的深层语义信息，既可以捕获文中词汇之间的局部依赖关系，又可以利用潜在主题捕获全局语义信息，有效弥补传统主题模型的缺陷，近年来在文本检索、文本分类、文本摘要等自然语言处理任务中表现出较好的效果[3-11]。

案件要素是案件关键信息的体现，涉案新闻与普通新闻的根本区别在于是否出现案件要素。对涉案新闻主题分析的核心是对案件要素相关词汇的主题进行预测，故可以将案件要素作为涉案领域知识来捕获文本中涉案相关词语的主题分布和文本的主题表征。然而，现有的神经主题模型忽略了领域知识对特定领域主题分析任务的作用。为此，本文针对涉案新闻主题分析任务，提出一种基于神经自回归分布估计的涉案新闻主题模型构建……