期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于因果事件抽取驱动关键法律要素感知的林法类案检索模型构建
1
作者
田萱
谢格云
吴志超
《农业机械学报》
2025年第8期411-418,446,共9页
林法类案检索旨在找到与输入案例事实相似的历史林法判决案例,在林业智能法律系统中发挥着核心作用。现有的类案检索模型缺乏对法律案文特定结构内关键法律要素的考虑,无法准确利用关键法律要素蕴含的深层语义信息,导致在相似候选案例...
林法类案检索旨在找到与输入案例事实相似的历史林法判决案例,在林业智能法律系统中发挥着核心作用。现有的类案检索模型缺乏对法律案文特定结构内关键法律要素的考虑,无法准确利用关键法律要素蕴含的深层语义信息,导致在相似候选案例的检索场景中表现欠佳。在林业法律案文中,关键法律要素通常出现在以林木为主体的因果事件中,为此,提出一种因果事件抽取驱动关键法律要素感知的林法类案检索模型(Causal event extraction-driven key legal element-aware model,CEKLE),该模型在将法律案文拆分为“前言”、“事实”、“分析”、“判决”和“尾文”5部分基础上,重点关注林业法律案文的“事实”与“分析”2部分,结合因果事件抽取,获取相应因果事件,从而准确感知案例关键法律要素位置,充分挖掘关键法律语义信息,以提升林法类案检索准确性。2个数据集上的实验结果表明,在林法类案检索中CEKLE优于最先进的基线模型。
展开更多
关键词
林法类案检索
关键法律要素
结构划分
因果事件抽取
在线阅读
下载PDF
职称材料
面向无触发词文本的因果关系事件对联合抽取模型
2
作者
张国梁
朱桐
陈文亮
《中文信息学报》
CSCD
北大核心
2024年第5期76-87,共12页
事件因果关系抽取(Event Causality Extraction,ECE)是从文本中抽取出表示因果事件对的事件类型、事件要素及事件间的关系。之前的工作都在含有触发词的文本上进行,并且事件抽取和关系识别也都依靠触发词等事件主体。然而,现实中有许多...
事件因果关系抽取(Event Causality Extraction,ECE)是从文本中抽取出表示因果事件对的事件类型、事件要素及事件间的关系。之前的工作都在含有触发词的文本上进行,并且事件抽取和关系识别也都依靠触发词等事件主体。然而,现实中有许多文本没有触发词,因此该文的抽取任务则是在无触发词标注的文本上进行。该任务的难点在于不仅要抽取多个独立事件,还要判断相互间的因果关系,并且存在事件主体缺失、多事件对及事件类型重叠的问题。该文提出一种分阶段的联合抽取模型,在第一阶段,利用层叠结构模型识别出文本中的事件类型与因果关系;在第二阶段,利用“双定位”和阅读理解机制获得嵌入事件类型信息的句子表示,并通过多层二元标志解码器预测各事件要素的首尾位置。为缓解误差传播问题,该文将两阶段模型通过共享编码层的方式联合训练。实验表明,该文提出的方法可以在完全无规则的情况下有效抽取出无触发词文本中的因果事件对。
展开更多
关键词
事件
因果
关系
抽取
事件
抽取
关系
抽取
在线阅读
下载PDF
职称材料
题名
基于因果事件抽取驱动关键法律要素感知的林法类案检索模型构建
1
作者
田萱
谢格云
吴志超
机构
北京林业大学信息学院(人工智能学院)
出处
《农业机械学报》
2025年第8期411-418,446,共9页
基金
北京市科技计划项目(Z251100004525006)。
文摘
林法类案检索旨在找到与输入案例事实相似的历史林法判决案例,在林业智能法律系统中发挥着核心作用。现有的类案检索模型缺乏对法律案文特定结构内关键法律要素的考虑,无法准确利用关键法律要素蕴含的深层语义信息,导致在相似候选案例的检索场景中表现欠佳。在林业法律案文中,关键法律要素通常出现在以林木为主体的因果事件中,为此,提出一种因果事件抽取驱动关键法律要素感知的林法类案检索模型(Causal event extraction-driven key legal element-aware model,CEKLE),该模型在将法律案文拆分为“前言”、“事实”、“分析”、“判决”和“尾文”5部分基础上,重点关注林业法律案文的“事实”与“分析”2部分,结合因果事件抽取,获取相应因果事件,从而准确感知案例关键法律要素位置,充分挖掘关键法律语义信息,以提升林法类案检索准确性。2个数据集上的实验结果表明,在林法类案检索中CEKLE优于最先进的基线模型。
关键词
林法类案检索
关键法律要素
结构划分
因果事件抽取
Keywords
forestry legal case retrieval
key legal element
structure partition
causal event extraction
分类号
TP391.1 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
面向无触发词文本的因果关系事件对联合抽取模型
2
作者
张国梁
朱桐
陈文亮
机构
苏州大学计算机科学与技术学院
出处
《中文信息学报》
CSCD
北大核心
2024年第5期76-87,共12页
基金
国家自然科学基金(62376177)。
文摘
事件因果关系抽取(Event Causality Extraction,ECE)是从文本中抽取出表示因果事件对的事件类型、事件要素及事件间的关系。之前的工作都在含有触发词的文本上进行,并且事件抽取和关系识别也都依靠触发词等事件主体。然而,现实中有许多文本没有触发词,因此该文的抽取任务则是在无触发词标注的文本上进行。该任务的难点在于不仅要抽取多个独立事件,还要判断相互间的因果关系,并且存在事件主体缺失、多事件对及事件类型重叠的问题。该文提出一种分阶段的联合抽取模型,在第一阶段,利用层叠结构模型识别出文本中的事件类型与因果关系;在第二阶段,利用“双定位”和阅读理解机制获得嵌入事件类型信息的句子表示,并通过多层二元标志解码器预测各事件要素的首尾位置。为缓解误差传播问题,该文将两阶段模型通过共享编码层的方式联合训练。实验表明,该文提出的方法可以在完全无规则的情况下有效抽取出无触发词文本中的因果事件对。
关键词
事件
因果
关系
抽取
事件
抽取
关系
抽取
Keywords
event causality extraction
event extraction
relation extraction
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于因果事件抽取驱动关键法律要素感知的林法类案检索模型构建
田萱
谢格云
吴志超
《农业机械学报》
2025
在线阅读
下载PDF
职称材料
2
面向无触发词文本的因果关系事件对联合抽取模型
张国梁
朱桐
陈文亮
《中文信息学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
