典型文献
基于深度学习的司法判罚研究
文献摘要：
基于深度学习的司法判罚研究有助于缓解司法行业案多人少以及同案不同判的问题,提高司法判罚效率.文章基于深度学习技术建立司法判罚模型,主要实现罪名预测功能.对司法文本数据进行分析以及处理,通过提取要素维度关键特征的方式区分易混淆罪名.建立基于CNN+GRU-Attention(Gated Recurrent Unit-Attention)的司法判罚模型,在模型输出层加入分组focal loss损失函数,解决罪名分布不均衡问题,根据模型评估指标进行模型验证以及对比分析.建立基于深度学习的司法判罚系统,系统以模型为核心,主要实现罪名分类功能,通过对系统的测试,验证了其有效性.
文献关键词：
深度学习;司法判罚;卷积神经网络;GRU-Attention网络
中图分类号：
作者姓名：
高珊;何安娜;肖清泉
作者机构：
贵州大学大数据与信息工程学院,贵州贵阳550025
文献出处：
引用格式：
[1]高珊;何安娜;肖清泉-.基于深度学习的司法判罚研究)[J].电子设计工程,2022(17):23-27
A类：
司法判罚,易混淆罪名
B类：
案多人少,同案不同判,深度学习技术,罪名预测,预测功能,法文本,文本数据,要素维度,关键特征,CNN+GRU,Attention,Gated,Recurrent,Unit,模型输出,出层,focal,loss,损失函数,名分,均衡问题,模型评估,模型验证
AB值：
0.325132
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。
