基于BERT的盗窃罪构成要件识别方法

摘要：

随着人工智能技术的发展,人工智能技术在生活中被广泛使用,并逐步深入到司法审理中.但在实际应用中存在着可解释性不足,不能有效的辅助审理这一问题.针对这一问题,本文结合刑事案件审理过程中依据犯罪构成采用的四要件理论,从犯罪构成的四要件角度,设计了构成要件识别任务.筛选了盗窃罪中一些构成要件,构建盗窃罪构成要件数据集.并基于预训练语言模型BERT(bidirectional encoder representations from transformers),设计了构成要件识别模型,对该模型在本文构建的数据集上进行测试,模型识别准确率达到93.54％.在构成要件基础上构建量刑辅助算法能提高现有算法的解释性,更有效的辅助法官审理案件.

关键词：四要件、盗窃罪、BERT、文本分类、深度学习、自然语言处理

所属期刊栏目：31

分类号：TP391.41;D914;P618.130.8

资助基金：国家重点研发计划;国家重点研发计划;国家重点研发计划

在线出版日期：2022-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：229-237