检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

案件要素异构图的舆情新闻抽取式摘要

计算机工程与应用 2023年第4期59卷 112-119页

作者：李刚余正涛黄于欣昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500

案件舆情摘要是指从与司法案件相关的舆情信息中抽取与案件相关的句子作为摘要。在案件舆情文本中通常包含如涉案人员、案发地点等案件要素,这些案件要素对于摘要生成有着重要的指导意义。因此,针对案件舆情文本的特点,提出一种基于案... 详细信息

案件舆情摘要是指从与司法案件相关的舆情信息中抽取与案件相关的句子作为摘要。在案件舆情文本中通常包含如涉案人员、案发地点等案件要素,这些案件要素对于摘要生成有着重要的指导意义。因此,针对案件舆情文本的特点,提出一种基于案件要素异构图的抽取式摘要模型。首先通过基于图注意力机制融入案件要素的方法,构建一个由句子节点、词节点和案件要素节点组成的异构图,来捕捉句子间的关联关系,最后对句子进行分类,生成摘要。在基于百度百科构建的案件舆情数据集上进行实验,结果表明,模型相比基于注意力机制融入案件要素的方法在ROUGE-L上取得14.22个百分点的提升。

关键词：案件舆情摘要案件要素图注意力机制异构图

基于案件要素指导的涉案舆情新闻文本摘要方法

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2020年第5期34卷 56-63,73页

作者：韩鹏宇高盛祥余正涛黄于欣郭军军昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

涉案舆情新闻文本摘要任务是从涉及特定案件的舆情新闻文本中,获取重要信息作为其简短摘要,因此对于相关人员快速掌控舆情态势具有重要作用。涉案舆情新闻文本摘要相比开放域文本摘要任务,通常涉及特定的案件要素,这些要素对摘要生成过... 详细信息

涉案舆情新闻文本摘要任务是从涉及特定案件的舆情新闻文本中,获取重要信息作为其简短摘要,因此对于相关人员快速掌控舆情态势具有重要作用。涉案舆情新闻文本摘要相比开放域文本摘要任务,通常涉及特定的案件要素,这些要素对摘要生成过程有重要的指导作用。因此,该文结合深度学习框架,提出了一种融入案件要素的涉案舆情新闻文本摘要方法。首先构建涉案舆情新闻摘要数据集并定义相关案件要素,然后通过注意力机制将案件要素信息融入新闻文本的词、句子双层编码过程中,生成带有案件要素信息的新闻文本表征,最后利用多特征分类层对句子进行分类。为了验证算法有效性,在构造的涉案舆情新闻摘要数据集上进行实验。实验结果表明,该方法相比基准模型取得了更好的效果,具有有效性和先进性。

关键词：涉案舆情摘要案件要素双层编码多特征分类

在线全文

学校读者我要写书评

暂无评论

融合案件要素的相似案例匹配

中文信息学报 2022年第11期36卷 140-147页

作者：刘权余正涛高盛祥何世柱刘康昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500 中国科学院自动化研究所北京100190

相似案例匹配是智慧司法中的重要任务,其通过对比两篇案例的语义内容判别二者的相似程度,能够应用于类案检索、类案类判等。相对于普通文本,法律文书不仅篇幅更长,文本之间的区别也更微妙,传统深度匹配模型难以取得理想效果。为了解决... 详细信息

相似案例匹配是智慧司法中的重要任务,其通过对比两篇案例的语义内容判别二者的相似程度,能够应用于类案检索、类案类判等。相对于普通文本,法律文书不仅篇幅更长,文本之间的区别也更微妙,传统深度匹配模型难以取得理想效果。为了解决上述问题,该文根据文书描写规律截取文书文本,并提出一种融合案件要素的方法来提高相似案件的匹配性能。具体来说,该文以民间借贷案件为应用场景,首先基于法律知识制定了6种民间借贷案件要素,利用正则表达式从法律文书中抽取案件要素,并形成词独热形式的案件要素表征;然后,对法律文本倒序截取,并通过BERT编码得到法律文本表征,解决法律文本的长距离依赖问题;接着使用线性网络融合法律文本表征与案件要素表征,并使用BiLSTM对融合的表征进行高维度化表示;最后通过孪生网络框架构建向量表征相似性矩阵,通过语义交互与向量池化进行最终的相似度判断。实验结果表明,该文模型能有效处理长文本并建模法律文本的细微差异,在CAIL2019-SCM公共数据集上优于基线模型。

