伴隨著人工智能的蓬勃發(fā)展以及司法智慧化的廣泛開展,我們希望可以實現(xiàn)通過機器閱讀大量的案件事實,自動抽取判決該起案件所涉及的相關法律條文,實現(xiàn)法條智能推薦;同時,法條自動推薦可以幫助不熟悉復雜法律條文的非法律專業(yè)人士根據(jù)相關案件事實快速了解可能面臨的處罰�；诜l自動推薦的廣泛應用性,本文通過綜合考慮中文法律案例文本描述和法條文本的內(nèi)容,并結(jié)合法條推薦任務的特點,研究基于神經(jīng)網(wǎng)絡的刑事案件的法條推薦方法,本文的工作主要包括以下三個方面:(1)基于分類和法條共現(xiàn)關系的法條推薦算法研究。該方法是本文的基線模型,主要實現(xiàn)方法是將法條推薦任務看成是多標簽分類問題。通過對大量刑事案件實例的分析,總結(jié)出刑事案件主要可以分成六種不同的案由,并且不同的法條之間存在著共現(xiàn)關系。該模型使用TF-IDF對文檔向量建模,同時設計案由分類器和法條分類器,生成一個候選法條的集合;之后再通過對法條之間的關聯(lián)規(guī)則挖掘出最可能引用的法條;(2)基于注意力機制的循環(huán)卷積神經(jīng)網(wǎng)絡的法條推薦算法研究。針對基線系統(tǒng)中未能考慮詞向量的完整信息和缺乏對句法信息利用的不足,我們提出一個句子-文檔級別的層次化神經(jīng)網(wǎng)絡模型獲取文本的上下文...

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究目的與意義
        1.1.1 研究背景
        1.1.2 研究目的及意義
    1.2 論文的研究現(xiàn)狀
        1.2.1 司法智能化領域相關研究
        1.2.2 法律領域文本挖掘的相關研究
        1.2.3 多標簽分類技術的發(fā)展
    1.3 論文的主要內(nèi)容
    1.4 組織結(jié)構(gòu)
第2章 法條推薦任務與相關技術介紹
    2.1 法條推薦任務和數(shù)據(jù)集介紹
        2.1.1 法條推薦任務
        2.1.2 相關數(shù)據(jù)集介紹
    2.2 法條推薦的相關方法概述
        2.2.1 基于傳統(tǒng)機器學習的方法
        2.2.2 基于深度學習的方法
    2.3 本章小結(jié)
第3章 基于分類和共現(xiàn)關系的法條推薦算法研究
    3.1 引言
    3.2 基于分類和法條共現(xiàn)關系的法條推薦基線系統(tǒng)設計
        3.3.1 方法框架
        3.3.2 系統(tǒng)的組成模塊設計
        3.3.3 模型的訓練目標
    3.3 基于注意力機制的循環(huán)卷積神經(jīng)網(wǎng)絡的法條推薦改進算法
        3.3.1 注意力機制
        3.3.2 基于注意力機制的循環(huán)卷積神經(jīng)網(wǎng)絡的法條推薦算法的實現(xiàn)
        3.3.4 模型的聯(lián)合訓練目標
    3.5 實驗結(jié)果與分析
        3.5.1 數(shù)據(jù)集
        3.5.2 超參數(shù)設置
        3.5.4 評價指標
        3.5.5 實驗結(jié)果及分析
    3.6 本章小結(jié)
第4章 基于記憶網(wǎng)絡的法條推薦算法研究
    4.1 引言
    4.2 記憶網(wǎng)絡
    4.3 基于記憶網(wǎng)絡的法條推薦算法研究
        4.3.1 模型的總體設計
        4.3.2 案例描述與法條的向量表示計算
        4.3.3 基于雙層注意力機制的案例和法條聯(lián)合表示計算
        4.3.4 模型的目標函數(shù)
    4.4 實驗與結(jié)果分析
        4.4.1 數(shù)據(jù)集
        4.4.2 超參數(shù)設置
        4.4.3 評價指標
        4.4.4 實驗結(jié)果及分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 研究展望
參考文獻
在讀期間發(fā)表的學術論文及研究成果
致謝



本文編號：3868604