Siamese-CNN算法研究及其在法院裁判预测中的应用

发布时间：2020-06-21 00:20

【摘要】：法律领域中,当事人想及时的了解有关案件的结果或者赔偿金额,需要大量学习法律的相关知识。同时,对于律师来讲,日益增加的法律文书给律师学习和总结历史案件带来困难。因此对裁判文书进行分析,可以更好的深入到法律领域,帮助律师和当事人更好的进行决策,有着重要的意义和价值。目前对于裁判文书的研究主要是基于数学统计的方法,但是数以万计的裁判文书导致统计分析的效率较为低下。在本文中,使用多核的CNN模型以故意杀人案由和继承案由为切入点,对案件的判决结果区间进行预测,从而达到为律师或者当事人提供借鉴的目的。实验结果表示,针对故意杀人案由,多核CNN的实验结果相较于传统的机器学习模型有较好的实验结果,准确率达到87.3%,但是在继承案由上实验结果仅达到52.1%。在此基础上,本文分析了故意杀人案由与继承案由样在样本集中的差异,发现继承案由的样本分布十分不均匀同时样本数量过小,根据这一特征,本文提出一种基于Siamese网络和多核CNN模型相结合的案件判决区间预测模型Siamese-CNN,并从样本组织,模型搭建,损失函数定义,性能验证等方面对该模型进行设计研究。本文最后通过实际实验对Siamese-CNN模型进行验证,实验结果证明,SiameseCNN模型在故意杀人案由中的准确率达到88.6%,在继承案由上的准确率达到79.8%。说明该算法不仅有较高的分类正确率,而且Siamese网络和多核卷积的方法提升了模型的泛化能力和预测性能。同时,本文使用标准文本分类数据集分别在Siamese-CNN模型下进行实验,实验结果表明该算法可以在样本数量较少且样本分布不均的情况下取得很好的分类效果。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：D926.2

【参考文献】