基于深度学习的多维度证据要素关联关系抽取研究

摘要：

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

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;国家重点研发计划

在线出版日期：2022-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1251-1256,1263