基于CRF的交通肇事诉讼案件关键要素抽取
2021-03-23郭凡莎杨风暴
计算机与现代化 2021年3期
郭凡莎,杨风暴
(中北大学信息与通信工程学院,山西 太原 030051)
0 引 言
随着法制社会的到来和人们法制意识的增强,人们更多的是通过法院的诉讼程序解决纠纷来保护自己的合法利益和维护社会的公平正义。诉讼案件已经日益成为社会关注的焦点,案件判决相关人员对从海量数据中快速、准确地获取出真正有用的案件信息的需求越来越迫切。诉讼案件的关键要素抽取是全局立案决策模型和检察建议草案文本自动生成的首要步骤,可广泛应用于诉讼案件的查询检索、决策系统和效果跟踪等研究。
美国某所学院经过试验建立起了一个能够对犯罪信息实行自动报道和调查的系统[1-2]。在审讯时运用认知心理学的相关知识,对证人进行访谈,让证人恢复记忆,在记录案件时运用自然语言,将实际情况事无巨细地记录下来,从证人的访谈记录中找到有关犯罪的信息。目前学术界研究如何构建数据库和文本挖掘的学者很多,而自然语言文本的信息抽取[3-8]研究较少。针对刑事判决书,佘贵清等人[9]利用正则表达式构建文本抽取规则,最终实现审判案件的自动抽取;魏文燕等人[10]基于信息抽取和案件分类对公安案件文本的信息处理框架进行了研究。刘稳等人[11]利用命名实体识别、框架知识表示和事件信息抽取技术,实现了案件判决书信息的自动抽取。机器学习方法认为信息抽取任务是序列标注问题,CRF是解决序列标注问题的主流方法[12-14]。……
登录APP查看全文
