典型文献
基于深度学习的司法判决预测算法研究
文献摘要：
司法判决预测任务指的是根据真实的案情描述文本来预测案件的判决结果,有助于司法专业人士高效的工作,在智能司法方面具有广阔的应用前景.在实践中,易混淆罪名和少样本罪名的判别问题是目前的两大难点,普通模型很容易在上述问题上出现误判.为使易混淆罪名得到更好的区分,结合BERT(bidirectional encoder representations from transformer)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)深度学习网络,提出BGAAT(BERT BiGRU attribute self-attention)网络模型.该模型引入具有区分性的罪名属性标签,通过注意力机制分别抽取属性特征与上下文特征,使用注意力分布对可解释性进行描述.为使少样本罪名更好地被识别,引入罪名分类权重,使模型在少样本罪名分类取得了更高的F1值.最后在真实的司法判决数据集上进行了实验,证明了所提出模型在该任务上有良好表现.
文献关键词：
司法判决预测;深度学习;易混淆罪名;少样本罪名;可解释性
中图分类号：
作者姓名：
周法国;刘文;葛逸凡;李夷进
作者机构：
中国矿业大学(北京)机电与信息工程学院, 北京100083
文献出处：
引用格式：
[1]周法国;刘文;葛逸凡;李夷进-.基于深度学习的司法判决预测算法研究)[J].科学技术与工程,2022(36):16133-16140
A类：
司法判决预测,易混淆罪名,少样本罪名,BGAAT
B类：
预测算法,算法研究,案情,判决结果,专业人士,智能司法,法方,误判,BERT,bidirectional,encoder,representations,from,transformer,双向门控循环单元,gated,recurrent,unit,BiGRU,深度学习网络,attribute,self,attention,区分性,属性标签,注意力机制,属性特征,上下文特征,注意力分布,可解释性,地被,入罪,名分,出模
AB值：
0.292117
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。
