崔 斌, 邹 蕾, 徐明月

(北京京航计算通讯研究所信息工程事业部, 北京 100074)

违法事实要素作为诉讼案件的关键要素之一，影响着对案件进行决策的效率。违法事实要素抽取可以协助高检人员从海量诉讼案件中快速有效提取出违法事实，以用于案情摘要、可解释性的类案推送以及相关知识推荐等司法领域的实际业务需求中，并可以为高检人员提供参考，以推动案件办理流程，加快处理速度。通常情况下，要素抽取问题[1-4]可以转化为文本分类[5-8]。

早期的研究工作大都采用基于统计规则的文本分类方法来进行相关要素抽取，如王亚坤等[9]提出一种级联模型并通过手动建立规则的方法对相关事实要素进行抽取；程良等[10]通过依存树与规则相结合的方法提取语句关键要素。该类方法可以有效提高抽取效果，但需要人为建立规则，使得抽取效果受人为因素影响较大。随着机器学习的发展，越来越多的学者开始将其用于要素的抽取过程，如Li等[11]提出一种基于马尔科夫逻辑网络方法并将其用于民事诉讼案件的决策中，该方法可以有效抽取出相关要素；文献[12]对事实要素进行扩充，比如添加了双方是否有不良习惯、庭外调解是否有效等，事实要素越全面，就更加符合实际情况。但是该类方法主要适用于训练语料规模较小且要素种类较少的情况。针对上述方法存在的高度依赖人工制订规则模板，只局限于少量数据的问题，很多学……