-
题名基于知识图谱的案件特征增强法律判决预测
- 1
-
-
作者
李紫阳
张亚娟
黄义雄
王云鹤
-
机构
河北工业大学人工智能与数据科学学院
河北工业大学河北省大数据计算重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第7期2153-2159,共7页
-
基金
国家青年科学基金资助项目(62206086)
天津市教委科研计划资助项目(2022KJ099)
河北省自然科学基金资助项目(F2023202062)。
-
文摘
现有基于知识图谱的法律判决预测方法重点关注案件的要素实体和关系,不能充分地获取案件的特征信息。针对该问题,提出了一种增强案件特征融合的知识图谱法律判决预测方法。首先,该方法利用双向门控循环神经网络挖掘事实描述文本深层次的因果、时序等全文语义特征信息。然后通过知识图谱向量空间中案例间相似度注意力计算学习类案特征表示。最后,融合特征信息和知识图谱的结构化知识,丰富实体和关系在案件事实文本中的语义特征表示,实现法律判决链路预测任务。在危险驾驶罪和盗窃罪两类罪名数据集上的实验结果显示,该方法在MRR、Hit@1两个关键评价指标上与当前表现最好的链路预测模型相比提升了1.5%左右,Hit@3和Hit@10等指标也均有提升,验证了案件特征增强融合能补充法律知识图谱中缺失的案件特征信息并提高预测的效果。
-
关键词
知识图谱嵌入
特征增强
历史相似案例
法律判决链路预测
-
Keywords
knowledge graph embedding
feature enhancement
historical similarity cases
legal judgment link prediction
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