关键词：相似案例匹配案件要素预训练语言模型

基于案件要素指导及深度聚类的新闻与案件相关性分析

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2021年第11期35卷 60-69页

作者：李云龙余正涛高盛祥郭军军彭仁杰昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

新闻与案件相关性分析是案件领域新闻舆情分析的基础,其可以转化为文本聚类问题。由于缺乏有效的监督信息,传统聚类方法易导致聚类发散,降低结果的准确性。针对案件和新闻文本的特点,该文提出了基于案件要素指导及深度聚类的新闻与案件... 详细信息

新闻与案件相关性分析是案件领域新闻舆情分析的基础,其可以转化为文本聚类问题。由于缺乏有效的监督信息,传统聚类方法易导致聚类发散,降低结果的准确性。针对案件和新闻文本的特点,该文提出了基于案件要素指导及深度聚类的新闻与案件相关性分析方法。该方法首先抽取出重要的句子表征文本;然后利用案件要素对案件进行表征,用于初始化聚类中心,指导聚类的搜索过程;最后选用卷积自编码器获得文本表征,利用重构损失和聚类损失联合训练网络,使文本的表征更接近于案件,并将文本表征和聚类过程统一到同一框架中,交替更新自编码器参数及聚类模型参数,实现文本聚类。实验表明,该文的方法较基线方法在准确率上提高了4.61%。

关键词：相关性分析深度聚类文本表征案件要素

在线全文

学校读者我要写书评

暂无评论

基于案件要素的案件话题优化

小型微型计算机系统 2021年第12期42卷 2561-2566页

作者：彭仁杰余正涛高盛祥李云龙郭军军赵培莲昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500

话题模型已被广泛用于文本话题的发现.但是在案件话题领域,这些方法生成的话题与案件相关性不高,可解释性比较差,导致话题生成质量不高.为了解决这些问题,本文提出了基于案件要素指导下的话题优化方法:首先利用案件要素信息对话题模型... 详细信息

话题模型已被广泛用于文本话题的发现.但是在案件话题领域,这些方法生成的话题与案件相关性不高,可解释性比较差,导致话题生成质量不高.为了解决这些问题,本文提出了基于案件要素指导下的话题优化方法:首先利用案件要素信息对话题模型进行改进,结合案件要素与BTM话题模型特征向量,将文档词与案件要素的相关性与BTM话题模型的话题分布结合,获得案件微博中与案件更相关的话题词,通过选取与案件相关的候选词来表征话题;最后再计算案件话题候选词与文本词之间的相关性和文档与案件要素的相似度,得到案件话题词集.通过对新浪微博数据集的对比实验及结果说明,能够显著改善案件话题的发现质量.

关键词：话题模型话题优化案件要素相似度计算

在线全文

学校读者我要写书评

暂无评论

基于机器阅读理解的案件要素识别方法

计算机工程与设计 2023年第8期44卷 2475-2481页

作者：窦文琦陈艳平秦永彬黄瑞章刘丽娟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 贵州师范学院丽琼工作室贵州贵阳550018

传统的案件要素识别方法忽略了案件要素标签的语义信息。由于在裁判文书中案件要素存在严重数据不均衡问题,导致模型难以学习小样本案件要素中的语义特征。针对以上问题,提出基于机器阅读理解的案件要素识别方法。使用案件要素标签信息... 详细信息

传统的案件要素识别方法忽略了案件要素标签的语义信息。由于在裁判文书中案件要素存在严重数据不均衡问题,导致模型难以学习小样本案件要素中的语义特征。针对以上问题,提出基于机器阅读理解的案件要素识别方法。使用案件要素标签信息构建问题,指代所要识别的案件要素类型,将问题与文本拼接输入RoBERTa模型进行编码;通过双向注意力机制从两个方向出发为上下文和问题的交互提供补充信息;经过全连接网络预测案件要素是否存在;在词嵌入部分添加对抗扰动,提高模型的鲁棒性。该模型能够通过语言模型学习文本中的语义特征,有效避免了小样本案件要素中的语义特征稀疏问题。实验结果表明,该模型能有效提升数据集中小样本案件要素的识别性能。

关键词：机器阅读理解案件要素识别标签信息预训练语言模型小样本裁判文书

在线全文

学校读者我要写书评

暂无评论

基于小规模标注的案件要素提取模型

基于小规模标注的案件要素提取模型

作者：刘嘉锡哈尔滨工业大学

学位级别：硕士

智慧司法是现代化城市治理中的必不可少的一部分。当前的智慧司法体系通常建立在知识图谱的基础之上,因此,作为搭建知识图谱的基础任务之一,法律文本中的命名实体识别,即关键案件要素的抽取,对于智慧司法体系的搭建至关重要。由于法律... 详细信息

