基于非对称孪生网络的新闻与案件相关性分析

发布时间：2021-02-01 15:00

　　新闻与案件的相关性分析是法律领域新闻舆情分析的重要环节,可转化为新闻文本与案件文本的相似度计算任务。借助孪生网络计算文本相似度是一种有效途径,其对平衡样本具有良好的学习能力,但在新闻与案件的相关性计算中面临文本不平衡和新闻文本冗余的问题,因此,该文提出了基于非对称孪生网络的新闻与案件相关性计算方法。通过计算文本中句子与标题的相似度选取与新闻标题最相关的句子表征文档,去除新闻文本中的冗余句子,利用非对称孪生网络建模,考虑到案件要素蕴含案件的关键语义信息,将案件要素作为监督信息融入到非对称孪生网络中对新闻文档和案件描述进行编码,解决新闻和案件在结构和语义上不平衡的问题,最终实现新闻与案件的相关性判断。实验表明该模型相比基线模型准确率提升了2.52%。 

【文章来源】：中文信息学报. 2020,34(03)北大核心

【文章页数】：8 页

【部分图文】：

基于非对称孪生网络的新闻与案件相似度计算模型图

【参考文献】：
期刊论文
[1]基于改进孪生网络结构的相似法律案例检索研究[J]. 李兰君,周俊生,顾颜慧,曲维光.  北京大学学报(自然科学版). 2019(01)



本文编号：3012957