發(fā)布時間：2021-06-29 01:23

　　為了解決傳統(tǒng)辦案方式可能引起的"類案不同判"等問題,以及滿足當事人查找預(yù)覽與自身情況相似裁判文書的需求,本文提出了一種基于多模態(tài)特征融合的裁判文書推薦方法,學習高層次的裁判文書多模態(tài)融合特征表示,進而實現(xiàn)相似裁判文書推薦.該方法主要包括預(yù)處理、特征提取、特征融合和文書推薦四個階段.實驗結(jié)果表明,與只利用單一模態(tài)特征以及簡單串聯(lián)多模態(tài)特征的方法相比,利用本文方法學習到的多模態(tài)融合特征進行裁判文書推薦,推薦結(jié)果的準確率、召回率和綜合評價指標（F₁值）均有顯著提高.說明本文提出的多模態(tài)特征融合方法對于推薦任務(wù)更加有效,體現(xiàn)了算法的優(yōu)越性. 

【文章來源】：微電子學與計算機. 2020,37(12)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

準確率結(jié)果對比

圖2為4種不同方法的裁判文書推薦結(jié)果的召回率.從圖中可以看出,使用裁判文書的融合特征進行裁判文書推薦的召回率明顯高于使用其他特征推薦的召回率,這說明了本文算法的有效性.此外,與準確率結(jié)果類似,裁判文書推薦的召回率隨著推薦個數(shù)N的增加而提高,總體呈現(xiàn)上升趨勢.同樣地,當N為30或50時,使用串聯(lián)特征的裁判文書推薦的召回率略低于使用TF-IDF特征的召回率.另外,使用本文方法學習的多模態(tài)融合特征進行裁判文書推薦的召回率的增加幅度明顯大于使用其他三種特征推薦結(jié)果召回率的增加幅度,這進一步說明了本文方法在裁判文書推薦方面的優(yōu)越性.圖3 F1值結(jié)果對比

F1值結(jié)果對比

【參考文獻】：
期刊論文
[1]一種基于用戶播放行為序列的個性化視頻推薦策略[J]. 王娜,何曉明,劉志強,王文君,李霞.  計算機學報. 2020(01)
[2]基于特征融合的中文簡歷解析方法研究[J]. 陳毅,符磊,代云霞,張劍.  計算機工程與應(yīng)用. 2019(10)
[3]類案推送的精細化:問題、成因與改進——以刑事類案推送為例[J]. 朱彬彬,祝興棟.  法律適用(司法案例). 2018(20)
[4]結(jié)合句法特征和卷積神經(jīng)網(wǎng)絡(luò)的多意圖識別模型[J]. 楊春妮,馮朝勝.  計算機應(yīng)用. 2018(07)



本文編號：3255431