黄辉，秦永彬, ，陈艳平, ，黄瑞章,

1.贵州大学计算机科学与技术学院，贵州 贵阳 550025；2.公共大数据国家重点实验室，贵州 贵阳 550025

1 引言

随着智慧法院建设的提出，大数据、人工智能与司法实践的融合开始不断推进。司法人工智能的本质是基于已有案例的审判工作，提示和辅助司法人员进行审判决策。因此，为司法人员提供可解释的决策依据是司法智能化建设的重点。将端到端的深度学习应用于司法领域通常会存在可解释性差的问题，无法为司法人员提供模型决策依据。案情要素体系是司法领域专家根据法院审判流程总结、建立的体系，主要由司法人员在决策过程中关注的案情要点构成。利用深度学习模型识别裁判文书中的关键案情要素，可以为案件判决预测提供依据，在一定程度上实现可解释性。并且，司法要素是判定案件之间关联性的重要依据之一，具备相同案件要素的案件拥有类似的案情和判决结果，结合司法要素可以有效地实现具有可解释性的类案推送。因此，司法要素抽取工作是司法人工智能中必不可少的一环。

司法要素抽取任务需要根据既定案情要素体系，判定裁判文书案情内容包含哪些具体案情要素。例如，给定句子“原告认为被告违法解除与原告的劳动关系，故原告起诉至法院，要求判决：被告向原告支付赔偿金186600元”，根据语义信息可以判定该句子包含既定司法要素中的“解除劳动关系”“支付经济补偿金”。……