-
题名基于规则推理和贝叶斯网络算法的多方证据关联分析
被引量：2
- 1
-
-
作者
赵晋斌
王凯
李盼
-
机构
中国人民解放军
中经柏诚科技(北京)有限责任公司
中国司法大数据研究院有限公司
-
出处
《中国电子科学研究院学报》
北大核心
2022年第5期508-514,共7页
-
基金
国家重点研发计划资助项(2018YFC0830200,2018YFC0830202)。
-
文摘
目前,中国司法数据存在数据价值密度低,关联性差等问题。从大量的冗杂司法数据中进行文本分类的高效处理,快速提取出有效信息,不仅能够有效地节约法院诉讼服务的人力及空间资源,同时能够为公众随时提供简单、安全、智慧、高效的诉讼智能服务。因此,文中设计出一种基于规则推理和贝叶斯网络算法的多方证据关联分析方法,从海量司法数据中删除噪音数据,进而完成对关键信息的抽取与证据要素识别。根据数据中当事人的诉讼材料,形成结构化的证据要素,通过多方证据关联模型中证据链条实验结果与真实证据链条相似度计算结果抽取出多方证据要素的关联关系,有效实现可信证据链条的深度挖掘。
-
关键词
司法数据
规则推理
贝叶斯网络算法
文本分类
-
Keywords
judicial data
rule reasoning
Bayesian network algorithm
text classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的多维度证据要素关联关系抽取研究
被引量：1
- 2
-
-
作者
赵晋斌
王凯
李盼
-
机构
中国人民解放军
中经柏诚科技(北京)有限责任公司
中国司法大数据研究院有限公司
-
出处
《中国电子科学研究院学报》
北大核心
2021年第12期1251-1256,1263,共7页
-
基金
国家重点研发计划资助项目(2018YFC0830200,2018YFC0830202)。
-
文摘
随着社会法治化发展,法院受案数量呈爆发式增长,各证据要素之间关联较弱,影响法律审判效率。基于上述问题,提出一种基于深度学习的多维度证据要素关联关系抽取模型,设计基于BERT_BiGRU_CNN模型的证据要素关联关系抽取算法。本文以裁判文书为数据集,使用BERT训练所需字词向量,开展BERT、BERT_CNN、BERT_BiGRU以及BERT_BiGRU_CNN的对比研究,研究关系抽取技术在证据要素间的识别效果、研究表明,采用BERT_BiGRU_CNN算法在多要素证据关联关系之间的识别效果最好,且相比于其他模型,BERT_BiGRU_CNN的F1得分达到84.3%。
-
关键词
法律智能
关系抽取
裁判文书
信息抽取
-
Keywords
legal intelligence
relation extraction
judgment
information extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
