基于神经网络的法条推荐算法研究

发布时间：2023-11-28 17:35

　　伴随着人工智能的蓬勃发展以及司法智慧化的广泛开展,我们希望可以实现通过机器阅读大量的案件事实,自动抽取判决该起案件所涉及的相关法律条文,实现法条智能推荐;同时,法条自动推荐可以帮助不熟悉复杂法律条文的非法律专业人士根据相关案件事实快速了解可能面临的处罚。基于法条自动推荐的广泛应用性,本文通过综合考虑中文法律案例文本描述和法条文本的内容,并结合法条推荐任务的特点,研究基于神经网络的刑事案件的法条推荐方法,本文的工作主要包括以下三个方面:(1)基于分类和法条共现关系的法条推荐算法研究。该方法是本文的基线模型,主要实现方法是将法条推荐任务看成是多标签分类问题。通过对大量刑事案件实例的分析,总结出刑事案件主要可以分成六种不同的案由,并且不同的法条之间存在着共现关系。该模型使用TF-IDF对文档向量建模,同时设计案由分类器和法条分类器,生成一个候选法条的集合;之后再通过对法条之间的关联规则挖掘出最可能引用的法条;(2)基于注意力机制的循环卷积神经网络的法条推荐算法研究。针对基线系统中未能考虑词向量的完整信息和缺乏对句法信息利用的不足,我们提出一个句子-文档级别的层次化神经网络模型获取文本的上下文...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究目的与意义
        1.1.1 研究背景
        1.1.2 研究目的及意义
    1.2 论文的研究现状
        1.2.1 司法智能化领域相关研究
        1.2.2 法律领域文本挖掘的相关研究
        1.2.3 多标签分类技术的发展
    1.3 论文的主要内容
    1.4 组织结构
第2章 法条推荐任务与相关技术介绍
    2.1 法条推荐任务和数据集介绍
        2.1.1 法条推荐任务
        2.1.2 相关数据集介绍
    2.2 法条推荐的相关方法概述
        2.2.1 基于传统机器学习的方法
        2.2.2 基于深度学习的方法
    2.3 本章小结
第3章 基于分类和共现关系的法条推荐算法研究
    3.1 引言
    3.2 基于分类和法条共现关系的法条推荐基线系统设计
        3.3.1 方法框架
        3.3.2 系统的组成模块设计
        3.3.3 模型的训练目标
    3.3 基于注意力机制的循环卷积神经网络的法条推荐改进算法
        3.3.1 注意力机制
        3.3.2 基于注意力机制的循环卷积神经网络的法条推荐算法的实现
        3.3.4 模型的联合训练目标
    3.5 实验结果与分析
        3.5.1 数据集
        3.5.2 超参数设置
        3.5.4 评价指标
        3.5.5 实验结果及分析
    3.6 本章小结
第4章 基于记忆网络的法条推荐算法研究
    4.1 引言
    4.2 记忆网络
    4.3 基于记忆网络的法条推荐算法研究
        4.3.1 模型的总体设计
        4.3.2 案例描述与法条的向量表示计算
        4.3.3 基于双层注意力机制的案例和法条联合表示计算
        4.3.4 模型的目标函数
    4.4 实验与结果分析
        4.4.1 数据集
        4.4.2 超参数设置
        4.4.3 评价指标
        4.4.4 实验结果及分析
    4.5 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
在读期间发表的学术论文及研究成果
致谢



本文编号：3868604