基于迁移学习的适用法条推荐模型

• 作者: 杨超群 庞彦燕 严若冰 张世全 胡兵 王竹
• 来源期刊: 四川大学学报（自然科学版）
• 关键词: 适用法条推荐 文本分类 人工智能 迁移学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 数学|Mathematics
• 页码范围: 7-12
• 页数: 6页
• 分类号: O29
• 语种: 中文
• DOI: 10.19907/j.0490-6756.2021.021001

摘要

本文提出了一个基于法律事实的适用法条推荐模型 .作为应用,本文选取了刑事诈骗罪和民事离婚纠纷两个案由的裁判文书数据集,使用FastText模型,并基于迁移学习方法从预训练的通用词向量出发训练法律词向量,再以此为基础进行文本分类 .结果显示,经过迁移学习后,无论诈骗罪案件还是离婚纠纷案件均能做到对案情描述文本全面、准确地推荐适用法条,特别是具有针对性的法规、司法解释等 .随着迁移学习模式的不断完善,本文研究的方法还应该可进一步用于证据推送、量刑预测等 .