基于词语语义差异性的多标签罪名预测

• 作者: 张虎 李茹 王元龙 王加伟 谭红叶 赵红燕
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 罪名预测 语义差异性 多标签
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 自然语言处理应用
• 页码范围: 127-134
• 页数: 8页
• 分类号: TP391
• 字数: 7588字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.10.016

摘要

罪名预测是智慧司法领域中的一项重要研究内容,其旨在依据犯罪事实自动预测出犯罪主体触犯的罪名.犯罪事实是案件的真实客观描述,犯罪事实中各词语的语义重要性在不同罪名的判决中有所差异,而现有方法在对犯罪事实建模的过程中往往忽略了这种语义差异性,且缺乏对数罪并罚情形的处理.为此,该文在对犯罪事实的建模过程中将词语的语义差异融入注意力机制;并将数罪并罚情形下的多标签罪名预测转化为多个独立的单标签罪名预测.实验结果表明,该文基于词语语义差异性建模和多标签转化策略均有利于提升罪名预测的效果,在"中国法研杯"2018司法人工智能挑战赛公布的数据集上达到了88.0％ 的F1值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭红叶	山西大学计算机与信息技术学院	36	463	9.0	21.0
2	赵红燕	山西大学计算机与信息技术学院	5	27	3.0	5.0
4	王元龙	山西大学计算机与信息技术学院	7	10	2.0	3.0
5	张虎	山西大学计算机与信息技术学院	33	139	8.0	11.0
8	王加伟	山西大学计算机与信息技术学院	1	0	0.0	0.0