基于机器阅读理解的案件要素识别方法
2023-09-13窦文琦陈艳平秦永彬黄瑞章刘丽娟
计算机工程与设计 2023年8期
窦文琦,陈艳平,秦永彬+,黄瑞章,刘丽娟
(1.贵州大学 计算机科学与技术学院 公共大数据国家重点实验室,贵州 贵阳 550025;2.贵州师范学院 丽琼工作室,贵州 贵阳 550018)
0 引 言
在大数据和人工智能发展的背景下,智慧司法研究领域兴起并日趋火热,类案推荐、刑期预测、信息抽取等自动化研究成为了该领域的热点研究方向。随着我国司法机关不断推进案件信息公开,海量的裁判文书得以出现在互联网上,这些裁判文书蕴含了丰富的信息,对其进行挖掘将产生巨大的价值。案件要素识别作为司法信息抽取任务中一部分,为量刑、罪名预测等任务提供信息支撑。
以盗窃案为例,从“外衣口袋内”这一关键信息可以推断出被告存在扒窃的盗窃行为;“如实供述”表示被告认罪态度好;“曾因犯盗窃罪”说明被告属于累犯。这些包含重要信息的案件要素可以决定案件性质、左右被告人量刑。案件要素在裁判文书中有多种不同的表现形式,使用人工查找的方式耗时耗力。因此,使用深度学习模型辅助司法工作显得尤为重要。
针对案件要素识别的研究存在以下几个难点:传统的案件要素识别方法主要通过裁判文书中的文本特征预测案件要素的标签类别,忽略了案件要素标签的司法语义信息;在裁判文书中,某些案件要素在裁判文书中的出现次数相对较少,导致模型无法充分学习到小样本的特征,很难从中提取规律。针对以上问题,本文提出了一种基于机器阅读理解的案件要素识别方法,主要研究工作如下:……p>
登录APP查看全文
