基于深度学习的法律文书识别方法研究

• 作者: 孟昕
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 法律文书 自然语言处理 深度学习 实体识别 LSTM CRFs
• 年，卷（期）: 2019,（12）
• 页码范围: 84-86
• 页数: 3页
• 分类号: TN911.7|TP311
• 字数: 1706字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2019.12.018

摘要

为了提升数字化法律文书知识库的建设效率,文中提出了基于深度学习理论的法律文书识别方法.该方法基于长短期记忆(LSTM)网元结构构建深度神经网络,引入遗忘门进行网元的状态更新,使用Softmax函数作为非线性传播函数,实现自然语言中的实体识别.经测试,该方法可以有效的提取法律文书中的当事人姓名、案由和审判机构等;在文中所采用的测试集上,相较于CRFs算法,该方法在准确率、召回率和F上均可以取得约10％的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟昕	扬州大学广陵学院	4	2	1.0	1.0