智慧司法是现代化城市治理中的必不可少的一部分。当前的智慧司法体系通常建立在知识图谱的基础之上,因此,作为搭建知识图谱的基础任务之一,法律文本中的命名实体识别,即关键案件要素的抽取,对于智慧司法体系的搭建至关重要。由于法律文本中的案件要素种类众多且在不断增加,传统的基于深度学习的命名实体识别方法需要的人工标注量太大,而传统的基于小规模数据集的命名实体识别方法的性能又不够理想。针对这一问题,本文提出了一个基于小规模标注的案件要素提取方法,通过对案件要素特征的分析,实现一个基于规则和机器学习的命名实体识别模型。本文首先对数据进行预处理,分析不同种类的法律文书内容,提取其中的案件事实描述。对于待提取的案件要素,人工构建种子词典。使用基于自举的规则学习方法,以实体之间的语义相似度作为评判标准,通过迭代对初始的人工构建的正向种子词典进行扩充。对案件事实描述文本进行依存句法分析,通过观察和分析设定案件要素的句法成分规则,基于这种规则使用扩充后的种子词典对数据集进行标注。使用BERT中文预训练模型对数据编码,将其映射成向量,输入到BILSTM+CRF的深度学习模型中进行训练,获取到这个案件要素的提取模型。最后通过对比多种案件要素的命名实体识别实验结果,对本文提出的案件要素提取的模型的可迁移性和可扩展性进行和验证。本文实现了一种基于小规模人工标注的案件要素提取模型,在少量人工标注数据的基础上,案件要素提取模型的F1值可以达到80%以上。本文对模型的性能进行了分析,实验结果表明在同样小规模标注数据集的条件下,模型具有更好的效果,且模型具有良好的可扩展性,但并不具有可迁移性。

关键词：智慧司法命名实体识别依存句法分析案件要素自举的规则学习

面向新闻舆情的案件要素抽取及案件相关性分析方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向新闻舆情的案件要素抽取及案件相关性分析方法研究

作者：赵承鼎昆明理工大学

学位级别：硕士

在“智慧法院”战略背景下,国家对于涉法涉案领域的文本理解提出了新的要求,如何让机器自动理解法律领域的自然语言文本并作出相应处理成为了迫切需要解决的难题。本文研究案件要素抽取及新闻与案件的相关性分析,旨在从法律文书和新闻... 详细信息

在“智慧法院”战略背景下,国家对于涉法涉案领域的文本理解提出了新的要求,如何让机器自动理解法律领域的自然语言文本并作出相应处理成为了迫切需要解决的难题。本文研究案件要素抽取及新闻与案件的相关性分析,旨在从法律文书和新闻文本中抽取案件要素,并在此基础上分析新闻与案件的相关性,从而为更深度的法律领域文本理解提供保证。其面临的关键问题在于如何根据案件要素的特性从法律文书与新闻文本中抽取案件要素;如何借助案件要素提高新闻与案件相关性分析的准确率。针对现有方法没有针对案件要素和法律领域文本的特点进行案件要素抽取,且没有针对新闻与案件描述的差异性对其进行相关性分析,本文对案件要素抽取及新闻与案件的相关性分析展开研究,主要完成了以下特色工作:（1）提出了语料构建的方法,构建了实验所需的语料。通过基于Xpath的网络爬虫技术从互联网采集新闻,通过规则从法律文书中生成案件要素知识库,通过标注技术和远程监督方法获得标注语料,为后续的实验提供数据准备。通过规则对裁判文书网中的17191篇文书进行解析与清洗,得到案件要素4311组,构建为案件要素知识库。通过远程监督的方式爬取新闻文档3449篇,以句为单位从中构建数据集。通过分析近年来的热门新闻,本文选择了13个热门案件,爬取与案件相关的新闻4513条。通过建立新闻与案件相关关系,得到新闻-案件对应数据4607对。（2）提出了一种基于案件领域相关性与依存图卷积的案件要素联合抽取方法。案件要素是对案件相关的事件的简要描述,对于案件领域自然语言处理任务具有指导意义。针对案件要素的案件领域相关性和内在关联性,本文利用双向循环神经网络对句子上下文信息建模,从而对案件领域相关性预测,通过与案件领域相关性预测的联合学习保证所抽取要素的案件领域相关性;通过图卷积神经网络对候选要素的依存关系进行建模捕捉到其内在的关联性,最终提高了新闻文本案件要素抽取的准确性。实验表明本文所提出方法的准确率比基线模型提高了6.6%,具有有效性。（3）提出了基于非对称孪生网络的新闻与案件相关性计算方法。新闻与案件的相关性分析是法律领域新闻舆情分析的重要环节,可转化为新闻文本与案件文本的相似度计算任务。借助孪生网络计算文本相似度是一种有效途径,其对平衡样本具有良好的学习能力,但在新闻与案件的相关性计算中面临文本不平衡和新闻文本冗余的问题,因此,本文通过计算文本中句子与标题的相似度选取与新闻标题最相关的句子表征文档,去除新闻文本中的冗余句子,利用非对称孪生网络建模,考虑到案件要素蕴含案件的关键语义信息,将案件要素作为监督信息融入到非对称孪生网络中对新闻文档和案件描述进行编码,解决新闻和案件在结构和语义上不平衡的问题,最终实现新闻与案件的相关性判断。实验表明本文提出的模型在此任务上比基线模型更适用于本任务,准确率提升了2.5%。（4）为了满足国家对于“智慧法院舆情监控系统”的战略需求,本文通过软件工程的方法进行了原型系统的设计与搭建。该系统从网上收集新闻数据,通过要素抽取模型和新闻案件相关性分析模型构建案件与新闻的对应关系,并向用户进行展示。

