典型文献
基于深度条件依赖网络的裁判文书信息抽取
文献摘要：
裁判文书信息抽取旨在对裁判文书中包含的信息进行结构化处理,是法律人工智能研究的重要任务.目前的研究多是把裁判文书的信息抽取任务看成一个多标签文本分类任务,而没有考虑标签之间的依赖性.为此,提出了基于深度条件依赖网络的裁判文书信息抽取框架,用于裁判文书的案件要素信息抽取和争议焦点信息抽取.该框架由两部分组成,一是框架前端的特征提取网络用来挖掘裁判文书的文本特征,二是框架后端的标签关系网络来构建多个标签间的依赖性关系.在两个真实数据集上的实验结果表明,该模型在基线上都取得了显著且一致的改进,并且具有很好的扩展性,在该框架下可以获得多标签文本分类任务效果的提升.
文献关键词：
裁判文书;信息抽取;案件要素;争议焦点;依赖关系建模
中图分类号：
作者姓名：
翁洋;向迪;郭晓冬;洪文兴;李鑫
作者机构：
四川大学数学学院,四川 成都 610064;厦门大学航空航天学院,福建 厦门 361102;四川大学法学院,四川 成都 610207
文献出处：
引用格式：
[1]翁洋;向迪;郭晓冬;洪文兴;李鑫-.基于深度条件依赖网络的裁判文书信息抽取)[J].厦门大学学报（自然科学版）,2022(06):1021-1029
A类：
依赖关系建模
B类：
依赖网络,裁判文书,书信,信息抽取,结构化处理,法律人工智能,看成,一个多,多标签文本分类,分类任务,案件要素,要素信息,争议焦点,焦点信息,特征提取网络,文本特征,后端,标签关系,关系网络,真实数据,扩展性,任务效果
AB值：
0.280315
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
