基于XLNet的法律核心要素识别应用

作     者：张棋 胡亚谦 赵耀 吉艳利 李建歧 洪通亮 ZHANG Qi;HU Yaqian;ZHAO Yao;JI Yanli;LI Jianqi;HONG Tongliang

作者机构：中国司法大数据研究院有限公司北京100041 

出 版 物：《信息技术与信息化》 (Information Technology and Informatization)

年 卷 期：2024年第9期

页      面：46-49页

学科分类：0301[法学-法学] 03[法学] 

基　　金：国家重点研发计划项目“司法知识推理与服务引擎构建技术”(2021YFC3340103) 

主　　题：要素识别 多标签分类 极长网络 

摘      要：法律核心要素的精准识别,有助于提升案件判决的准确度及效率。然而,现有深度学习方法的准确率受限于案件信息的复杂度,通常无法有效提取事实描述中的上下文关系。对此,提出了将极长网络(extra-long network,XLNet)应用于法律核心要素识别。利用CAIL2019提供的要素识别任务数据集进行分案由训练和预测,分案由divorce、labor和loan下性能评估指标F1值分别达到71.79%、57.31%、72.79%,均为最佳,比第二名分别高4.8、20.4、10.0个百分点。实验结果表明,XLNet模型在法律核心要素的多标签二分类任务中具有良好表现。