典型文献
基于有序多任务学习的司法二审判决预测方法
文献摘要：
司法二审判决预测任务旨在基于一审判决、新发现事实、上诉理由等文本材料预测二审程序的判决结果,其难点在于如何捕捉两审法院对案件事实的认知异同来生成可解释的预测.针对上述难点,该文提出一种基于有序多任务学习的二审判决预测方法SIJP-SML,该方法通过两个时序依赖的多任务学习部分对一审到二审的完整审判逻辑进行建模,以提取并融合一、二审法院对案件事实的认知表示来预测二审判决.同时,SIJP-SML在多任务学习中引入法院观点生成任务来输出具有一定可读性的判决理据,以增强预测的可解释性.在6万余份二审裁判文书数据上的实验结果证明了SIJP-SML的有效性和合理性,其综合性能优于所有基线方法.
文献关键词：
判决预测;多任务学习;司法二审
中图分类号：
作者姓名：
韩晓晖;王文同;宋连欣;刘广起;崔超然;尹义龙
作者机构：
齐鲁工业大学(山东省科学院)山东省计算中心(国家超级计算济南中心),山东 济南 250014;山东省计算机网络重点实验室,山东 济南 250014;山东大学 软件学院,山东 济南 250101;山东财经大学 计算机科学与技术学院,山东 济南 250014
文献出处：
引用格式：
[1]韩晓晖;王文同;宋连欣;刘广起;崔超然;尹义龙-.基于有序多任务学习的司法二审判决预测方法)[J].中文信息学报,2022(03):162-172
A类：
司法二审,SIJP
B类：
多任务学习,判决预测,一审判决,新发现,上诉理由,二审程序,判决结果,两审,案件事实,同来,来生,SML,学习部,二审法院,入法,可读性,理据,可解释性,万余份,裁判文书
AB值：
0.222256
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。
