首站-论文投稿智能助手
典型文献
改进KG-BERT算法的涉毒案件法条预测方法
文献摘要:
涉毒案件法条预测任务存在案情复杂度高、案件与案件之间相似度大等难点,传统方法大多集中于对案情的语义学习,而忽略了法条知识的作用,导致法条预测性能不佳.因此,基于KG-BERT算法提出改进后的KG-Law-former算法.改进后的算法可同时学习案情知识和法条知识,并通过法条知识更好地指导预测.实验结果证明,该方法在宏F1值上较传统方法提升了10%~30%,达到79%,并在准确率Acc、宏精确率MP和宏召回率MR等指标上均有一定提升,证明了在法条预测中融入法条知识可以提高预测性能.
文献关键词:
涉毒案件;法条预测;知识图谱补全;KG-BERT;多标签分类
作者姓名:
杨通超;唐向红
作者机构:
贵州大学计算机科学与技术学院;贵州大学省部共建公共大数据重点实验室,贵州贵阳550025
文献出处:
引用格式:
[1]杨通超;唐向红-.改进KG-BERT算法的涉毒案件法条预测方法)[J].软件导刊,2022(05):79-83
A类:
法条预测,法条知识
B类:
KG,BERT,涉毒案件,在案,案情,多集,语义学习,预测性能,Law,former,学习案,情知,Acc,精确率,MP,召回率,MR,融入法,知识图谱补全,多标签分类
AB值:
0.260352
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。