-
题名基于深度学习的司法判决预测算法研究
- 1
-
-
作者
周法国
刘文
葛逸凡
李夷进
-
机构
中国矿业大学(北京)机电与信息工程学院
-
出处
《科学技术与工程》
北大核心
2022年第36期16133-16140,共8页
-
基金
国家自然科学基金(62072008)。
-
文摘
司法判决预测任务指的是根据真实的案情描述文本来预测案件的判决结果,有助于司法专业人士高效的工作,在智能司法方面具有广阔的应用前景。在实践中,易混淆罪名和少样本罪名的判别问题是目前的两大难点,普通模型很容易在上述问题上出现误判。为使易混淆罪名得到更好的区分,结合BERT(bidirectional encoder representations from transformer)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)深度学习网络,提出BGAAT(BERT BiGRU attribute self-attention)网络模型。该模型引入具有区分性的罪名属性标签,通过注意力机制分别抽取属性特征与上下文特征,使用注意力分布对可解释性进行描述。为使少样本罪名更好地被识别,引入罪名分类权重,使模型在少样本罪名分类取得了更高的F1值。最后在真实的司法判决数据集上进行了实验,证明了所提出模型在该任务上有良好表现。
-
关键词
司法判决预测
深度学习
易混淆罪名
少样本罪名
可解释性
-
Keywords
legal judgement prediction
deep learning
confusing charge
few-sample charge
interpretable
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于人工智能的司法判决预测研究与进展
被引量：8
- 2
-
-
作者
王婉臻
饶元
吴连伟
李薛
-
机构
西安交通大学深圳研究院
陕西省人工智能联合(重点)实验室
西安交通大学软件学院社会智能与复杂数据处理实验室
-
出处
《中文信息学报》
CSCD
北大核心
2021年第9期1-14,共14页
-
基金
科技部重点研发计划(2019YFB2102300)
深圳市科技创新项目(JCYJ20180306170836595)
+5 种基金
四维图新-西安市智能时空数据分析工程实验室联合项目(C2020103)
教育部社科重大项目(18JZD022)
教育部“云数融合”基金(2017B00030)
中央高校建设世界一流大学(学科)和特色发展引导专项资金(PY3A022)
西安市碑林区科技项目(GX1803)
中央高校基本科研业务费西安交通大学重点项目(zdyf2017006)。
-
文摘
随着人工智能和大数据处理技术的发展,人工智能技术在辅助法官办案、辅助诉讼、辅助司法管理等诸多方面起着重大作用,推进了智慧法院的发展,并受到学术界及工业界的广泛关注。该文在针对人工智能技术在辅助司法办案相关模型分析的基础上,归纳并提出了目前司法判决预测领域存在的多特征的罪名分类预测、多标签的罪名分类预测、司法判决预测中多个子任务处理、司法判决预测中的不平衡数据处理、判决预测结果的可解释性以及将已有的刑事案件预测算法迁移学习推广到不同类别案件等6项关键性问题与挑战。同时,该文针对这些关键问题与技术挑战进行了理论探讨、技术分析以及当前工作进展与趋势分析,总结了司法判决预测领域目前使用到的一些数据集及其对应的评价指标,为深入研究司法判决预测提供新的研究线索与方向。
-
关键词
自动判决
司法判决预测
人工智能
司法
-
Keywords
auto judgment
legal judgment prediction
artifactial intelligence
judicature
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于图深度学习的司法判决预测综述
- 3
-
-
作者
张亦菲
李艳玲
葛凤培
-
机构
内蒙古师范大学计算机科学技术学院
-
出处
《计算机科学与探索》
2025年第8期2024-2042,共19页
-
基金
国家自然科学基金(62466046,62266033,12204062)
无穷维哈密顿系统及其算法应用教育部重点实验室开放课题(2023KFZD03)
+2 种基金
内蒙古自然科学基金重点项目(2023ZD10)
内蒙古师范大学基本科研业务费项目(2022JBQN106,2022JBQN111)
“一区两基地”建设项目(计算科学联合创新实验室)。
-
文摘
司法判决预测旨在根据案件事实描述预测判决结果,如案件所涉及法条、罪名、刑期。近年来,图深度学习方法在法律人工智能领域取得了显著成效,能够有效地捕捉案件事实描述之间的复杂关系和法条之间的依赖关系。全面归纳并总结了图深度学习在司法判决预测任务上最新的研究成果。明确司法判决预测的任务定义,并回顾了早期的研究。重点关注基于图结构的司法判决预测的文本表示方法,具体包括因果图、要素图和知识图谱在本领域中的应用。分析图深度学习在司法判决预测中的相关方法,涵盖图蒸馏算子、图卷积网络、门控图神经网络、异构图神经网络、图注意力网络、图推理网络。介绍了CAIL、ELAM等主流数据集以及司法判决预测其他相关数据集,并整理了评估指标。展望司法判决预测的未来研究趋势,强调了图深度学习在此领域的持续创新和应用前景。
-
关键词
法律人工智能
司法判决预测
图深度学习
-
Keywords
legal artificial intelligence
legal judgment prediction
graph deep learning
-
分类号
TP391
[自动化与计算机技术]
-