关键词：案件领域案件要素图卷积联合学习相关性孪生网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合案件要素的刑事案件罪名预测方法研究

融合案件要素的刑事案件罪名预测方法研究

作者：胡振生广东财经大学

学位级别：硕士

智慧法院建设工作重点之一是实现法院审判体系和审判能力的智能化,其关键在于深度融合人工智能技术与司法领域应用场景。罪名自动预测是智能审判任务中的核心问题,当前主要通过在裁判文书上建立端对端的深度学习模型来解决这一问题,此... 详细信息

智慧法院建设工作重点之一是实现法院审判体系和审判能力的智能化,其关键在于深度融合人工智能技术与司法领域应用场景。罪名自动预测是智能审判任务中的核心问题,当前主要通过在裁判文书上建立端对端的深度学习模型来解决这一问题,此类模型能够实现自动特征提取,在准确率等指标上取得了显著效果。但是,直接从原始裁判文书中学习文本特征,模型会受案件细节描述信息的影响,缺乏对法官判案逻辑的关注和法学领域知识的融合。因此本文在法学领域背景下,研究法官判案过程中关注的案件要素体系构建,建立领域知识支撑;在人工智能及跨学科研究背景下,以深度学习相关技术为基础,以案件要素体系为法学知识抽象特征,研究融入案件要素的罪名自动预测方法,增强罪名预测结果的可信度。主要工作内容和创新如下:（1）针对缺乏领域与技术匹配的案件要素定义问题,构建刑事案件要素体系。刑侦学视角下的案件要素相关构成论述较为宽泛,难以直接应用于预测模型。本文以此为理论基础,以司法从业人员指导意见和相关研究文献为实践基础,结合司法裁判文书结构特点,从人员类型、犯罪行为、补偿行为及裁判结果四个方面细化,构建了适合刑事案件罪名自动预测问题的案件要素体系。（2）针对案件要素人工标注耗时耗力问题,提出一种基于预训练语言模型的案件要素自动标注模型。本文将裁判文书案件要素自动标注问题转换为文本多标签分类问题,建立了基于预训练语言模型的刑事案件要素多标签分类模型（Bert-Text CNN）。该模型使用Bert对句子级文本信息进行嵌入向量表示,利用卷积神经网络提取不同维度的文本语义信息,使用二元交叉熵损失作为目标函数进行训练。与相关基线方法的实验结果表明,Bert-Text CNN模型的F1值达到89.2%,该方法有助于案件要素的自动标注。（3）基于混合神经网络机制和注意力机制设计了两种融合案件要素的罪名预测模型。分别为将案件要素和裁判文书信息通过独立并行神经网络进行特征抽取并融合的Hybrid-CNN-Bi LSTM模型,以及将案件要素与裁判文书信息利用注意力机制在嵌入层进行融合的CE-Att-Bi LSTM模型。通过实验对比,CE-Att-Bi LSTM模型取得了最佳表现,其实验测试指标AUC值为0.981,F1值为95.1%。实验结果表明使用注意力机制进行特征融合能够更好的体现案件要素与裁判文书特征间的交互影响,是更适合的特征融合方式。

关键词：罪名预测案件要素多标签分类混合神经网络注意力机制